基于机器视觉的烟梗长度测量方法

针对传统人工烟梗长度测量方法存在效率低、劳动强度大、精度难以保证等问题,提出了一种利用机器视觉测量不同形态烟梗长度的分类测量法。该方法通过2 500万像素的高端面阵黑白相机采集烟梗清晰数字图像。首先,通过中值滤波结合图像开运算、全局阈值分割、图像连通性操作等步骤对图像进行预处理并提取烟梗感兴趣区域。然后,根据矩形度将其分为矩形和异形两种类型,以提高测量的准确性。最后,采用基于凸包获取最小外接矩形测量法和基于骨架提取自适应宽度的改进Steger算法,分别对两种形态的烟梗进行测量。选取15组长度不同的矩形梗和异形梗,通过三坐标测量仪测量烟梗的标准值与本方法测量值对比。结果表明:相较于骨架提取法和传统Steger算法,采用该方法对矩形与异形梗测量的最大相对误差分别为-0.196%和-0.109%,对单根烟梗的重复测量最大误差分别为0.008 mm和0.006 mm,不但具有较高的精度和较好的稳定性,还可显著降低劳动强度,具备广泛的实际应用潜力。