基于PSO的復(fù)雜工業(yè)環(huán)境視覺目標(biāo)檢測算法應(yīng)用研究.pdf

1、隨著信息技術(shù)的發(fā)展，機器視覺技術(shù)作為一種新的監(jiān)控技術(shù)在工業(yè)生產(chǎn)領(lǐng)域得到廣泛的應(yīng)用，特別是對于高溫、粉塵、振動、強電磁等復(fù)雜工業(yè)環(huán)境下運動目標(biāo)的檢測和定位問題，機器視覺技術(shù)提供了一種低成本和高性能兼顧的解決方案。
　　 由于工業(yè)現(xiàn)場環(huán)境惡劣，存在振動、粉塵等干擾因素，且有些工業(yè)現(xiàn)場無法安裝固定的視覺系統(tǒng)照明光源，這些干擾因素會對CCD攝像機的成像質(zhì)量帶來不利影響。此外，工業(yè)生產(chǎn)控制對機器視覺技術(shù)檢測的實時性和準(zhǔn)確性都有較高的要求，

2、因此復(fù)雜工業(yè)現(xiàn)場下快速、精確的視覺目標(biāo)檢測方法成為目前機器視覺應(yīng)用研究的熱點和難點問題之一。本文以鋼坯加熱爐內(nèi)鋼坯定位控制為研究背景，對復(fù)雜工業(yè)現(xiàn)場下運動目標(biāo)檢測方法進(jìn)行了研究。論文的主要研究內(nèi)容如下：
　　 Otsu方法是一種經(jīng)典的非參數(shù)、無監(jiān)督自適應(yīng)閾值選取方法，在灰度圖像分割上得到廣泛的應(yīng)用，針對Otus方法在多閾值圖像分割中閾值尋優(yōu)計算量大的問題，提出了一種基于粒子群的Otsu多閾值混合優(yōu)化算法，圖像分割實驗表明該混合優(yōu)

3、化方法可以減少Otsu方法在多閾值圖像分割中最優(yōu)閾值的尋優(yōu)時間。
　　 在分析標(biāo)準(zhǔn)粒子群算法的基礎(chǔ)上，提出了一種基于局部搜索算子的改進(jìn)粒子群算法，數(shù)值仿真實驗結(jié)果表明局部搜索算子可以改善粒子群算法的性能。將改進(jìn)粒子群算法與FCM算法結(jié)合，提出了一種基于改進(jìn)粒子群算法的混合FCM優(yōu)化算法，圖像聚類分割實驗表明該混合優(yōu)化算法可以改善FCM圖像聚類分割的效果。
　　 由于工業(yè)現(xiàn)場環(huán)境比較惡劣，視覺系統(tǒng)監(jiān)控場景的光線會受工業(yè)現(xiàn)場

4、條件變化的影響，背景光線的變化會導(dǎo)致圖像背景區(qū)域內(nèi)像素點灰度值的變化，如果未能檢測出背景光線的變化，會造成視覺系統(tǒng)檢測到錯誤的目標(biāo)運動信息。為了實時檢測出背景光線的變化，提出了一種簡便的光線檢測方法，通過比較圖像局部特征區(qū)域的灰度均值變化，檢測背景光線的變化情況。
　　 對有些復(fù)雜工業(yè)現(xiàn)場存在的無法安裝固定視覺系統(tǒng)光源，背景光線會隨工業(yè)現(xiàn)場條件的變化而變化的問題進(jìn)行了研究，提出了一種固定場景下的PSO多背景圖像建模方法，從背景圖

5、像序列中提取多個比較有代表性的背景圖像建立背景圖像模型，通過背景光線變化檢測方法和PSO背景圖像匹配算法，從多背景圖像中選取與當(dāng)前輸入圖像最相關(guān)的背景圖像作為當(dāng)前背景圖像。
　　 鋼坯加熱爐是軋鋼作業(yè)在軋制前重要的熱加工設(shè)備，鋼坯定位的精度對加熱爐的運行至關(guān)重要。針對視覺鋼坯定位控制系統(tǒng)存在的鋼坯定位精度低、定位偏差波動較大等問題，將PSO多背景圖像檢測方法嵌入視覺鋼坯定位控制系統(tǒng)中，通過PSO多背景圖像檢測方法對加熱爐內(nèi)鋼坯運