论文总字数：25969字

摘 要

现在分拣系统的运行过程中，需要的人工越来越少，包括在分类过程中也很少涉及到人工的参与。因此，在分拣过程中人工视觉分类技术变得愈发重要。

本文主要介绍了在相机摄取图像后，通过基于高斯混合模型的经典统计模型物体分类方法以及颜色查找表的物体分类方法。本文着重介绍了高斯混合模型在图像分类过程中的运用，其次还介绍了图像预处理及特征提取的方法等。

HALCON是一个功能强大的机器视觉软件，它除提供全面的视觉处理库以外，还包括了所有标准和高级的图像处理方法，覆盖了从不同硬件采集图像到高级的模式匹配算法等等。使用HALCON软件编写程序实现物体分类方法的实验，从而验证了所提方法的可行性和实用性。

关键词：经典统计模型，视觉分类，高斯混合函数，查找表

Application of visual classification in industrial pipeline

Abstract

Nowadays there are less and less hand operations in sorting system, even less in classification process. Consequently, people should pay more attention to artificial visual classification technique and this technique plays an important role in modern sorting system.

This paper mainly introduces the classification process from two aspects, the Classical statistical model based on Gauss mixture model and Gauss mixture model based color lookup table. Besides focus on application of Gauss mixture model in classification process, image preprocessing and feature extraction also be introduced in this paper.

Two experiments, programming with HALCON to realize the classification, tested and verified the feasibility and practicability of approaches mentioned above

Keywords: Classical statistical model; Artificial visual classification; Gauss mixture model; Color lookup table

目 录

摘要 I

Abstract II

目 录 III

第一章 绪论 1

1.1概述 1

1.1.1研究背景 1

1.1.2 视觉分类技术的介绍以及应用 2

1.1.3 相关研究状况介绍 3

1.1.4 机器视觉技术应用前景 4

1.1.5 图像处理、图像理解与模式识别理论研究及最新发展 4

1.2 HALCON软件在工业视觉应用中的优势 5

1.3 本文研究的主要内容与研究意义 7

第二章 图像采集及预处理 8

2.1图像采集 8

2.2图像文件的读取和显示 9

2.3图像的预处理 9

第三章 分类方法在工业中的应用 12

3.1 经典的统计模式分类方法 12

3.1.1 统计模式识别的概念和主要流程 12

3.2高斯混合模型 13

3.2.1样本分类已知情况下的GMM 14

3.2.2样本分类未知情况下的GMM 15

3.2.3 EM法求解 15

第四章 基于高斯混合模型的水果分类实验 17

4.1 创建高斯混合模型 17

4.2 高斯混合模型函数的训练 18

4.2.1 根据灰度阈值及特定形状完成特征区域选取 18

4.2.2 特征维度数值的提取和储存 20

4.2.3 高斯混合模型的训练 21

4.3 通过高斯混合模型函数计算出的阈值进行分类 21

4.4 基于高斯混合模型分类实验总结 24

第五章 基于高斯混合模型查找表的糖果分类实验 25

5.1 查找表 25

5.2基于高斯混合模型的查找表的建立 25

5.2.1 手动选定特征区域 25

5.2.2基于高斯混合模型的查找表的建立 27

5.3 根据高斯混合模型查找表进行分类 28

5.4基于查找表的分类实验总结 30

第六章 总结与展望 31

参考文献 32

致谢 33

附录 34

1.基于高斯混合模型的水果分类实验程序 34

2.基于高斯混合模型查找表的糖果分类实验 37

第一章 绪论

1.1概述

1.1.1研究背景

最初的分拣系统是完全基于人力的作业系统，通过人工搜索、搬运货物来完成货物的提取。在这种系统中，书面文件的制作和查找、人工搬运等浪费了巨大的人力物力，作业效率低下，显然无法满足现代化物流配送对速度和准确性的高要求。随着科学技术的飞速发展，工业自动化的要求越来越高。工业自动化是机器设备或生产过程在不需要人工直接干预的情况下，按预期的目标实现测量、操纵等信息处理和过程控制的统称。自动化技术就是探索和研究实现自动化过程的方法和技术。它是涉及机械、微电子、计算机、机器视觉等技术领域的一门综合性技术。在工业流水线及物流分装时，最多涉及到工业自动化领域的为自动分拣系统。自动分拣系统则是二战后在美国、日本以及欧洲等大中型物流中心得到广泛应用的分检系统。^[1]

在自动分拣过程中，分拣系统运用了多种多样的自动化机械设备，计算机控制结束以及信息技术成为自动分拣系统中信息传递和处理的重要手段。虽然在多数分拣系统中，某些作业环节还需要有人工参与，但作业强度已越来越小，完全由机械完成分检作业的自动分拣系统也应运而生。自动化、机械化、智能化成为了现代分拣系统的主要特点与发展趋势。^[2]

自动分拣系统一般由控制装置、分类装置、输送装置及分拣道口组成。控制装置的作用是识别、接收和处理分拣信号，根据分拣信号的要求操作分类装置，根据商品的品种、送达地点或货主的类别对商品进行自动分类。这些分拣需求可以通过色码扫描、条形码扫描、重量检测、键盘输入、语音识别、形状识别及高度检测等不同方式获得。将其信息输入到分拣控制系统中后，系统就会依照对这些分拣信号进行判断，以决定某商品应该进入的分拣通道。

现在分拣系统的运行过程中，需要的人工越来越少，包括在分类过程中也很少涉及到人工的参与。因此，在分拣过程中人工视觉分类技术变得愈发重要。

1.1.2 视觉分类技术的介绍以及应用

视觉分类技术是将分拣系统与机器视觉技术相融合，并运用目标识别、多目标跟踪技术等来完成物品的自动分类。视觉分类技术能够运用在工业流水线、大型物流中心的自动分拣系统当中，提高系统的准确性及运行效率。机器视觉并不是一种单一的技术，而是一种复杂的综合技术，其中涵盖了机械工程、控制、数字图像处理、光源照明、光学成像、传感器、计算机软、模拟与数字视频、硬件技术和人机接口第技术。它能够实现精密检测、精确定位、自动化生产，同时它具有非接触测量、可长时间工作、较宽光谱响应范围等特点，因此已在各个领域中得到广泛的应用。机器视觉检测采用CCD照相机将被检测的物体转换成图像信息，将图像信号传送至专用的图像处理系统。系统根据图像亮度、像素分布及颜色等信息，将图像信号转变成数字化信号。图像处理系统根据这些信号对图像进行各种运算来抽取目标的特征，如面积、数量、位置、长度等，再根据预设的允许度和其他条件输出结果，其中条件可包括尺寸、角度、个数、合格/不合格、有/无等，实现自动识别功能。

请支付后下载全文，论文总字数：25969字