基于目標識別的運動棒材在線計數.pdf

1、運動棒材的在線實時計數是軋鋼廠生產和銷售的一道十分關鍵的工序。目前，人工計數還是軋鋼廠棒材計數的主要方式。這一項高強度的工作會導致工人視覺疲勞從而造成計數誤差，同時這種效率低下的計數方式還不能匹配軋鋼廠全自動化的發(fā)展要求，從而影響到企業(yè)的聲譽和經濟效益。為了解決上面的問題，本文旨在開發(fā)出運動棒材的在線實時計數系統，達到對運動棒材的序列圖像進行跟蹤計數的目的。本系統完成此過程的處理需要三個部分：使用 CCD攝像機采集棒材生產線上棒材的序列

2、圖像、對靜態(tài)圖像的棒材計數、對運動棒材進行目標跟蹤用于實現連續(xù)圖像中目標的實時計數。
　　首先對獲取的圖像進行預處理，通過對中值濾波法和均值濾波法比較后，選擇更適合對棒材端面進行處理的中值濾波算法進行圖像平滑，這種算法既能消除噪聲對圖像的影響還能較好的保護圖像的邊緣信息。通過使用最大熵法、迭代法等多種方法對圖像進行分割，然后對比各個方法的優(yōu)缺點，選用了分割效果比較好的最大類間方差法對圖像進行分割以產生后續(xù)需要的二值圖像。
　

3、　在對棒材進行識別的過程中，本文選用了改進的邊緣檢測、中心集聚、聚類識別等方法來處理單幀圖像。為了既能有效的提取棒材邊緣信息又能盡可能的減少計算所使用的時間，采用了改進的Sobel邊緣檢測算子檢測邊緣信息，包含邊緣強度和梯度方向，根據絕對值相等的原理進行計算。使用邊緣中心集聚算法，從邊緣向中心集聚使得目標中心得到增強。接下來使用聚類的方法初步確定目標區(qū)域的中心位置，識別出單幀圖像中的棒材數目。由于本文主要針對運動棒材的在線實時計數，所以

4、為了實現對鏈床上不斷運動的棒材計數，我們要對連續(xù)幀圖像中的棒材進行跟蹤。為了兼顧各個環(huán)節(jié)，本系統選用基于特征的目標跟蹤算法，通過估計前后兩幀圖像中對應棒材的水平位移，然后識別出已經計數和尚未計數的棒材。為了保證計數的準確率，本文采用容錯算法來避免把不該計數的集聚點當作棒材和漏掉應該計數的棒材等情況，設定合適的置信值，只有匹配次數達到設定的判定值時，才對棒材進行計數。
　　系統的硬件設計要兼顧到軋鋼廠惡劣的生產條件和圖像處理的特別要