基于多角点结合的机箱标准件图像特征提取方法

机箱装配具有部位多、标准件类型复杂特点,采用机器视觉进行机箱装配质量检测,提取具有较强表示能力图像特征是关键,该文提出基于多角点结合的机箱标准件图像特征提取方法。首先,分析机箱3大类标准件图像特性及角点特征,指出角点特征较好地覆盖机箱标准件特性;然后,分析Harris、Shi-Tomasi、Fast方法角点特征提取机理与判定条件,并结合3种方法提出多角点结合的机箱标准件图像特征提取方法。结果表明:该方法能将背景中错误角点特征识别为伪角点特征,机箱标准件显著特征识别为真角点特征,较好地解决受干扰影响错误提取角点特征问题。

面向机箱标准件装配质量的KB-BBT结构机器评价系统

机箱装配具有部位多、标准件类型复杂等特点,实现机箱标准件装配质量评价,模式识别是关键。该文提出类间均衡树(KB-BBT)机器评价系统结构,首先,提出可实现不同评价标准的机箱标准件装配质量机器评价方法;其次,结合机箱具有固件三大类标准件的特点,构建3个SVM分类器,实现漏装配与机箱功能件、机箱钣金件、机箱紧固件三标准件大类的模式识别;最后,应用均衡树(BBT)结构,实现各大类标准件类内不同零部件模式的识别。经具有15种、204个的机箱标准件样本集实验,结果表明:KB-BBT结构能使SVM分类器最高识别准确率达到100.0%,比BBT结构提升7%,KB-BBT统结构从顶层区分三大类标准件,具有分类识别准确率高、分类器训练简单的特点。