自适应棉纺异纤分拣装置的研制

论文摘要

棉纺工业中,棉花中含有的异性纤维的有效分离是一项重要而又困难的工作。本文把线阵CCD检测、Camera Link连接以及图像处理等技术成功应用在棉纺异纤分拣装置上。设计出了包括光路系统、图像采集系统、图像处理系统、驱动系统在内系统整体方案。并在第三方软件开发平台的基础上,使用C++语言设计并编制了全部的应用软件。本课题最大的创新部分是图像处理部分。首先进行RGB到YUV色彩空间的转换,在YUV色彩空间内提出了针对片状杂质检测的时变自适应阈值分割算法。Y平面采用的动态阈值分割,U、V平面采用全局阈值分割。阈值是随时间改变的。程序中嵌入了基于像素的动态直方图统计,计算机通过在线计算动态直方图高斯分布的方差并结合用户设定的灵敏度,可以自适应地寻求最佳阈值。提出了更适合用户理解使用的灵敏度概念。分析了线状杂质识别的瓶颈问题,提出了基于多尺度小波和模糊方法的线状杂质检测算法。首先选取双高斯函数为小波函数,对图像的Y平面进行多尺度小波变换,检测出了各类异性纤维的线条边缘,设计了一个带通滤波器对杂质疵点进行提取。然后把杂质疵点的尺寸映射到隶属度空间,对隶属度求和,通过与设定阈值比较完成线条识别,既分离了异纤,又克服了对棉花图像纹理的干扰。针对荧光灯老化造成亮度降低的问题,提出了CCD自动白平衡的概念。计算机读取当前RGB数据与标准值比较,调用Camera Link API函数调节RGB的增益,形成闭环反馈。实践证明,本课题所提出的算法改善了异纤漏识别和棉花误识别两大问题,以快速、高效、鲁棒性好的特点,满足了工业的需要。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景
• 1.2 国内外异纤分拣装置研究现状
• 1.3 课题意义
• 1.3.1 当前市场需要
• 1.3.2 机器视觉应用前景
• 1.4 课题主要研究内容
• 第2章 系统硬件设计方案
• 2.1 系统整体设计
• 2.2 Basler L301kc 线阵CCD
• 2.2.1 选择Basler L301kc 的原因
• 2.2.2 Basler L301kc 的工作原理
• 2.2.3 Basler L301kc 的曝光时间及触发模式
• 2.2.4 Basler L301kc 的接口制式
• 2.3 Matrox Solios XCL 图像采集卡
• 2.3.1 图像采集通道
• 2.3.2 数据中继桥路
• 2.3.3 缓冲存储器
• 2.3.4 PCI-X 桥路
• 2.3.5 Flash EEPROM+CPLD
• 2.3.6 可选FPFA
• 2.4 光学系统
• 2.4.1 光源
• 2.4.2 反光镜
• 2.4.3 背光板
• 2.4.4 光路分析
• 2.4.5 光学概念及辩证关系
• 2.5 驱动系统
• 2.5.1 执行机构
• 2.5.2 驱动机构
• 第3章 Basler L301kc 的调试工作
• 3.1 Basler L301kc 的空间修正
• 3.1.1 线阵CCD 空间修正的概念
• 3.1.2 空间修正的确定
• 3.2 Basler L301kc 的镜头定位
• 3.2.1 目标运动摆动情况分析
• 3.2.2 目标运动垂直性情况分析
• 3.2.3 CCD 在长轴旋转情况分析
• 3.2.4 CCD 在短轴旋转情况分析
• 3.3 Basler L301kc 的白平衡调整
• 第4章 第三方工具及软件包
• 4.1 Basler CCT+
• 4.2 Camera Link API 函数
• 4.3 Basler 二进制命令
• 4.4 Matrox Control Center
• 4.5 Matrox Mil-lite 8.0
• 4.5.1 Mil 的软件运行结构
• 4.5.2 Mil 的软件设计思想
• 4.5.3 Mil 的核心函数应用
• 4.6 PCI-1320U API 函数包
• 第5章 应用软件设计
• 5.1 在线分拣软件系统设计
• 5.1.1 采集类
• 5.1.2 自动白平衡类
• 5.1.3 色彩转换类
• 5.1.4 驱动类
• 5.1.5 执行类
• 5.2 软件界面及功能设计
• 5.2.1 光路校正
• 5.2.2 参数设定
• 5.2.3 其他功能设计
• 第6章 图像识别系统
• 6.1 算法时间容限的计算
• 6.2 YUV 自适应阈值分割
• 6.2.1 UV 平面全局双阈值分割
• 6.2.2 Y 平面动态双阈值分割
• 6.2.3 YUV 分割的灵敏度
• 6.2.4 YUV 时变自适应阈值分割
• 6.3 基于多尺度小波的异纤检测算法
• 6.3.1 双高斯函数
• 6.3.2 基于双高斯函数的小波变换
• 6.3.3 多尺度的确定
• 6.3.4 过尺度边缘现象的消除
• 6.4 疵点滤波及模糊识别
• 6.4.1 模糊识别算法原理
• 6.4.2 隶属函数
• 6.5 线状杂质识别过程及实验结果
• 6.6 实验统计结果
• 总结
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录