基于机器视觉的镭射膜跑偏检测

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (20): 204-208.

基于机器视觉的镭射膜跑偏检测

黄梦涛，魏璐

西安科技大学电气与控制工程学院，西安 710054

出版日期:2016-10-15 发布日期:2016-10-14

Research on algorithm of edge detection in laser film rectification

HUANG Mengtao, WEI Lu

College of Electrical and Control Engineering, Xi’an University of Science and Technology, Xi’an 710054, China

Online:2016-10-15 Published:2016-10-14

摘要/Abstract

摘要： 针对镭射膜纵切过程中的跑偏问题，提出一种基于机器视觉的检测方法。用CCD摄像机采集具有几何特征的镭射膜图像，对预处理后的图像采用改进Canny算法边缘检测并创建ROI区域，利用Hough变换得到特征直线，调用相关算法并计算出镭射膜跑偏角度。实验结果表明，改进Canny算法能够检测到较为完整的边缘细节，具备较强的自适应性，Hough变换对镭射膜的特征提取效果良好，为计算跑偏角度提供了较为准确的依据。

关键词: 镭射膜, Hough变换, Canny算法, 机器视觉

Abstract: Aiming at the problem of running deviation which exists in the process of laser film slitting, this paper proposes a detection based on machine vision. Geometric features of laser film image are collected by using CCD camera, then it uses the improved Canny algorithm for edge detection of laser film after pretreatment and creates ROI area. Feature lines are obtained by using Hough transform and the deviation angle of laser film is calculated at last. The results of the experiment show that the improved Canny algorithm can detect more complete and clear edge details and it has strong adaptability. The effect of Hough transform for feature extraction on laser film is better, which provides a more accurate basis for the calculation offset of laser film in the future.

Key words: laser film, Hough transform, Canny algorithm, machine vision

黄梦涛，魏璐. 基于机器视觉的镭射膜跑偏检测[J]. 计算机工程与应用, 2016, 52(20): 204-208.

HUANG Mengtao, WEI Lu. Research on algorithm of edge detection in laser film rectification[J]. Computer Engineering and Applications, 2016, 52(20): 204-208.

[1]	彭昭勇，伍权，陈华伟，郑跃，王书祥. 基于文献计量的机器视觉缺陷检测研究述评[J]. 计算机工程与应用, 2021, 57(4): 28-34.
[2]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[3]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[4]	李忠海，白秋阳，王富明，刘海荣. 基于语义分割的钢轨表面缺陷实时检测系统[J]. 计算机工程与应用, 2021, 57(12): 248-256.
[5]	赵艳，左保齐. 机器视觉在织物疵点检测上的应用研究综述[J]. 计算机工程与应用, 2020, 56(2): 11-17.
[6]	何文斌，魏爱云，明五一，贾豪杰. 基于机器视觉的水果品质检测综述[J]. 计算机工程与应用, 2020, 56(11): 10-16.
[7]	马冬梅，贺三三，杨彩锋，严春满. 特征融合型卷积神经网络的语义分割[J]. 计算机工程与应用, 2020, 56(10): 193-198.
[8]	郭倩，张福杨，孙农亮. 融合多特征表示和超像素优化的双目立体匹配[J]. 计算机工程与应用, 2020, 56(1): 216-223.
[9]	王玉源，徐杰，吉卫喜. 基于监督式机器学习的零件几何特征智能识别[J]. 计算机工程与应用, 2019, 55(22): 225-230.
[10]	郑行家，钟宝江. 图像直线段检测算法综述与测评[J]. 计算机工程与应用, 2019, 55(17): 9-19.
[11]	孙卫红1，李乾坤1，邵铁锋1，吴慧明2. 基于机器视觉的桩护壁裂缝检测方法[J]. 计算机工程与应用, 2019, 55(14): 260-265.
[12]	姚明海1，齐妙2. 基于模糊聚类规则的图像去雾方法研究[J]. 计算机工程与应用, 2018, 54(6): 26-29.
[13]	李超，孙俊. 基于机器视觉方法的焊缝缺陷检测及分类算法[J]. 计算机工程与应用, 2018, 54(6): 264-270.
[14]	高建龙1，2，郭亮1，吕耀宇1，2，吴清文1，母德强3. 改进ORB和Hough变换的指针式仪表识读方法[J]. 计算机工程与应用, 2018, 54(23): 252-258.
[15]	沈夏炯1，2，段晓宇2，原万里2，韩道军1，2. 基于连通区域标记算法的圆检测算法的研究[J]. 计算机工程与应用, 2018, 54(21): 95-98.