|
导语：产品自动分拣是高速自动化生产系统中常用的一个重要环节，可以大大提高分拣的效率，解决企业对生产高速高质量的需求。而传统的自动化生产线中采用分拣的方法主要是使用大量的传感器进行监测，以达到分拣的目的，这种方法简单、投资小；缺点则是检测速度慢、灵活性差。随着科技的进步和技术的革新，目前图像处理技术逐渐趋于稳定和成熟，采用机器视觉进行分拣可以达到速度快、可靠性高、无接触式检测等。本文基于机器视觉系统实现对产品的分拣。 产品分拣的处理过程 1. 采集图像。采集的方式有离线和在线两种方式，离线即事先拍摄好储存在文件夹中的图像，而在线采集就是连接相机进行实时采集图像。图像的格式为BMP或JPG格式。采集我们需要的进行分拣的产品图像，如图1所示。 图1 2. 选择PatMax图案（1-10）工具。检测部件-->产品识别工具-->PatMax图案（1-10）工具；如图2所示。 图2 3. 设置检测区域。添加工具之后，根据检测需要选择区域的大小，如下图3所示绿色框为检测区域。 检测区域设置原则：为了保证每个产品能够被检测到，尽可能的将区域范围更大。增大检测范围将会增加检测的执行时间。所以为了保证检测的效率，根据实际的检测物创建合适的搜索区域。 图3 4. 训练产品模板。选择模型区域，逐一的训练所有的产品模型，并且为它们命名以便区分。如图4、图5所示。 训练规则：选择每个产品独有的图案，模型区域尽可能的小，可以提高检测的精度。 图4 图5 5. 设置检测参数。设置检测模式、合格阈值、对比度阈值、角度公差、缩放公差等。 图6 模式：识别和验证模式。识别会自动识别已训练的模型库的产品图案，并报告产品ID；验证用于验证图案的正确性，指定已训练的模型库中的某一图案与找到的图案进行比较。 合格阈值：训练的模型图案与已找到的图案之间的相似度。只有大于或等于设定的值才能视为OK。 对比度阈值：已找到图案中存在的最小对比度。已找到的图案对比度必须大于设定的值。 角度公差：模型图案允许出现的最大角度范围。 缩放公差：已找到图案模型与训练的图案之间的缩放比例。 差异接受：已找到图案模型与训练的图案之间允许的分数差。 查找模式：用于训练和识别的搜索模式；PatMax 或 PatQuick；PatMax 比 PatQuick精确度高，执行时间较长。 6. 输出结果。 |
|
|
