1设计的目的及意义

1.1关于产线防错系统的国内外研究现状与发展趋势

以国内汽车电子行业为例，特别是车载电子产品如车载信息娱乐系统、空调控制器、仪表板等产品，产品在装配时需要打螺丝固定产品部件。每种产品的螺丝种类多，不容易监控，出现漏打螺丝的情况较多。因此，利用计算机图像处理来识别螺丝是否漏打对于提升产品的合格率有着重要的意义。

目前国内外从图像中识别指定目标主要有下面两种方案

一是基于灰度阈值的目标检测：基于灰度阈值的目标检测是根据目标灰度与背景灰度的不同，通过选取合适的阈值将图像二值化，使得目标从背景中分离出来的过程。显然，阈值的选取是目标检测的关键，同样也是目标检测的难点，如何能得到合适的灰度阈值，最大程度的将目标提取出来，并消除背景的干扰，这一直是研究的热点。根据阈值选取数量的不同，基于灰度阈值的目标检测方法又可分为单阈值目标检测和多阈值目标检测。

二是基于边缘信息的目标检测：图像的边缘包含了用于识别的有用信息，是图像分割所依赖的重要特征。边缘信息包含的往往是图像中最重要的信息，通常情况下边缘附近灰度值会发生剧烈变化，基于边缘信息的目标检测就是根据这一特征对目标的边缘进行检测，进而实现目标的定位。边缘检测最为通用的方法是检测亮度的不连续性，这样的不连续主要通过求一阶导数和二阶导数得到检测，若找到亮度的一阶导数在幅值上比指定的阈值大或二阶导数有零交叉的位置，可将其识别为边缘。基于边缘信息的目标检测方法大体包括：梯度算子检测、最优算子检测、多尺度信号处理方法、自适应平滑滤波法以及利用其它数学工具的边缘检测方法。

产线视频防错就是基于图像中目标识别来判断螺丝是否漏打，O型圈是否漏装的。以工业化发展趋势来看，越来越多的中小型制造企业也会使用全自动化产线视频防错系统，以消除人为误差。

1.2研究产线视频防错系统的目的及意义

利用OpenCV机器视觉来实现产线防错，通俗来讲，机器视觉就是用机器代替人眼的功能来实现相应的系统功能。机器视觉通过图像摄取装置(分CMOS和CCD两种)将已被摄取目标转换成数字图像信号，同时传送给专用的数字图像处理系统，从而得到被摄目标的图像形态信息，根据像素分布和颜色、亮度等图像信息，转变成数字图像信号，图像系统对这些数字信号进行各种算法运算来抽取目标的相应特征，进而根据识别的结果来控制现场的设备运行动作。