機器視覺是一門涉及多個領域的交叉學科,和傳統(tǒng)的人工檢測相比,視覺檢測具有檢測精度高、高效率、安全、成本低以及無損檢測等優(yōu)勢,因此機器視覺技術在工業(yè)領域中受到了很大的關注和重視。本文從研究課題的背景進行分析,通過閱讀大量文獻對機器視覺技術在藥品包裝領域的研究現(xiàn)狀有了充分的了解,并針對目前視覺檢測技術在藥品包裝領域的缺陷,研究了提升檢測精度和檢測效率的算法,搭建了一套仿真工業(yè)產(chǎn)線上的視覺檢測系統(tǒng)平臺,基于C#聯(lián)合HALCON開發(fā)了一套完整的藥品三期信息機器視覺軟件系統(tǒng),該系統(tǒng)已進行量產(chǎn)使用。本文的研究工作以及創(chuàng)新點如下:（1）為了提升藥品三期信息視覺檢測系統(tǒng)的檢測精度,提出一種基于時延錯位的目標圖像差影去噪算法。為了消除印刷包裝噪聲對檢測結果的影響,基于采集圖像的時延特性,可以利用兩次采集的字符間的微小位移,通過設計特殊的卷積算子對差影后的三期字符進行處理,提升藥品包裝三期圖像去噪效果。（2）本文提出一種時延錯位差影加法增強算法,通過對帶時延的兩幅圖像進行疊加處理,可以實現(xiàn)藥品圖像的去噪。根據(jù)背景噪聲圖像的隨機性,將兩幅帶時延的圖像進行相加處理,通過設置圖像相加后的閾值,可以有效地消除背景... 

【文章來源】：齊魯工業(yè)大學山東省

【文章頁數(shù)】：96 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 選題的研究背景及意義
    1.2 機器視覺技術的理論及研究現(xiàn)狀
        1.2.1 機器視覺的概念
        1.2.2 機器視覺技術的優(yōu)勢
        1.2.3 機器視覺技術的研究現(xiàn)狀
        1.2.4 機器視覺的發(fā)展趨勢
    1.3 藥品三期信息檢測的研究現(xiàn)狀
    1.4 本文的創(chuàng)新性
    1.5 論文的主要研究內(nèi)容和結構
第2章 機器視覺圖像處理算法基礎
    2.1 機器視覺精度提升算法
        2.1.1 均值濾波算法
        2.1.2 加權中值濾波算法
        2.1.3 Canny邊緣檢測算法
    2.2 機器視覺速度提升算法
        2.2.1 內(nèi)存優(yōu)化算法
        2.2.2 不同圖像數(shù)據(jù)類型的內(nèi)存優(yōu)化模型建立
        2.2.3 優(yōu)化模型的遺傳算法求解
        2.2.4 內(nèi)存優(yōu)化實現(xiàn)
    2.3 本章小結
第3章 視覺檢測系統(tǒng)的精度提升方法
    3.1 時延錯位差影去噪算法
        3.1.1 傳統(tǒng)差影算法
        3.1.2 時延錯位差影法
        3.1.3 特定卷積算子增強字符區(qū)域
    3.2 時延錯位差影加法去噪算法
        3.2.1 傳統(tǒng)圖像疊加原理
        3.2.2 時延錯位差影加法去噪算法
    3.3 實驗設計流程
        3.3.1 圖像處理流程
        3.3.2 藥品三期信息目標區(qū)域提取
    3.4 實驗數(shù)據(jù)及結果對比
        3.4.1 評價標準
        3.4.2 基于雙圖像不同重疊率的圖像采集處理結果
        3.4.3 基于時延差值錯位疊加算法的參數(shù)設定
        3.4.4 基于時延差值錯位減法運算的參數(shù)設定
    3.5 本章小結
第4章 視覺檢測系統(tǒng)的速度提升方法
    4.1 基于內(nèi)存優(yōu)化的藥品包裝“三期”字符高速檢測方法
    4.2 高速檢測方法實施步驟
        4.2.1 隨機貪心圖像降維處理算法生成降維優(yōu)化算子
        4.2.2 基于DMA直接數(shù)據(jù)保存
        4.2.3 鏈式分組優(yōu)化處理模型
        4.2.4 Sobel邊緣檢測提取字符區(qū)域
        4.2.5 特征匹配與檢測分析
    4.3 實驗結果分析
    4.4 本方法對檢測系統(tǒng)的整體提升效果
    4.5 本章小結
第5章 藥品三期信息視覺檢測系統(tǒng)設計
    5.1 藥品三期信息視覺檢測系統(tǒng)結構
    5.2 圖像采集裝置
        5.2.1 工業(yè)光源
        5.2.2 工業(yè)相機和工業(yè)鏡頭
        5.2.3 光電傳感器
    5.3 圖像處理單元
    5.4 本章小結
第6章 視覺系統(tǒng)軟件的開發(fā)與實現(xiàn)
    6.1 HALCON聯(lián)合C
    6.2 聯(lián)合開發(fā)的優(yōu)勢
    6.3 人機交互界面設計
        6.3.1 界面設計
        6.3.2 控件添加及消息映射
    6.4 檢測類的設計
        6.4.1 HALCON處理函數(shù)
        6.4.2 檢測類的編寫
        6.4.3 異常處理
    6.5 視覺軟件系統(tǒng)的說明及運行
        6.5.1 使用說明
        6.5.2 系統(tǒng)運行及結果顯示
    6.6 本章小結
總結與展望
參考文獻
致謝
在學期間主要科研成果
    一、發(fā)表學術論文
    二、專利及軟件著作權
    三、獲獎
    四、參與科研項目情況


【參考文獻】：
期刊論文
[1]智能視覺物聯(lián)網(wǎng)在工業(yè)自動化中的應用研究[J]. 韓海冰.  電腦編程技巧與維護. 2019(03)
[2]基于機器視覺和激光測距的輸電線故障定位[J]. 金立軍,王恒,王文華,閆書佳.  同濟大學學報(自然科學版). 2018(12)
[3]基于視覺顯著性的木板實時分類方法研究[J]. 李暉,吳佳寧,苑瑋琦,隋春江.  儀器儀表學報. 2018(12)
[4]計算機視覺中圖匹配研究進展:從二圖匹配邁向多圖匹配[J]. 嚴駿馳,楊小康.  控制理論與應用. 2018(12)
[5]基于計算機視覺技術的結構表面裂縫檢測方法研究[J]. 韓曉健,趙志成.  建筑結構學報. 2018(S1)
[6]自動化藥品檢測機檢測單劑量口服分包藥品的準確度分析[J]. 張鈺宣,吳斌,史亦麗,張國萍,姜艷,梅丹.  中國醫(yī)院藥學雜志. 2018(20)
[7]車輛智能障礙物檢測方法及其農(nóng)業(yè)應用研究進展[J]. 何勇,蔣浩,方慧,王宇,劉羽飛.  農(nóng)業(yè)工程學報. 2018(09)
[8]面向高速視覺檢測的精確抓拍安全策略研究[J]. 張堃,王震,張培建,華亮,費敏銳.  儀器儀表學報. 2018(02)
[9]基于機器視覺的筒子紗缺陷在線檢測系統(tǒng)[J]. 牟新剛,蔡逸超,周曉,陳國良.  紡織學報. 2018(01)
[10]一種新的高速多目標參數(shù)檢測算法[J]. 劉家州,章宇兵,陸洲.  電子科技大學學報. 2017(04)

碩士論文
[1]基于機器視覺的軸套尺寸及涂層表面檢測系統(tǒng)的研究[D]. 鄧家華.華南理工大學 2017
[2]基于機器視覺的鋼軌表面缺陷檢測技術研究[D]. 丁政開.北京交通大學 2017
[3]基于機器視覺的字符識別技術研究[D]. 石洪貴.合肥工業(yè)大學 2006



本文編號：2995064