數(shù)粒原理

1.數(shù)粒原理：

視覺相機(jī)對高速移動(dòng)的物體進(jìn)行逐行掃描，生成一張完整的圖像，上位機(jī)從相機(jī)取出圖像，通過自研究算法,根據(jù)大小尺寸，軌跡跟蹤，距離變換，通過算法計(jì)算出數(shù)量，通過控制下位機(jī)控制機(jī)構(gòu)達(dá)到準(zhǔn)確計(jì)數(shù)的目的。

2.產(chǎn)品特點(diǎn)：

精確高：擁有工業(yè)數(shù)粒領(lǐng)域內(nèi)的高精確度,包裝精度根據(jù)產(chǎn)品不同，精度可能達(dá)到99%-100%。

速度快：高速的數(shù)粒速度。對細(xì)小顆粒物料,手機(jī)螺絲，藥品，襯衫鈕扣、銀觸點(diǎn)，五金件。

通用性好：適用工業(yè)生產(chǎn)環(huán)境的多品種多規(guī)格、少批量的生產(chǎn)數(shù)粒包裝形式。

3.視覺計(jì)數(shù)與稱重對比:

視覺軟件使用不用校證，只需調(diào)整參數(shù)，無須維護(hù)，精度比稱重高。

稱重需校證，維護(hù)，影響精度。

3.計(jì)數(shù)算法實(shí)現(xiàn)方式:

1，圖像變換：（空域與頻域、幾何變換、色度變換、尺度變換）

• 幾何變換：圖像平移、旋轉(zhuǎn)、鏡像、轉(zhuǎn)置；
• 尺度變換：圖像縮放、插值算法（最近鄰插值、線性插值、雙三次插值）；
• 空間域與頻域間變換：由于圖像陣列很大，直接在空間域中進(jìn)行處理，涉及計(jì)算量很大。因此，有時(shí)候需要將空間域變換到頻域進(jìn)行處理。例如：傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為頻域處理，不僅可減少計(jì)算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進(jìn)行數(shù)字濾波處理）。

2、圖像增強(qiáng)：

圖像增強(qiáng)不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。如強(qiáng)化圖像高頻分量，可使圖像中物體輪廓清晰，細(xì)節(jié)明顯；如強(qiáng)化低頻分量可減少圖像中噪聲影響。

• 灰度變換增強(qiáng)（線性灰度變換、分段線性灰度變換、非線性灰度變換）；
• 直方圖增強(qiáng)（直方圖統(tǒng)計(jì)、直方圖均衡化）；
• 圖像平滑/降噪（鄰域平均法、加權(quán)平均法、中值濾波、非線性均值濾波、高斯濾波、雙邊濾波）；
• 圖像（邊緣）銳化：梯度銳化，Roberts算子、Laplace算子、Sobel算子等；

3、紋理分析（取骨架、連通性）；

4、圖像分割：

圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進(jìn)一步進(jìn)行圖像識(shí)別、分析和理解的基礎(chǔ)。

（1）閾值分割（固定閾值分割、最優(yōu)/OTSU閾值分割、自適應(yīng)閾值分割）;

（2）基于邊界分割（Canny邊緣檢測、輪廓提取、邊界跟蹤）；

（3）Hough變換（直線檢測、圓檢測）；

（4）基于區(qū)域分割（區(qū)域生長、區(qū)域歸并與分裂、聚類分割）；

（5）色彩分割；

（6）分水嶺分割；

5、圖像特征：

（1）幾何特征（位置與方向、周長、面積、長軸與短軸、距離(歐式距離、街區(qū)距離、棋盤距離)）；

（2）形狀特征（幾何形態(tài)分析（Blob分析）：矩形度、圓形度、不變矩、偏心率、多邊形描述、曲線描述）；

（3）幅值特征（矩、投影）；

（4）直方圖特征（統(tǒng)計(jì)特征）：均值、方差、能量、熵、L1范數(shù)、L2范數(shù)等；直方圖特征方法計(jì)算簡單、具有平移和旋轉(zhuǎn)不變性、對顏色像素的精確空間分布不敏感等，在表面檢測、缺陷識(shí)別有不少應(yīng)用。

（5）顏色特征（顏色直方圖、顏色矩）

（6）局部二值模式( LBP)特征：LBP對諸如光照變化等造成的圖像灰度變化具有較強(qiáng)的魯棒性，在表面缺陷檢測、指紋識(shí)別、光學(xué)字符識(shí)別、人臉識(shí)別及車牌識(shí)別等領(lǐng)域有所應(yīng)用。由于LBP 計(jì)算簡單，也可以用于實(shí)時(shí)檢測。

6、圖像/模板匹配：

輪廓匹配、歸一化積相關(guān)灰度匹配、不變矩匹配、最小均方誤差匹配

7、色彩分析：
色度、色密度、光譜、顏色直方圖、自動(dòng)白平衡

8、圖像數(shù)據(jù)編碼壓縮和傳輸：
圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特?cái)?shù)），以便節(jié)省圖像傳輸、處理時(shí)間和減少所占用的存儲(chǔ)器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進(jìn)行。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。

9、表面缺陷目標(biāo)識(shí)別算法：
傳統(tǒng)方法：貝葉斯分類、K最近鄰（KNN）、人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量機(jī)（SVM）、K-means等；

10、圖像分類（識(shí)別）：
圖像分類（識(shí)別）屬于模式識(shí)別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理（增強(qiáng)、復(fù)原、壓縮）后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分類。