1. 研究目的与意义（文献综述）

1.1课题研究的目的与意义

汽车油管作为汽车发动机的重要元件，其质量的好坏直接影响汽车发动机的质量。当油管顶端剥皮长度不合格时，会影响油管的后期加工，因此油管顶端的剥皮长度检测及其重要。针对目前人工检测精度不高、效率低下等问题，本课题基于机器视觉对汽车油管顶端剥皮长度进行检测研究，通过阈值分割、边缘检测等算法完成长度的在线测量。

机器视觉技术是研究用计算机模拟生物外显或宏观视觉功能的技术。它是一项综合技术，其中包括机械工程技术、光源照明技术、传感器技术、数字图像处理技术、人工智能、控制技术、电光学成像技术、计算机软硬件技术等上述技术在机器视觉中均是并列关系，只有相互协调组合运用才能构成一个成功的工业机器视觉应用系统。人类视觉系统的识别能力是有限的，而机器视觉技术则能精确定量感知，并且在不可见物体和危险场景的感知方面体现了其优越性。在工业领域中，该技术已成功地用于产品质量检验、零件的识别与定位、精密测量、刀具磨损监控和移动机器人导航等领域。同时，机器视觉技术又是一种无破坏非接触性的检测方式，非常适合于各种表面和端面的指标检测。基于机器视觉的工件质量只能检测分类系统具有客观、稳定的检测能力，有效地解决了人工检测成品工艺存在的主观性误差。同时，还能对检测到的信息进行分析处理，从而实现对工件的等级分类。

阈值分割法是一种基于区域的图像分割技术，原理是把图像象素点分为若干类。图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。

2. 研究的基本内容与方案

2.1基本内容

开发一套完整的汽车油管顶端剥皮长度合格检测系统，解决实际的应用需求。针对汽车油管顶端剥皮长度，在生产中出现的各种不合格剥皮长度的油管进行高效检出。并且针对检测出来的每一个长度不合格，进行准确的识别。

2.2设计方案

为了实现基于机器视觉的检测汽车油管顶端剥皮长度是否合格系统，研究内容主要包括以下两个方面：

3. 研究计划与安排

1-3周查阅相关文献，完成开题报告

4-6周学习数字图像处理、opencv等相关知识，同时更加深入的阅读相关文献，为后面的工作打下坚实的基础

7-11周编写程序，实现检测油管顶端剥皮长度是否合格的算法

4. 参考文献（12篇以上）

【1】 junchai gao,zhiyong lei,zemin wang,keding yan.gradientbased threshold segmentation technology[j].energy procedia,2011.
【2】c. mala,m. sridevi.multilevel threshold selection for image segmentation using soft computing techniques[j].soft computing,2016.