[发明专利]一种基于机器视觉的网状织物网目长度偏差率检测系统

权利要求书

1.一种基于机器视觉的网状织物网目长度偏差率检测系统，其特征在于，包括工控机(2)、显示器(1)、光源(3)、图像采集卡、可调式图像采集装置和报警器(5)；

所述可调式图像采集装置包括CCD工业相机(4)和移动装置，待测网(6)安装在CCD工业相机(4)和光源(3)之间，所述CCD工业相机(4)安装于移动装置上，移动装置能够使得CCD工业相机(4)前后移动，CCD工业相机(4)通过图像采集卡与工控机(2)电连接，显示器(1)、报警器(5)分别与工控机(2)通信连接，工控机(2)通过设置定时触发信号控制CCD工业相机(4)实时拍摄网目图像，并将采集的网目图像传输到工控机(2)，工控机(2)中设有基于图像处理的网目长度偏差率计算模块，所述基于图像处理的网目长度偏差率计算模块采用基于坐标的特征提取方法对采集的图像进行处理，同时计算每个网目的长度偏差率，得出偏差率的最值，判断结果是否在设置的偏差率的范围内，若超出设定的范围，则启动报警器(5)。

2.根据权利要求1所述的基于机器视觉的网状织物网目长度偏差率检测系统，其特征在于，所述移动装置包括底座(15)和电机(16)，所述底座(15)的两端均设有导轨(13)、滑块(17)、丝杠支座(18)、滚珠丝杠(19)和支撑架(11)，所述导轨(13)安装在底座(15)的上表面上，所述滑块(17)与导轨(13)滑动连接，所述滚珠丝杠(19)位于滑块(17)的上方，所述丝杠支座(18)与滚珠丝杠(19)螺纹连接，丝杠支座(18)的底端与滑块(17)固定连接，所述电机(16)安装于底座(15)的一侧，并与一个滚珠丝杠(19)转动副连接，所述支撑架(11)的底端安装在丝杠支座(18)上，连接板(12)固定连接两个滑块(17)，两个支撑架(11)之间固定有与底座(15)平行的相机安装杆(9)，所述CCD工业相机(4)安装在相机安装杆(9)上。

3.根据权利要求1所述的基于机器视觉的网状织物网目长度偏差率检测系统，其特征在于，所述CCD工业相机(4)的定时信号由出网速度确定，根据出网速度确定CCD工业相机(4)间隔采集一次图像的时间，出网速度越快，CCD工业相机(4)间隔采集一次图像的时间越短。

4.根据权利要求1所述的基于机器视觉的网状织物网目长度偏差率检测系统，其特征在于，所述光源(3)为LED光源。

5.根据权利要求1所述的基于机器视觉的网状织物网目长度偏差率检测系统，其特征在于，所述电机(16)输出轴与一个滚珠丝杠(19)通过联轴器连接。

6.根据权利要求1所述的基于机器视觉的网状织物网目长度偏差率检测系统，其特征在于，所述基于坐标的特征提取方法包括下列步骤：

步骤a：图像预处理；

步骤b：网目图像处理和识别，获取每个结点的拟合圆和圆心坐标；

步骤c：基于坐标提取对象并计算网目长度偏差率，具体步骤如下：

c1、对步骤b中所获得的网目结点拟合圆的图像，根据各行结点圆心坐标值的row坐标相近的特点，选出各行的结点图像并计算各行的结点数，根据各行的结点数和图像中总的结点数，将每个网目所对应的三个结点找出并标记，计算相应结点图像圆心的距离即为该网目的一边长度，由此，计算出每个网目的邻边长度；

c2、根据步骤c1所获得的每个网目的邻边长度计算网目长度偏差率，公式为：

l₀＝l₁+l₂；

r＝(l₀-l)/l×100％

式中r为网目长度偏差率，l₁、l₂为网目纵向邻边的实测长度，l₀为网片的实测网目长度，l为网片的公称网目长度。

7.根据权利要求6所述的基于机器视觉的网状织物网目长度偏差率检测系统，其特征在于，所述图像预处理具体为：首先将采集到的RGB图像转换为灰度图像，再对灰度图像进行增强处理所述图像预处理的增强图像的高频区域：

res＝round((orig-mean)*Factor)+orig

res为处理后的灰度值，orig为处理前的灰度值，mean为图像灰度平均值，Factor为增强系数。

8.根据权利要求6所述的基于机器视觉的网状织物网目长度偏差率检测系统，其特征在于，步骤b中的网目图像处理和识别的具体步骤为：

b1、对步骤1所获得的网目图像进行阈值分割，取能分割出每个网目结点的80％区域的阈值范围，分割出图像中所有的网目结点：

F(x,y)=f(x,y),T1<f(x,y)<T20,otherwise]]>

式中F(x,y)为分割出的工件图像，T1、T2为分割阈值；

b2、对步骤b1所获得的网目图像进行形态学开运算去除残留的部分网线噪声，平滑结点边缘：

式中，为开运算运算符，为腐蚀运算符，为膨胀运算符，B为半径4的圆形结构元素，

b3、对步骤b2所获得的网目结点图像进行连通性分析，将图像中具有相同灰度值且位置相邻的前景像素点组成的图像区域找出并标记并计算连通区域的总数，即获得结点的图像和数量；

b4、对步骤b3所获得的网目结点图像进行形态学膨胀操作，使获得的结点图像和实际结点的大小和位置更接近，以半径为2的圆形为结构元素；

b5、对步骤b4所获得的网目结点图像使用Candy算法进行边缘检测，再对检测到的边缘进行圆拟合操作，获取每个结点的拟合圆和圆心坐标。