基于椭圆拟合的快速钢管计数方法

为满足钢管计数中精度和速度的需求,提出了一种新型的椭圆检测方法。该方法避开了Hough变换或随机Hough变换的复杂性,直接通过边缘跟踪对椭圆进行拟合,通过其它边缘像素对拟合结果进行校验和对比,对概率超过阈值的无包含椭圆进行计数。在边缘检测过程中对Robert算子进行了改进,并在阈值分割前对边缘进行了增强,在阈值分割后对边缘进行了保持连通性的细化。根据需要还可以在计数过程中加入人工指导。实验结果表明,该方法能快速准确地检测出图像中所有椭圆。

便携式钢管计数系统的设计

该文设计了基于CCD传感器和USB的便携式井用钢管计数器。介绍了堆放钢管的识别计数原理。系统以DSP为控制和处理核心,完成钢管计数,并对现代便携式智能设备硬件和软件的设计方法做了较详细的阐述。

基于斑点检测的钢管堆垛自动计数方法

针对待检测的钢管数量大、背景杂乱、拍摄角度和光照条件不一致、钢管形状和堆垛不整齐等复杂场景,在研究分析现有方法不足的基础上,文章首先提出了利用支持向量机(SVM)算法进行图像阈值估计,然后利用斑点检测对目标图像中的钢管进行识别的方法。现场图像进行识别实验的结果证明,对于复杂场景下的钢管识别,此算法具有很高的精度和鲁棒性。相对于现有的方法,本算法具有更好的识别效果和工程实用性,具有很高的推广意义。

计及排斥力损失的密集堆垛钢管识别方法

针对待检测的密集堆垛的钢管数量大、背景杂乱、拍摄角度和光照条件不一致、钢管截面形状和堆垛不整齐等复杂场景,在研究分析传统图像识别方法和现有基于卷积神经网络的目标检测方法的不足的基础上,提出了利用变分自编码器模型实现目标物体的半自动标注,然后提出了计及排斥力损失的目标检测优化算法对密集堆垛图像中的钢管截面进行精确识别。现场图像进行识别实验的结果证明,对于复杂场景下的钢管识别,此算法具有很高的精度和鲁棒性。相对于现有的方法,本算法具有更好的识别效果和工程实用性,具有很高推广意义。

基于样本集提取的现场钢材计数研究

针对现有方法实现现场计数的不可行性,提出一种基于提取样本的方式来实现现场环境下钢管计数方法。首先采用GRA和Top-hat联合增强方式改善图像质量,然后通过采用形态学填充的方式寻找标准物体样本集,最后形成权值模板再对梯度图像进行检测、统计计数。实验结果表明,该方法可以很好地在钢管加工过程及出入库中检测出钢管数量,具有较强的实用性。

基于模糊均值聚类和亮度均衡的钢管自适应计数

针对现有计数方法的缺陷,根据钢管截面区域与背景图像存在较大亮度差异的特点,提出了基于模糊C均值(FCM)聚类和亮度均衡的钢管自适应计数方法。用亮度均衡等方法对钢管图像进行预处理,降低图像中高光和阴影等的不良影响;利用FCM聚类方法自适应分割图像;对二值图像进行连通区域标记,获取区域几何特征;利用统计学方法和FCM聚类方法剔除非钢管截面区域,统计计数。实验表明,新方法不仅计数速度快,而且计数精度高,同时具有对不同环境条件的自适应性。