在传统伞杆自动化加工过程中,首先需要将伞杆转正到固定的位置,才能进行后续加工,该过程称为伞杆的“校正”过程。目前生产线上通常使用模具配合结构的方法实现伞杆的机械式“校正”,但该方法容易出现模具损耗,卡死和校正错误等问题,影响伞杆的加工效率。此外,在高端伞杆的加工过程中,若有焊缝的伞杆柱面作为后续加工面,则在高端折叠伞使用过程中可能出现因杆件表面刮花而影响美观的问题,所以在伞杆加工前还要对伞杆柱面进行有无焊缝的识别判断。为了解决上述问题,本课题借助机器视觉和图像处理相关技术,采用非接触的方式实现伞杆截面视觉校正和伞杆柱面焊缝识别,具体研究内容如下:(1)本课题以市面上常用的5种不同截面类型的伞杆作为研究对象,针对伞杆加工过程中的问题,进行检测需求分析,提出了基于机器视觉的伞杆检测平台总体方案。(2)分别对伞杆截面和伞杆柱面图像进行针对性预处理研究,根据传统滤波方式提出了混合型滤波方式,根据开闭形态学操作提出了多尺度的形态学方法,根据三角阈值分割法设计了伞杆柱面ROI区域的自动提取算法。(3)对每一种伞杆截面类型,以拟合图像轮廓为核心,分别设计了基于改进D-P算法的正多边形伞杆截面校正角度算法和基于图像融合与局部图像分析的异形伞杆截面校正角度算法,合理有效地实现了伞杆截面的视觉校正。对伞杆柱面,采用模式识别的方法进行焊缝识别,分类柱面样本,设计并构建伞杆柱面焊缝模型。(4)根据伞杆视觉检测系统总体方案,设计并搭建伞杆视觉检测系统的实验样机,设计了基于OpenCV与MFC的视觉检测系统界面程序。通过对伞杆截面校正角度和对伞杆柱面焊缝识别的实验,发现检测结果均满足检测需求。在搭建的测试样机上,进行实验测试,统计检测信息,最终实验结果表明,伞杆视觉检测系统可以根据伞杆截面实现每分钟30根伞杆的视觉校正,测得的平均角度误差约0.778°,检测成功率均在90%以上。伞杆柱面焊缝的识别正确率至少可以达到98%,误检率约为2%,高准确率,低误检率,均能满足生产线检测需求,该系统在伞杆智能化和自动化加工过程中有现实意义。