[发明专利]一种绕线盘分类识别方法及系统

权利要求书

1.一种绕线盘分类识别方法，其特征在于，所述绕线盘分类识别方法包括：

第一步，绕线盘传送至图像采集区；

第二步，当绕线盘到达指定位置，摄像设备对绕线盘进行拍照，并将图像信息传送至电脑端；

第三步，将采集到的图像进行保存；

第四步，对图像进行B通道模式的灰度变换、非线性低通滤波、最大类间方差法进行自动阈值分割以及适当开运算和适当闭运算的形态学处理，获得理想的二值化图像；

第五步，通过预处理后的图像获取绕线盘的中柱长、中柱直径、侧面圆直径以及灰度信息；

第六步，将模板绕线盘按事先确定的编号顺序进行以上步骤，并将第五步所涉及的参数保存；

第七步，将要分类的绕线盘通过第一步至第五步的处理，并将获取的参数与第六步中获取的模板中的对应参数进行作差取绝对值后相加；

第八步，求出第七步中和的最小值，及其对应模板的编号；

第九步，通过模板编号的判断，向对应的执行机构拨轮发出分拣信号。

2.如权利要求1所述的绕线盘分类识别方法，其特征在于，所述绕线盘分类识别方法的图像灰度变换，对原始图片分别进行R、G、B三种通道灰度图片提取，并绘制灰度直方图，从直方图图像分析得出，采用B通道模式提取的灰度图看出具有明显的分界阈值，绕线盘与背景的对比度最为明显，将绕线盘与其背景分离。

3.一种基于权利要求1所述绕线盘分类识别方法的绕线盘分类识别系统，其特征在于，所述绕线盘分类识别系统包括：绕线盘、摄像设备、电脑端、执行机构；

摄像设备安装在绕线盘的一侧，摄像设备与电脑端连接，电脑端与执行机构连接。

4.如权利要求2所述的绕线盘分类识别方法，其特征在于，进一步包括：

(1)滤波，在提取图像特征参数之前，对图像进行滤波增强，去掉对图片特征无关的像素点；

将图像经非线性低通滤波、平滑滤波、N阶滤波处理后的效果对比看出，经非线性低通滤波后的图像，利用3×3的非线性低通滤波，对图像去噪；

(2)非线性低通滤波对图像进行去噪，其能在去除噪声的同时保持图像的真实性；非线性低通滤波过程是基于某一3x3领域内像素的均值μ和标准差σ；以均值μ为一个分界值，标准差σ为差值范围，当像素与均值μ的差值小于σ时，非线性低通滤波不改变图片像素值；当像素值与均值μ之差大于σ时，将像素值修改为均值μ，计算公式如下：

图像的像素点大小为H×W，则像素的均值μ和标准差σ用如下公式计算：

图像分割与二值化，把绕线盘的图片分成两类，一部分为背景，一部分为绕线盘，通过阈值分割对绕线盘图片进行二值化；图片上只有0和255两种像素值。

5.如权利要求2所述的绕线盘分类识别方法，其特征在于，所述绕线盘分类识别方法还包括：

(1)特征参数的选定，基于绕线盘的侧面圆盘直径、中柱长度和直径以及颜色四个特征参数对其进行分类；

(2)颜色参数的提取，采用颜色直方图的方式，对其R、G、B三原色值进行提取；通过LabVIEW中的IMAQ ColorHistograph VI对采集到的图片的颜色直方图进行分析，并分别提取R、G、B3种原色直方图中最大峰值的位置；通过程序将标准绕线盘的三原色峰值参数测量出来并保存，之后，再将后续需要归类的绕线盘的三原色峰值参数与其做差，计算出三种颜色的各自色差，再取3种原色色差的方均根值作为综合色差，通过三种颜色各自的色差和综合色差来确定其颜色种类；

(3)长度和直径参数的提取，采取自动边缘搜索算法，进行全局搜索，首先找到二值图像的最外圈各边缘的左上角和右下角的在图片上的坐标值；将左上角像素点的横坐标与右下角的像素点横坐标作差即得到了绕线盘侧面圆的像素直径；再同样将左上角像素点的纵坐标与右下角的像素点纵坐标作差即得到了绕线盘中柱的像素长度；通过Vi-sionAssistant的Clamp Horizontal Min Caliper函数在图片的某个区域建立一个ROI，搜索ROI中图像的边缘，测量出二值化图像中中柱左右边缘的像素距离，得到中柱的像素宽度。