基于机器视觉的SD卡形态识别系统和方法技术方案

本发明专利技术提供了基于机器视觉的SD卡形态识别系统和方法，属于视觉测量领域。通过采用自适应阈值分割算法和基于多特征融合的形态识别算法对SD卡图像进行形态识别；所述自适应阈值分割算法包括改进大津法阈值分割算法、基于改进模板匹配的定位算法；所述改进大津法阈值分割算法中增加自适应变量系数K以进行明暗场的自适应判断；所述基于改进模板匹配的定位算法利用SD卡中金手指模板的区域特征进行模板匹配定位；使得本发明专利技术提供的基于机器视觉的SD卡形态识别系统和方法拥有更高的识别速度，并且拥有良好的重复性，避免了人工识别带来的人为误差；同时，其软件接口能够很好地与计算机进行连接，发展和改良空间巨大，可以有效地代替人工识别。

【技术实现步骤摘要】
基于机器视觉的SD卡形态识别系统和方法
本专利技术涉及基于机器视觉的SD卡形态识别系统和方法，属于视觉测量领域。
技术介绍
SD卡(SecureDigitalMemoryCard)的生产过程中，彩喷质量保证了SD卡的封装质量。目前在彩喷过程中，打印料盘内SD卡的形态由人工来完成识别，存在人体视觉容易疲劳以及检验速度无法提升等缺点。因此，利用计算机视觉、图像处理来代替人工进行SD卡的形态识别势在必行。机器视觉是利用计算机对图像或视频进行处理，实现对二维或三维场景的识别、检测、感知和理解等功能。目前，机器视觉已广泛应用于工业测量领域，而且具有非接触、高效、可靠、通用性好、易于实现自动化等优点。因此，机器视觉在大批量、连续自动化生产流水线上具有很高的应用价值，能够对产品进行辨识和外形尺寸测量等。在用视觉传感器对不均匀光场下的对象进行形态识别时，面临着光照不均与随机姿态两个难题。一般的阈值分割算法只能分割明暗对比均匀或具有规则特性的不均匀光场。一般的模板匹配算法只能够完成姿态确定或姿态具有固定范围的目标识别；对于SD卡生产过程中的形态识别，由于光照不均匀现象存在于SD卡阵列区域内以及阵列区域本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的SD卡形态识别系统，其特征在于，所述系统包括硬件系统和软件系统；所述硬件系统包括光源、相机和机械装置；所述软件系统包括采用自适应阈值分割算法对SD卡图像进行分割与定位和基于多特征融合的算法对SD卡图像进行形态识别；其中，所述自适应阈值分割算法包括首先通过改进大津法对SD卡图像进行阈值分割，然后利用改进模板匹配算法对SD卡进行定位；所述改进大津法对SD卡图像进行阈值分割算法为：在经典大津法计算公式中增加自适应变量系数k以进行明暗场的自适应判断；所述基于改进模板匹配的算法对SD卡进行定位为：利用SD卡中金手指模板的区域特征进行先粗后精的模板匹配定位。

【技术特征摘要】
1.一种基于机器视觉的SD卡形态识别系统，其特征在于，所述系统包括硬件系统和软件系统；所述硬件系统包括光源、相机和机械装置；所述软件系统包括采用自适应阈值分割算法对SD卡图像进行分割与定位和基于多特征融合的算法对SD卡图像进行形态识别；其中，所述自适应阈值分割算法包括首先通过改进大津法对SD卡图像进行阈值分割，然后利用改进模板匹配算法对SD卡进行定位；所述改进大津法对SD卡图像进行阈值分割算法为：在经典大津法计算公式中增加自适应变量系数k以进行明暗场的自适应判断；所述基于改进模板匹配的算法对SD卡进行定位为：利用SD卡中金手指模板的区域特征进行先粗后精的模板匹配定位。2.根据权利要求1所述的系统，其特征在于，所述自适应变量系数k的计算方法如式(1)：式(1)中，u为SD卡图像灰度均值；u＝w0u0+w1u1，w0、u0分别为SD卡图像中背景的概率与均值，w1、u1为SD卡图像中前景的概率与均值，则SD卡图像的灰度均值更新为：u’＝w0u0+k*w1u1。3.根据权利要求1或2所述的系统，其特征在于，所述利用金手指模板的区域特征进行先粗后精的模板匹配定位，包括：根据SD卡中金手指图像的行列投影特征进行多次模板匹配得到金手指精确坐标。4.根据权利要求3所述的系统，其特征在于，所述基于多特征融合的形态识别算法，包括：根据得到的金手指精确坐标获取金手指二值图像，进而得到金手指的多个特征，所述多个特征包括：金手指的位置特征、形状特征、面积特征、倾斜度特征，以及与模板的匹配度特征；对所述金手指的多个特征提取特征向量，对特征向量进行分类，得到SD卡在料盘中的形态。5.根据权利要求1-4任一所述的系统，其特征在于，所述光源采用前向光源，所述前向光源采用条形光源。6.根据权...

【专利技术属性】
技术研发人员：周小萌，吴静静，安伟，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32