基于机器视觉的电器安全性能测试功能扩充及测试平台

论文摘要

通过建立图像采集与识别试验平台,应用机器视觉获取显示值的方法来快速组成新的测试系统,并且应用Linux系统来实现机器视觉,具有实际应用的意义。 本文设计了图像采集与识别试验平台,针对待识别的对象类型广泛、所需采用的图像处理算法各异的问题,可以用它来比较鉴别并从中选择最优的图像处理算法;可以组合各个图像处理步骤,改变了以往图像处理软件中只能单步进行处理的缺点,具有单步、连续、实时三个处理调试方式;使用USB口的摄像头和计算机,采用VC++程序实现图像的自动采集;可以给出图像的识别时间,实现识别率、拒识率、误识率分类统计功能。 电器安全性能综合测试仪是一种多功能测试装置,随着功能要求不断的完善。增加新的功能,可以采用两种方案:一种是重新设计整个装置,以增加新的功能对应的测试部件,这样的好处是研制成的测试装置价格可以比较低,但是研制的过程时间长,必然花费时间、人力和财力;另一种是使用现有的符合使用要求的测试仪器,采用机器视觉的方法,把数据采集到电器安全性能综合测试仪。此方案的优点是可以充分地利用现有的测试技术,在较短的时间内快速地组成新的测试系统;缺点是需要专用的机器视觉部件,但作为计算机测试系统的科研研究来说是一个可取的方案。 本文就电器安全性能综合测试仪快速扩充现场环境温度和空气相对湿度问题,使用市售的温度和湿度组合型测试计,提出基于机器视觉获取温度和湿度的两排显示值的方法,将温度和湿度检测电路融入整个测试系统中。通过系统联机证明这种方案是可行的,具有一定的实用价值。 本文讨论了基于Linux系统的图像的采集、图像处理算法的特点等方面的问题。 最后,对本文的工作进行了总结,提出了存在的问题和进一步改进的方向。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 本论文的研究意义
• 1.2 国内外的研究现状
• 1.2.1 机器视觉概况
• 1.2.2 机器视觉在仪器仪表方面的应用
• 1.3 本文的研究工作
• 第二章 图像采集与识别试验平台
• 2.1 建立平台的意义
• 2.2 试验平台特征
• 2.3 平台硬件结构
• 2.4 数字图像编程基础
• 2.5 图像处理的一般程序实现方法
• 2.6 平台实现方法
• 2.6.1 组合功能的实现
• 2.6.2 图像自动采集
• 2.6.3 图像文件读取
• 2.6.4 单幅图像的识别时间
• 2.6.5 分类统计的实现
• 2.7 小结
• 第三章 电器安全性能综合测试仪
• 3.1 测试仪工作原理
• 3.2 温度和湿度检测功能的扩充
• 第四章 基于机器视觉的温度和湿度的快速扩充
• 4.1 系统结构
• 4.2 图像预处理
• 4.2.1 位图变换
• 4.2.2 灰度拉伸
• 4.2.3 图像去噪
• 4.2.4 目标图像切分
• 4.3 图像二值化
• 4.3.1 基本原理
• 4.3.2 阈值选取
• 4.4 目标定位
• 4.5 图像识别
• 4.5.1 识别方法概述
• 4.5.2 模板匹配
• 4.5.3 本文采用的识别算法
• 4.6 识别结果的传输与显示
• 4.7 小结
• 第五章 基于Linux系统的机器视觉图像软传感器
• 5.1 图像软传感器的硬件系统
• 5.2 图像软传感器的软件系统
• 5.2.1 Linux与嵌入式系统
• 5.2.2 开发环境的建立
• 5.3 视频采集的具体实现
• 5.3.1 USB口数码摄像头的驱动实现
• 5.3.2 Video4Linux下的摄像头采集编程
• 5.4 嵌入式图像处理
• 5.4.1 嵌入式系统环境对于图像处理应用的要求
• 5.4.2 嵌入式图像处理系统的特点
• 第六章 结论与展望
• 参考文献
• 攻读硕士期间发表论文和获奖
• 独创性声明
• 致谢