基于机器视觉的智能破竹分片系统设计与验证

【目的】破竹分片是影响竹材出材率的重要基础工序。针对竹段的直径大小跨度大、壁厚不等、圆度不一的个体化特性,提出基于机器视觉的智能分片方法,以提高竹材的出材率。【方法】基于竹段的天然特性和破竹工艺要求,以竹段的真实截面轮廓为基础,以刀盘可分片的数量为约束,建立出材率计算模型。通过工业相机采集竹段的截面图像,在Canny算子的基础上引入多尺度细节增强算法来消除竹材图像内、外径间的干扰信息,并通过融合迭代阈值与梯度直方图分析法自适应获取双阈值,以提升竹段截面轮廓提取的鲁棒性。采用边界排序生长算法快速计算剖分竹片的最大内接矩形。在智能破竹机上开展生产试验验证。【结果】改进的轮廓提取算法,有效去除了竹材截面图像的伪边缘特征,能获得完整的边缘轮廓特征,计算获得的竹材内外径与真实尺寸的平均误差为0.9%。同一随机剖分角度下,本研究方法计算的出料率与最大出材率相比平均偏差为1.3%,小于圆模型的6.3%和椭圆模型的1.6%。通过生产试验,验证了基于机器视觉的破竹机智能分片系统的出材率平均可达73%,高于传统破竹机出材率。【结论】设计的基于机器视觉的智能分片系统,能快速获取竹段的真实截面轮廓,精准确定剖分份数,有效提高了竹材的利用率。