基于机器视觉的鞋面特征点自动识别改进方法

针对目前人工识别鞋面特征点方法实时性差,效率低,成本高的问题,提出一种基于机器视觉的鞋面特征点自动识别改进方法。首先,采用改进中值滤波法对采集图像进行预处理消除噪声干扰;其次,运用提出的自适应阈值分割法提取特征点关键区域;最后通过图像形态学处理和计算最小外接圆完成特征点的自动识别。为验证该方法的可靠性,在光强变化和非常规条件下对大量鞋面样本进行分组实验,并与传统一维和二维Otsu算法的检测结果进行对比。结果表明,该方法在多种复杂环境下具有更好的识别精度和鲁棒性,识别成功率在93%以上,且检测时间不超过0.5 s,可满足工业生产中的精度和实时性需求。