论文部分内容阅读
一、研究的目的及意义
随着中国经济的快速发展，经济转型和工业升级的加速。作为国家经济基础，制造业的转变和发展是当务之急。最重要的一点是产品的高精度。在这方面，零部件是制造业的主要部分。精确度非常重要。
目前，測量局部区块，特别是小区块（以毫米表示的厚度）取决于手工试验。这不仅消耗了大量的人力和物力资源，而且也不能保证质量。人类的视觉疲劳会导致致命的错误，更不用说这些小部分了。因此，各部分的效率和准确性必须提高。机器测量领域的大型应用程序为这个问题提供了有效的解决办法。
根据以前的知识，必须判断目标是否符合标准。单目视觉技术的应用是通过产品部件，其优势不能与手动探测相比。表面瑕疵、大小和体积是产品部件的重要特征。使用机器的不仅可以探测个人因素的重叠，而且可以量化这些指标并避免个人发现的结果。它可以减少评级误差，提高生产率和判断准确度。
外国在测量部件尺寸时使用机器显示器的情况更为普遍，但相关的研究工作开始得晚，相关产品很少。此外，传统的机器显示器通常用于探测形状、尺寸等，而高精度机器显示器在微观层面的开发和应用以及高精度检测则提高了流程的。提高产品质量和延长产品寿命，对于中国制造业的发展和振兴至关重要。
二、研究现状
随着现代科学和技术的进步，越来越多的公司不断提高生产质量，零部件质量和产品质量监督成为一个大问题。许多部分需要逐一检查。这需要工厂投入大量的人力和物质资源来完成这项工作。由于这一要求，机器对计算机的视觉有更高的要求，必须有双重要求，以确保部件的高生产率和高效率。自动化自动化目前包括各种检验、测量和部件识别应用，有时手工测量会浪费劳动力，无法保证精确度和精确度达到80%，有些部件的细微差别。没有人能看到形状、大小和颜色有一些差异。重要的是手动检测的速度非常有限，因此计算机需要完成这项工作。
随着制造自动化的改进，高精度和精确度越来越重要。随着计算机和单目视觉技术的发展，图像处理能力和分析能力不断提高，必须提供机器可视化的具体测量技术。机器的能见度有许多优点，如缺乏通讯、简单设备、低的现场环境要求、良好的多样性、容易实现自动化等等。当前的研究包含以下实现这项功能的方法：
第一类：利用放大成像的原理的微尺寸高精度测量。
该方法使用专门设计的照明系统，通过微型成像放大各个部分的大小，然后采用不同的图像处理方法，以获得不同大小和高精确度。然而，一个蓝图只能解决一小部分的测量部件，在显微镜下无法测量略大的部分。
第二类：基于单幅图像处理的小尺寸零件测量。
这种方法利用线性组的工业照摄像机和线带体尺寸的方法，根据机器的视觉，研究薄片的距离探测系统。该系统只能测量较小的部分，精确度不高。
第三类：单目视觉与坐标测量系统集成的大尺寸零件测量。
这一方法将机器视像系统和坐标测量仪器结合起来，充分利用图像处理和处理、简单和自动化技术以及自动自动自动校准，从而大大提高测量效率。该软件可以在实验室获得非常高的精确度，但在实际生产中，它需要对坐标系统的大量支持，不能用于大规模工业化，自动测量很难实现。
第四类：基于图像拼接技术的测量。
这种方法取决于二维图像测量方法。使用合成的“点”和“字体”方法来了解要测量的部分中的图像。使用无像素部分移位阶段来实现该主题的确切联系。在实验室研究一个部分时，计划的精确度也非常高，但当实际工厂确定试验时，不可能在每个部分上打上“点”或“线条”的标签，因此计划不可能放置在工厂的生产线上。
可以注意到，单目视觉在我们的日常生活中仍然非常有用。许多产品在生产线上必须通过电脑检查，计算机使用上述原则逐一检查。一些微机器的部分厚度非常重要。例如，手持电池压缩部件必须非常准确。毫米大小不会有变化，需要发现最先进的机器可工具。
三、研究内容
本项目主要研究设计一款用于智能识别并读取零件线性及角度尺寸的设备，该设备采用单目视觉，通过图像处理智能化地读出量具上零件的尺寸，主要用于不能或不便人员进入的工作空间中零件的尺寸测量，如无人车间、狭小空间、有毒空间或真空空间等。
本作品的基本研究内容：设计单目摄像头和标尺滤镜组成的尺寸测量仪，通过目标零件与标尺滤镜的视觉图像对比分析，准确获取目标零件的线性尺寸或角度尺寸。
电池驱动的手持式单目视觉尺寸测量仪用于在各种工况下测量零件的尺寸，包括线性尺寸和角度尺寸等，其基本结构由单目摄像头和标尺滤镜组成，自主完成尺寸图像的对比计算并给出尺寸数值。除了设计机械结构外，尺寸图像处理算法决定了测量的精度。
四、研究方案
图1 测量仪装配图
检测系统分为几个部分：支架、摄像机、被测物件或空间、标尺滤镜。
获取图像：以合理配置收集多个图像，并选择高分辨率图像供以后处理。
图像处理：使用Matlab摄像机控制来收集图像，将所收集的原始图像传输到计算机上，使用算法将原始图像转换成灰度图像，然后将灰度图像增加一倍，以提高反差。将图像分开，取得背景照片，然后进行边缘检测，以获得边缘图，然后利用功能进行腐蚀，留下部分边缘，最后用通信部件计算尺寸。
得出结果：根据工业制造的要求，获得符合鱼类要求的合格产品，并对测量的部件进行计算机分析。
五、研究成果
1.采集图像：使用合适的光源，合适的摄像机镜头，获得房间厚度的图像，包括主视图和侧视图，并确保高质量和清晰的图像。光源的一般选择有荧光灯、钠灯、水银灯、LED灯、超声波灯、X光灯等。只要对比度、亮度和强度最匹配，这个问题就会使用背光白光源。目前单眼视觉最常用的视觉传感器是CCD传感器和CMOS传感器。 2.选择摄像机：为了对这一课题进行深入研究，本研究将使用CCD摄像机获得高质量的图像，使研究结果更加准确。由于主题的大小，必须使用适当的分辨率。如果视场为10mm×7，5 mm，摄像机为1，300万像素，摄像机分辨率为1280×960像素，像素精度为10mm×1280像素=0，0078 mm/像素。由于各种原因，本标题将使用2/3英寸的CCD摄像机，像素为4.65微米。工作距离大于200mm，系统分辨率为0，05 mm。目标应使用具有低失真百万像素目标模型FV2520的目标。它的焦距为25毫米，工作距离为0.15至1米，失真率为0.01%。
3.图像处理：
（1）图像的灰度转换
灰度图像的值范围通常为256个值，即8个未签名的整数和INT 8数据。纯黑色由“0”表示，纯白色由“255”表示，从黑色到白色的颜色由中间数按顺序表示。有时，双数据也可以用灰度级别的图像来表示，例如像素字段[0，1]，其中0表示黑色，1表示白色，0到1表示相应的值。灰度图像的一个特殊例子是图像二值化。
（2）图像的二值化
在处理一些图像时，通常希望提取所需的图像面积。这是图像处理中必须处理的方法之一，是图像的二值化。这是研究灰色值转变的特殊方法是二维图像。所设定的阈值是指图表，在处理图像后，必须获得图形，以帮助确定阈值。整个操作过程是：图像阅读、灰色图像、图像改进、图像图形、图像编码处理。
图像的二值化是图像处理的非常关键的技术。如果图像编码之前没有合理的限制，图像处理不完整。
（3）图像边缘检测
图像边缘位置是可视化测量的一个基本步骤，因此，挖掘边缘的方法将根据特定规则和顺序，每一个点都由周围的像素和像素检测，如果它们符合事先确定的规则。然后这个像素点被定义为边缘点。这种方法的基本方向是利用运营商改进周边，以反映可能成为边缘的当地信息，根据经验划定边界，然后使用门槛来区分边缘的力量和边缘的组合。
4、对摄像机的标定：图像像素处理后获得的参数，当我们真正发现这些参数时，我们需要使用实际的距离和长度单位。因此，我们需要校准已发现的参数，即校准摄像机。为了从拍摄到的图像中获取所拍摄物体的空间信息，首先必须取得摄像机参数，并建立摄影成像工程模型。这个过程被称为摄像机校准。
本项目采用的方法是线性模型进行标定。
六、总结
电池驱动的手持式单目视觉尺寸测量仪用于在各种工况下测量零件的尺寸，包括线性尺寸和角度尺寸等，其基本结构由单目摄像头和标尺滤镜组成，自主完成尺寸图像的对比计算并给出尺寸数值。除了设计机械结构外，尺寸图像处理算法决定了测量的精度。研究人员具备研究所需的基础知识和能力，有信心完成项目研究工作并做好了吃苦的思想准备。同意并支持申报江苏大学学生科研项目。
参考文献
[1]张宇，黄亚博，焦建彬.一种基于机器视觉的圆形零件检测技术.人工智能及识别技术.2018，第34卷第19期：185～186
[2]卜晨，万鹏.基于机器视觉的螺纹参数检测.科学技术与工程.2017，第11卷16期：263～265
[3]王蕊，尹忠科，龙奕.基于改进轮廓波变换的图像去噪算法.计算机工程.2019，第35卷第6期：228～230
[4]鄧集杰，刘铁根，杨永等.基于机器视觉的嵌入式工业在线检测系统.工程应用技术与实现.2018.第四卷第四期：260～262
[5]隋连升，王慧.基于Facet模型的边缘检测算法.人工智能及识别技术.2019，第35卷第2期：187～189
[6]宋莹，陈科，林江莉，邹远文.基于图像分块的边缘检测方法.计算机工程.2016，第36卷第14期：196～197
随着中国经济的快速发展，经济转型和工业升级的加速。作为国家经济基础，制造业的转变和发展是当务之急。最重要的一点是产品的高精度。在这方面，零部件是制造业的主要部分。精确度非常重要。
目前，測量局部区块，特别是小区块（以毫米表示的厚度）取决于手工试验。这不仅消耗了大量的人力和物力资源，而且也不能保证质量。人类的视觉疲劳会导致致命的错误，更不用说这些小部分了。因此，各部分的效率和准确性必须提高。机器测量领域的大型应用程序为这个问题提供了有效的解决办法。
根据以前的知识，必须判断目标是否符合标准。单目视觉技术的应用是通过产品部件，其优势不能与手动探测相比。表面瑕疵、大小和体积是产品部件的重要特征。使用机器的不仅可以探测个人因素的重叠，而且可以量化这些指标并避免个人发现的结果。它可以减少评级误差，提高生产率和判断准确度。
外国在测量部件尺寸时使用机器显示器的情况更为普遍，但相关的研究工作开始得晚，相关产品很少。此外，传统的机器显示器通常用于探测形状、尺寸等，而高精度机器显示器在微观层面的开发和应用以及高精度检测则提高了流程的。提高产品质量和延长产品寿命，对于中国制造业的发展和振兴至关重要。
二、研究现状
随着现代科学和技术的进步，越来越多的公司不断提高生产质量，零部件质量和产品质量监督成为一个大问题。许多部分需要逐一检查。这需要工厂投入大量的人力和物质资源来完成这项工作。由于这一要求，机器对计算机的视觉有更高的要求，必须有双重要求，以确保部件的高生产率和高效率。自动化自动化目前包括各种检验、测量和部件识别应用，有时手工测量会浪费劳动力，无法保证精确度和精确度达到80%，有些部件的细微差别。没有人能看到形状、大小和颜色有一些差异。重要的是手动检测的速度非常有限，因此计算机需要完成这项工作。
随着制造自动化的改进，高精度和精确度越来越重要。随着计算机和单目视觉技术的发展，图像处理能力和分析能力不断提高，必须提供机器可视化的具体测量技术。机器的能见度有许多优点，如缺乏通讯、简单设备、低的现场环境要求、良好的多样性、容易实现自动化等等。当前的研究包含以下实现这项功能的方法：
第一类：利用放大成像的原理的微尺寸高精度测量。
该方法使用专门设计的照明系统，通过微型成像放大各个部分的大小，然后采用不同的图像处理方法，以获得不同大小和高精确度。然而，一个蓝图只能解决一小部分的测量部件，在显微镜下无法测量略大的部分。
第二类：基于单幅图像处理的小尺寸零件测量。
这种方法利用线性组的工业照摄像机和线带体尺寸的方法，根据机器的视觉，研究薄片的距离探测系统。该系统只能测量较小的部分，精确度不高。
第三类：单目视觉与坐标测量系统集成的大尺寸零件测量。
这一方法将机器视像系统和坐标测量仪器结合起来，充分利用图像处理和处理、简单和自动化技术以及自动自动自动校准，从而大大提高测量效率。该软件可以在实验室获得非常高的精确度，但在实际生产中，它需要对坐标系统的大量支持，不能用于大规模工业化，自动测量很难实现。
第四类：基于图像拼接技术的测量。
这种方法取决于二维图像测量方法。使用合成的“点”和“字体”方法来了解要测量的部分中的图像。使用无像素部分移位阶段来实现该主题的确切联系。在实验室研究一个部分时，计划的精确度也非常高，但当实际工厂确定试验时，不可能在每个部分上打上“点”或“线条”的标签，因此计划不可能放置在工厂的生产线上。
可以注意到，单目视觉在我们的日常生活中仍然非常有用。许多产品在生产线上必须通过电脑检查，计算机使用上述原则逐一检查。一些微机器的部分厚度非常重要。例如，手持电池压缩部件必须非常准确。毫米大小不会有变化，需要发现最先进的机器可工具。
三、研究内容
本项目主要研究设计一款用于智能识别并读取零件线性及角度尺寸的设备，该设备采用单目视觉，通过图像处理智能化地读出量具上零件的尺寸，主要用于不能或不便人员进入的工作空间中零件的尺寸测量，如无人车间、狭小空间、有毒空间或真空空间等。
本作品的基本研究内容：设计单目摄像头和标尺滤镜组成的尺寸测量仪，通过目标零件与标尺滤镜的视觉图像对比分析，准确获取目标零件的线性尺寸或角度尺寸。
电池驱动的手持式单目视觉尺寸测量仪用于在各种工况下测量零件的尺寸，包括线性尺寸和角度尺寸等，其基本结构由单目摄像头和标尺滤镜组成，自主完成尺寸图像的对比计算并给出尺寸数值。除了设计机械结构外，尺寸图像处理算法决定了测量的精度。
四、研究方案
图1 测量仪装配图
检测系统分为几个部分：支架、摄像机、被测物件或空间、标尺滤镜。
获取图像：以合理配置收集多个图像，并选择高分辨率图像供以后处理。
图像处理：使用Matlab摄像机控制来收集图像，将所收集的原始图像传输到计算机上，使用算法将原始图像转换成灰度图像，然后将灰度图像增加一倍，以提高反差。将图像分开，取得背景照片，然后进行边缘检测，以获得边缘图，然后利用功能进行腐蚀，留下部分边缘，最后用通信部件计算尺寸。
得出结果：根据工业制造的要求，获得符合鱼类要求的合格产品，并对测量的部件进行计算机分析。
五、研究成果
1.采集图像：使用合适的光源，合适的摄像机镜头，获得房间厚度的图像，包括主视图和侧视图，并确保高质量和清晰的图像。光源的一般选择有荧光灯、钠灯、水银灯、LED灯、超声波灯、X光灯等。只要对比度、亮度和强度最匹配，这个问题就会使用背光白光源。目前单眼视觉最常用的视觉传感器是CCD传感器和CMOS传感器。 2.选择摄像机：为了对这一课题进行深入研究，本研究将使用CCD摄像机获得高质量的图像，使研究结果更加准确。由于主题的大小，必须使用适当的分辨率。如果视场为10mm×7，5 mm，摄像机为1，300万像素，摄像机分辨率为1280×960像素，像素精度为10mm×1280像素=0，0078 mm/像素。由于各种原因，本标题将使用2/3英寸的CCD摄像机，像素为4.65微米。工作距离大于200mm，系统分辨率为0，05 mm。目标应使用具有低失真百万像素目标模型FV2520的目标。它的焦距为25毫米，工作距离为0.15至1米，失真率为0.01%。
3.图像处理：
（1）图像的灰度转换
灰度图像的值范围通常为256个值，即8个未签名的整数和INT 8数据。纯黑色由“0”表示，纯白色由“255”表示，从黑色到白色的颜色由中间数按顺序表示。有时，双数据也可以用灰度级别的图像来表示，例如像素字段[0，1]，其中0表示黑色，1表示白色，0到1表示相应的值。灰度图像的一个特殊例子是图像二值化。
（2）图像的二值化
在处理一些图像时，通常希望提取所需的图像面积。这是图像处理中必须处理的方法之一，是图像的二值化。这是研究灰色值转变的特殊方法是二维图像。所设定的阈值是指图表，在处理图像后，必须获得图形，以帮助确定阈值。整个操作过程是：图像阅读、灰色图像、图像改进、图像图形、图像编码处理。
图像的二值化是图像处理的非常关键的技术。如果图像编码之前没有合理的限制，图像处理不完整。
（3）图像边缘检测
图像边缘位置是可视化测量的一个基本步骤，因此，挖掘边缘的方法将根据特定规则和顺序，每一个点都由周围的像素和像素检测，如果它们符合事先确定的规则。然后这个像素点被定义为边缘点。这种方法的基本方向是利用运营商改进周边，以反映可能成为边缘的当地信息，根据经验划定边界，然后使用门槛来区分边缘的力量和边缘的组合。
4、对摄像机的标定：图像像素处理后获得的参数，当我们真正发现这些参数时，我们需要使用实际的距离和长度单位。因此，我们需要校准已发现的参数，即校准摄像机。为了从拍摄到的图像中获取所拍摄物体的空间信息，首先必须取得摄像机参数，并建立摄影成像工程模型。这个过程被称为摄像机校准。
本项目采用的方法是线性模型进行标定。
六、总结
电池驱动的手持式单目视觉尺寸测量仪用于在各种工况下测量零件的尺寸，包括线性尺寸和角度尺寸等，其基本结构由单目摄像头和标尺滤镜组成，自主完成尺寸图像的对比计算并给出尺寸数值。除了设计机械结构外，尺寸图像处理算法决定了测量的精度。研究人员具备研究所需的基础知识和能力，有信心完成项目研究工作并做好了吃苦的思想准备。同意并支持申报江苏大学学生科研项目。
参考文献
[1]张宇，黄亚博，焦建彬.一种基于机器视觉的圆形零件检测技术.人工智能及识别技术.2018，第34卷第19期：185～186
[2]卜晨，万鹏.基于机器视觉的螺纹参数检测.科学技术与工程.2017，第11卷16期：263～265
[3]王蕊，尹忠科，龙奕.基于改进轮廓波变换的图像去噪算法.计算机工程.2019，第35卷第6期：228～230
[4]鄧集杰，刘铁根，杨永等.基于机器视觉的嵌入式工业在线检测系统.工程应用技术与实现.2018.第四卷第四期：260～262
[5]隋连升，王慧.基于Facet模型的边缘检测算法.人工智能及识别技术.2019，第35卷第2期：187～189
[6]宋莹，陈科，林江莉，邹远文.基于图像分块的边缘检测方法.计算机工程.2016，第36卷第14期：196～197