在鞋子生产过程中,鞋面的数量统计与尺寸测量作为非常重要的工序,但目前仍使用传统人工检测方法。这种人工检测的方法存在速度慢、误差高以及成本高等问题。本课题以鞋面为研究对象,提出了一种检测速度快、稳定性高的基于机器视觉的鞋面数量统计与尺寸测量系统,主要工作如下:(1)对国内外机器视觉检测技术以及鞋面检测的研究现状进行了分析,针对目前制鞋行业人工统计鞋面数量和尺寸测量的诸多劣势及不足,设计了基于机器视觉的鞋面数量统计与尺寸测量系统,并对系统的硬件部分进行了选型。(2)采用模板匹配算法定位鞋面图像,完成鞋面的数量统计。针对基于灰度和基于距离的模板匹配算法不能适应鞋面复杂的生产环境,提出采用基于边缘方向的模板匹配算法。首先,选择稳定性高、定位准确的Sobel算子提取图像边缘方向;然后,计算相似测度,获得最佳匹配位置,同时加入金字塔搜索策略,减少算法的复杂度。该方法可适应鞋面生产环境中存在的光照变化、混乱干扰以及遮挡情况,很好地实现鞋面定位,从而完成鞋面数量统计。(3)将特征点匹配算法引入鞋面图像匹配中,提出基于SURB结合随机采样一致性算法的匹配算法。首先,SURF算法提取图像特征点;然后,BRIEF描述子对其进行描述;最后,采用随机采样一致性算法剔除误匹配点。实验结果表明,SURB与随机采样一致性算法相结合的特征点匹配算法可以适应图像的尺度变化、光照变化以及噪声干扰。(4)采用最小外接矩形算法测量鞋面尺寸。首先,对相机进行了标定,消除镜头畸变问题带来的影响,同时获得了相机参数,得到图像距离与物理距离的关系;然后,采用最小外接矩形算法测量鞋面图像的长度和宽度,通过比例关系转换获得鞋面的真实尺寸;最后,将该尺寸与人工测量结果进行了对比,证明该测量方法可以满足实际生产要求。(5)采用了Python自带的Tkinter图形工具包编写系统人机交互界面,结合OpenCV图像处理开源库实现了系统的计数和测量功能,使用Sqlite数据库对系统中的数据进行保存分析,最后有机的整合,实现了功能完善,操作友好的系统软件。