基于凹点搜寻的棒材计数方法研究

针对现有的成捆棒材计数方法存在计算速度低、色差偏差大、计算量大、易受边缘模糊及残缺影响的问题,提出了一种通过对成捆棒材中的黏连棒材进行分割,然后统计连通区域,从而达到棒材计数目的的新方法。该方法首先对成捆棒材的图像进行预处理,利用Canny边缘检测获得黏连棒材的边缘轮廓,然后在此轮廓上扫描凹区域,将临近的凹点作为一个凹点群,取其中最突出的点作为此处凹点;再利用凹点匹配条件进行匹配,以匹配成功的凹点对作为界限来分割图像,最后统计分割后的连通区域,即达到计数的目的。实验结果表明,该方法对于黏连棒材的分割特别准确,分割后的图像边缘与成捆棒材的实际边缘很贴近,在无互相遮挡的情况下,直径为12 mm以上的钢筋的分割准确率达到99.99%以上,直径为10~12 mm的钢筋的分割准确率在99.80%以上,达到了企业认可的标准。     

粘连棒材图像自动分割计数技术

针对棒材图像自动计数存在的问题,提出了一种粘连棒材图像自动分割计数技术。首先采用粒度测量术估计棒材图像尺寸半径分布,自适应地选取处理参数。然后提出了一种新颖的棒材中心区域标记方法避免了初始过分割标记,在此基础上又提出了强、弱粘连概念。根据强弱粘连的特点,提出两步标记策略。分类粘连图像、获取图像的初始标记。对强粘连形成的欠分割标记区域采用逐次腐蚀算法,结合棒材形状面积等知识进行识别,获得正确的图像标记。最后融合两步图像中心区域标记结果,采用基于标记的分水岭分割算法进行图像分割。实验证明,这种方法能准确分割粘连棒材图像,实现可靠的棒材计数。     

基于VC的棒材自动计数方法的研究与应用

本文提出了一种利用图像技术实现棒材的自动计数的方法，该方法以Visual C 6.0为开发平台，实现了对棒材端面图像分割，然后对分割得到的二值图像实施形态学运算，使粘连部分彼此分离，最后通过8－邻域标注计数。     

基于数学形态学的棒材自动计数方法

针对图像中棒材存在粘连,从而造成误计数的问题,研究了一种基于数学形态学的棒材自动计数方案,以实现对棒材实时、精确的计数.该方案针对棒材类计数无需考虑被测物体截面真实形状的特点,将每根棒材处理成单个像素,避免了粘连对计数的影响.为有效克服光照、噪声的干扰以及棒材快速运动造成的图像模糊,该方案首先对采集到的原始棒材图像进行预处理,然后采用腐蚀、细化算法初步实现了棒材粘连的分离,最后采用收缩与检测直线端点算法,实现了单个像素点与原始图像棒材的一一对应,为后续计数奠定了基础.实验证明,该方法不仅能够保证棒材自动计数的精度,并且为棒材定支数包装创造了条件.     

提取连通分量算法在棒材自动计数中的应用

为了满足棒材计数在工业生产的实际应用需求,提出了一种基于提取连通分量的算法,以实现目标棒材计数区域的自动定位,并对定位的区域采用提取连通分量算法实现对轮廓的标注,最后提出了一种区域轮廓周长的校正方法,实现了粘连棒材的准确计数。     

基于计算机视觉的成捆轧钢棒材棵数的测量

提出一种基于计算机视觉的成捆轧钢棒材棵数测量方法,由CCD摄像机摄取成捆轧钢棒材的端面图像,经图像处理成二值图像,通过基于图像侵蚀的算法测量捆内轧钢棒材的棵数。该方法不仅可以准确地测量棵数,而且抗干扰能力强,可以扩展到其它棒材的棵数测量。     

扎捆棒材的图像识别计数算法

为了快速获得扎捆棒材的数量,在大量观测和实验的基础上,提出一种动态获取棒材形态学直径的方法;根据扎捆棒材的形态学分布,提出"米"字形搜索算法(RSS算法)和一种覆盖原则。先对棒材截面图像进行灰度化处理,然后根据灰度图片的灰度直方图两峰一谷的特点得到图片的全局阈值,将灰度棒材图片二值化;再对二值图片进行膨胀、腐蚀操作削弱粘连;最后基于二值图片,利用RSS算法进行计数。现场采集扎捆棒材的计数实验验证了该算法的有效性、可靠性和准确性。在加入人工矫正环节后,棒材计数准确度达到100%。试验结果表明,在计数对象满足两个分布特征的情况下,该算法都可以实现高准确度的计数。     

基于距离变换的粘连蚕茧分割方法

蚕茧计数时,面对蚕茧粘连情况,常见的膨胀腐蚀方法并不能很好地将蚕茧分割开来,针对这一情况,提出了一种基于距离变换的粘连蚕茧分割方法。对蚕茧图像进行锐化处理,利用最大类间方差法对图像二值化,对其进行距离变换,再进行归一化,同时进行阈值化二值分割,采用形态学膨胀处理,进行连通域标记,统计连通域个数。实验结果表明,该算法能有效地分割粘连的蚕茧,能够实现对蚕茧的准确计数,计数准确率达99%以上。     

基于图像处理的微小电子元器件自动计数算法

根据微小电子元器件的形状和正反两面的纹理特征,提出一种基于图像处理的微小电子元器件自动计数算法.该算法采用层次特征提取及数学形态学的图像分割算法,对图像中的元器件正面和反面,分别进行图像处理.根据元器件反面亮度高及纹理简单的特点,采用阈值化方法对其进行完全分割.将正面朝上的元器件从图像中分割出来,并采用数学形态学方法分离粘连的正面元器件.从而对粘连在一起的微小电子元器件实现了完全分割.对元器件进行精确分割后,即可采用连通区域标记的方法对所有分离的元器件进行计数.该算法实现了微小电子元器件实时自动计数,计数精度达到百分之百.     

基于面积稳定性与形状属性的杆状区域分割*

针对不同光学环境下模糊图像和复杂形状交叠图像中目标区域的分割问题,研究了基于属性形态学分析的杆状区域的滤波和提取方法。应用连通域的面积稳定性和形状属性特征对模糊边界的杆状目标进行滤波,连通域变换中的面积稳定性有效控制粘连细胞等大区域的形成,而形状属性以个体模板目标有效规约连通域的生长和修剪。实验表明：组合属性形态学方法有效地排除了非杆状物等背景干扰,有效分割出的目标像素达90%左右,识别出的目标区域达96%。该方法有效提高了用连通域表示的特定形状区域的分割精度和鲁棒性。     

采用偏微分方程实现打捆后棒材的精确计数

棒材计数统计主要的应用场合在打捆后,为实现打捆后棒材的精确计数,首先对打捆的棒材正侧面进行摄像,然后对获取的图像进行预处理,利用偏微分方程图像分割算法,实现对各棒材的分割和精确计数。最后针对不同直径打捆后的棒材进行测试,取得了比较高的计数正确率。     

棒材生产在线视觉计数系统研究

针对轧钢厂棒材生产工艺状况，为实现标准化打捆包装要求，设计了在线计数控制装置，研究了实时视觉图像处理，在线棒材识别算法和k级容错计数技术，并应用于含有各种干扰的实际生产过程，实现了棒材在线快速计数和分钢自动化操作．     

一种基于图像处理的成捆钢筋计数方法

本文研究了一种基于图像处理的成捆钢筋快速计数方法。首先对生产出的成捆钢筋端面进行摄像;然后对拍摄的端面图像进行去噪、二值化、数学形态学等处理,得到图像轮廓;再对图像轮廓进行提取分析,计算出各个轮廓区域中包含的钢筋数目,从而统计出钢筋的总根数。实验结果表明,该方法应用于实际生产中能降低成本,提高计数精度。     

棒材分钢视觉反馈控制

在实现轧钢厂棒材生产自动计数的基础上，提出用视觉图像信号作为反馈信息，实时跟踪棒材位置，实现自动分钢控制的方案．用实际视觉系统和对象仿真相结合，采用粗糙集数据挖掘技术进行离线学习，提取控制策略，驱动分钢装置实现分钢自动化操作.     

基于神经网络的钢筋计数方法研究

为了提高钢筋的计数准确率和效率,综合运用图像处理技术和神经网络技术,实现对钢筋的识别和计数.对获取的钢筋原始图像进行数字图像处理,得到感兴趣的部分即钢筋的轮廓;计算单根钢筋轮廓的宽度、高度、面积和打捆钢筋瞧总面积4个特征量;将这4个特征量作为神经网络的输入,训练网络识别钢筋并计数.仿真实验验证了这种方法的可行性和有效性.     

基于卷积神经网络的虫情图像分割和计数方法

为提高虫情图像的分割和计数的准确率,提出了一种基于卷积神经网络的虫情图像分割和计数方法。该方法基于U-Net模型构造了一种昆虫图像分割的模型Insect-Net,将完整的虫情图像和切割后的虫情图像分别输入模型后,提取两者特征进行融合。将融合后的特征输入1个1×1的卷积层得到最终分割结果,再将得到的结果二值化后,采用轮廓检测算法将昆虫目标与背景分离并计数。实验结果表明,该方法在虫情图像中取得了较高的分割正确率和计数正确率,分别为94.4%和89.2%。用深度学习和卷积神经网络的方法有效提高了虫情图像的计数精度,并且为昆虫识别分类提供了大量的无背景数据集。     

带钢缺陷图像的自动阈值分割研究

文章根据带钢缺陷图像的特点,提出了基于灰度统计特性的图像边缘检测方法,结合纹理检测、聚类分析,实现了对带钢缺陷图像的自动阈值分割。实验结果表明,该方法具有在精度和速度方面的优势,适合对带钢表面图像的缺陷进行实时检测。