一种工业用机器视觉识别分析系统[发明专利]

(12)发明专利申请

(10)申请公布号 CN 109697720 A(43)申请公布日 2019.04.30

(21)申请号 201710997041.6(22)申请日 2017.10.20

(71)申请人 南京敏光视觉智能科技有限公司

地址 210019 江苏省南京市建邺区嘉陵江

东街18号03幢2层(72)发明人 欧阳光　池敏　

(74)专利代理机构 南京瑞弘专利商标事务所

(普通合伙) 32249

代理人 杨晓玲(51)Int.Cl.

G06T 7/10(2017.01)G06T 7/13(2017.01)G06N 3/12(2006.01)G06T 5/00(2006.01)G06T 7/181(2017.01)

权利要求书1页 说明书2页

G06T 7/44(2017.01)

()发明名称

一种工业用机器视觉识别分析系统(57)摘要

本发明公开了一种工业用机器视觉识别分析系统，其特征是，包括如下步骤：1)对机械人的视觉系统进行初始化，并采集图像，根据使用目的筛选有效图像；2)对所采集的图像进行滤波处理；3)对滤波处理之后的图像进行分割；4)对图像中的目标检测定位并进行边缘提取；5)基于主成分分析法进行特征提取，将处理后的数据输出。本发明所达到的有益效果：本系统的视觉系统通过对图像特征、纹理特征、几何形状特征研究，能够快速有效地获取所抓取图像的有效特征，具有成本低、通用性强、使用方便的特点，具有良好的应用前景。CN 109697720 ACN 109697720 A

权　利　要　求　书

1/1页

1.一种工业用机器视觉识别分析系统，其特征是，包括如下步骤：1)对机械人的视觉系统进行初始化，并采集图像，根据使用目的筛选有效图像，并进行预处理；

所述预处理依次从图像中进行降噪、增强处理，然后对增强后的图像进行边缘检测和二值化处理，将彩色图像转换成黑白图像，依次采用腐蚀和膨胀方法对二值化后的图像进行形态学处理，最终得到预处理后的图像；

2)对所采集的图像进行滤波处理；3)对滤波处理之后的图像进行分割；

4)对图像中的目标检测定位并进行边缘提取；5)基于主成分分析法进行特征提取，将处理后的数据输出。2.根据权利要求1所述的一种工业用机器视觉识别分析系统，其特征是，所述步骤1)中视觉系统采用双目立体视觉伺服机构。

3.根据权利要求1所述的一种工业用机器视觉识别分析系统，其特征是，所述步骤2)包括如下步骤：

步骤21)：根据分块平均法提取噪声图像的边缘；步骤22)：直接输出边缘区域；输出非边缘区域前先进行分类处理，分类处理的标准根据事先设定的阀值进行设置；

步骤23)：从输出的图像中提取图像细节；步骤24)：对非细节部分采用中值滤波。

4.根据权利要求1所述的一种工业用机器视觉识别分析系统，其特征是，所述步骤3)中图像分割模块采用PCNN图像分割方法。

5.根据权利要求1所述的一种工业用机器视觉识别分析系统，其特征是，所述步骤4)中目标检测定位采用基于改进自适应遗传算法的识别方法。

6.根据权利要求1所述的一种工业用机器视觉识别分析系统，其特征是，所述步骤5)中主成分选择纹理特征、几何形状特征和区域形状特征。

2

CN 109697720 A

说　明　书

一种工业用机器视觉识别分析系统

1/2页

技术领域

[0001]本发明涉及一种工业用机器视觉识别分析系统，属于图像定位识别技术领域。背景技术

[0002]从六十年始，人们着手研究机器视觉系统。一开始，视觉系统只能识别平面上的类似积木的物体。到了七十年代，已经可以认识某些加工部件，也能认识室内的桌子、电话等物品了。当时的研究工作虽然进展很快，但却无法用于实际。这是因为视觉系统的信息量极大，处理这些信息的硬件系统十分庞大，花费的时间也很长。[0003]随着大规模集成技术的发展，计算机内存的体积不断缩小，价格急剐下降，速度不断提高，视觉系统也走向实用化了。发明内容

[0004]为解决现有技术的不足，本发明的目的在于提供一种工业用机器视觉识别分析系统，可以实现准确地识别和定位目标。[0005]为了实现上述目标，本发明采用如下的技术方案：[0006]一种工业用机器视觉识别分析系统，其特征是，包括如下步骤：[0007]1)对机械人的视觉系统进行初始化，并采集图像，根据使用目的筛选有效图像，并进行预处理；所述预处理依次从图像中进行降噪、增强处理，然后对增强后的图像进行边缘检测和二值化处理，将彩色图像转换成黑白图像，依次采用腐蚀和膨胀方法对二值化后的图像进行形态学处理，最终得到预处理后的图像；[0008]2)对所采集的图像进行滤波处理；[0009]3)对滤波处理之后的图像进行分割；

[0010]4)对图像中的目标检测定位并进行边缘提取；[0011]5)基于主成分分析法进行特征提取，将处理后的数据输出。[0012]前述的一种工业用机器视觉识别分析系统，其特征是，所述步骤1)中视觉系统采用双目立体视觉伺服机构。

[0013]前述的一种工业用机器视觉识别分析系统，其特征是，所述步骤2)包括如下步骤：[0014]步骤21)：根据分块平均法提取噪声图像的边缘；[0015]步骤22)：直接输出边缘区域；输出非边缘区域前先进行分类处理，分类处理的标准根据事先设定的阀值进行设置；[0016]步骤23)：从输出的图像中提取图像细节；[0017]步骤24)：对非细节部分采用中值滤波。

[0018]前述的一种工业用机器视觉识别分析系统，其特征是，所述步骤3)中图像分割模块采用PCNN图像分割方法。

[0019]前述的一种工业用机器视觉识别分析系统，其特征是，所述步骤4)中目标检测定位采用基于改进自适应遗传算法的识别方法。

3

CN 109697720 A[0020]

说　明　书

2/2页

前述的一种工业用机器视觉识别分析系统，其特征是，所述步骤5)中主成分选择

纹理特征、几何形状特征和区域形状特征。[0021]本发明所达到的有益效果：本系统的视觉系统通过对图像特征、纹理特征、几何形状特征研究，能够快速有效地获取所抓取图像的有效特征，具有成本低、通用性强、使用方便的特点，具有良好的应用前景。具体实施方式

[0022]下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来本发明的保护范围。

[0023]本方法所涉及的一种工业用机器视觉识别分析系统，包括如下步骤：[0024]1)对机械人的视觉系统进行初始化，并采集图像，根据使用目的筛选有效图像，并进行预处理。视觉系统采用双目立体视觉伺服机构。[0025]本实施例中预处理依次从图像中进行降噪、增强处理，然后对增强后的图像进行边缘检测和二值化处理，将彩色图像转换成黑白图像，依次采用腐蚀和膨胀方法对二值化后的图像进行形态学处理，最终得到预处理后的图像。[0026]2)对所采集的图像进行滤波处理。[0027]具体包括如下步骤：[0028]步骤21)：根据分块平均法提取噪声图像的边缘；[0029]步骤22)：直接输出边缘区域；输出非边缘区域前先进行分类处理，分类处理的标准根据事先设定的阀值进行设置；[0030]步骤23)：从输出的图像中提取图像细节；[0031]步骤24)：对非细节部分采用中值滤波。[0032]3)对滤波处理之后的图像进行分割。本实施例中，图像分割模块采用PCNN图像分割方法。

[0033]4)采用基于改进自适应遗传算法的识别方法进行目标检测定位。对图像中的目标检测定位并进行边缘提取；

[0034]5)基于主成分分析法进行特征提取，将处理后的数据输出，本实施例中主成分选择纹理特征、几何形状特征和区域形状特征。

[0035]本发明可实现机器人准确地识别图像中的有效信息，锁定需要追踪的目标，具有成本低、通用性强、使用方便的特点，具有良好的应用前景。[0036]以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

4