2024年2月9日发(作者：赤昆鹏)
21）：30~3130产业科技创新 2020，2（产业科技创新 Industrial Technology InnovationIndustrial Technology InnovationVol.2 No.21〈技术应用〉基于OpenCV的线束序列检测系统研究*郑雅琳，张奕玮，肖艳珍，宦智杰，马玮城（厦门理工学院电气工程与自动化学院，福建 厦门 361024）摘要：传统线束检测方法通常是人工进行检验，存在一定的弊端。因此，本文基于OpenCV设计出一套线束颜色序列的自动化检测系统，旨在以机器视觉代替人眼对彩色线束进行准确的识别和检测。关键词：线束检测；颜色识别；OpenCV中图分类号：TP311.52 文献标识码：A 文章编号：2096-6164（2020）21-0030-02传统的线束检测方法主要通过人工进行识别，判断不同的线有没有按照一定的顺序插到对应的孔位以及误配线等问题，由于人工检测会受到检测员的视力疲劳、体力不支以情绪波动等其他因素的影响，容易导致漏检、错检等情况发生，使得线束产品的不合格率很难降低。所以，本文基于OpenCV设计了一套线束序列的自动检测系统，以机器视觉代替人眼对彩色线束进行准确的检测和识别。主要通过颜色序列的模板设定，对彩色线束进行实时采集，对采集到的图像进行预处理，特征提取，最后基于模板匹配，对待测线束进行识别与检测。件，相机传感器将接收到的光学信号转换为计算机能够处理的数字信号。工业相机的品质决定图像的分辨率、尺寸、噪声等，并和整个系统的运行方式有着密切的联系。基于相机最大帧率、分辨率、曝光方式等的选择考虑，本检测系统采用的相机为维视图像研发的I/O接口的MV-EM200C千兆网工业相机，该相机具有体积小巧，千兆以太网接口，理论支持100 m传输距离；采用大型数据包形式传输，减少对中断的处理，性能更加稳定；采用高品质感光器件，较低的功耗及优良的算法，使得图像清晰、低噪声、色彩还原度好等特点。镜头是机器视觉系统中成像环节的重要部分。镜头参数主要是包含镜面尺寸、分辨率、焦距、光圈、接口、镜头放大倍数的选择。本文选择型号为M3Z1228C-MP，靶面尺寸为2/3”，焦距为12
mm～36 mm，最大成像尺寸为8.8*6.6，光圈范围为F2.8～F16C，C型接口的百万像素变焦镜头。相机和镜头都安装在可调节的立体支架上，以便观察被检测物体。机器视觉系统的核心是图像采集和处理。所有信息均来源于图像之中，图像本身的质量对整个视觉系统的识别效果有着很大的影响。因此，合适的光源及光学系统设计能使图像中的目标信息与背景信息得到最佳分离，大大降低图像处理算法分割、识别的难度，同时提高系统的定位、测量精度以及可靠性。由于工艺和体积的限制，有限体积的单个环形光源或者单个面光源的亮度难以达到软件处理的需求，因此本线束检测系统采用将面光源和环形光源叠加使1 检测系统组成线束检测系统主要由工业相机及镜头，光源以及支架组成，如图1所示。
图1 系统硬件组成用，将面光源放置在黑色大底板上，待检测线束放置在面光源上，这样既增加了亮度，又确保相机采集到其中，工业相机是工业检测中图像采集的核心部*基金项目：省级大学生创新训练项目（线束自动检测系统研究与设计）作者简介：郑雅琳（1999- ），女，福建厦门人，本科，主要研究方向为自动化。
第2卷 第21期郑雅琳等：基于OpenCV的线束序列检测系统研究31的底部图片为白底，更有利于软件处理。2 图像采集和处理2.1 图像采集由于工业相机获取的信号为模拟信号，但计算机识别的信号为数字信号，因此需要对工业相机采集到的信号进行采样和量化处理，将其转换成数字图像。该数字图像通常是二维矩阵的形式存在。采样是对现实空间场景（坐标的）离散化形成数字化表示的过程。模拟图像经过采样后，在时间和空间上离散化为像素。但采样所得的像素值（即灰度值）仍是连续量。把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。2.2 图像处理在工业相机采集到图像并将其转换成计算机可以处理的数据格式后，需要进行预处理来恢复图像中真实信息和突出图像细节特征，为最后彩色线束识别做好准备。图像处理主要是对图像进行去噪、增强处理。在相机采集过程中，由于各种原因所采集到的图像信息中含有一定程度的噪声，这种噪声不仅会降低图像的像质和淹没局部信息特征，且会对线束图像的颜色提取和识别造成一定的影响，因此需要对线束图像进行去噪处理从恢复图像信息。常见的图像方式主要有均值滤波、高斯滤波等线性滤波方式，中值滤波、双边滤波非线性滤波方式。图2 滤波算法的效果图对比如图2所示，通过比较四种滤波效果来进行分析，均值滤波和高斯滤波能一定程度地抑制噪声和降低了图像模糊效果，但是不足之处使图像略显模糊，清晰度不够。而中值滤波和双边滤波对图像上的孤立点以及线段处理效果显著，使图像细节更加突出，图像更加清晰。但考虑到双边滤波主要对图像边缘进行处理，因此本文所设计的检测系统最终采用中值滤波算法进行图像去噪。此外，通过比较四种图像增强算法进行分析，由于采集到的线束图像均会存在一定程度的曝光，采用直方图均衡化的图像增强算法有利于更好地识别线束图像的颜色。而拉普拉斯算子和对数log变换的图像增强算法则会一定程度降低图像识别度。因此，本文最终采用直方图均衡化对进行图像增强处理。3 图像检测模板匹配算法是机器视觉识别事物的处理手段之一，通常是根据已知特征模式在另一幅图像中进行寻找相同的特征模式与其一一对应。但本文所采用的图像匹配方法则是事先采集获取线束图像的不同颜色分布，通过标定模板的颜色序列是如何分布的，后续直接合成模板样式，并且存储标定的模板颜色序列。在模板匹配界面时，直接提取本次所要检测的线束图像的颜色序列，然后与存储的模板颜色序列进行比较，如图3所示。图3 线束模板设置与匹配4 结语文章设计了一种基于OpenCV的线束序列检测系统，该系统通过搭建CCD相机为基础的硬件，采集实际线束图像，并采用中值滤波对图像进行去噪处理，采用直方图均衡化进行图像增强，使得预处理后的图像更易于识别线束的颜色。最终通过颜色识别读取线束图像颜色序列和之前标定的模板图像进行比较。参考文献：[1] 汪成龙，陈国壮，马球立等. 基于OpenCV的电线颜色识别系统软件[J]. 电子测量技术，2018，41（16）：91-97.
[2] 范冬冬. 基于机器视觉的双排线束检测仪的研究与设计[D]. 马鞍山：安徽工业大学，2019.
[3] 岳彩波. 基于颜色识别的线束检测仪研究与设计[D]. 马鞍山：安徽工业大学，2017.
[4] 周雨楠，张俊伟. 基于Tensorflow和OpenCV的手写体阅卷系统[J]. 电子世界，2020，42（13）：99-101.
[5] 杨峰，唐华，毛昀，袁勇，刘文. 基于OpenCV的人脸识别设计与实现[J]. 信息与电脑（理论版），2020，32（16）：108-110.
[6] 赵博文，张力夫，潘在峰，等. 基于OpenCV的图像滤波方法比较[J]. 信息与电脑（理论版），2020，32（15）：78-80.
[7] 张美玉，臧琛. 基于OpenCV的四自由度骨科打孔机器人设计[J]. 现代商贸工业，2020，41（25）：150-151.
2024年2月9日发(作者：赤昆鹏)
21）：30~3130产业科技创新 2020，2（产业科技创新 Industrial Technology InnovationIndustrial Technology InnovationVol.2 No.21〈技术应用〉基于OpenCV的线束序列检测系统研究*郑雅琳，张奕玮，肖艳珍，宦智杰，马玮城（厦门理工学院电气工程与自动化学院，福建 厦门 361024）摘要：传统线束检测方法通常是人工进行检验，存在一定的弊端。因此，本文基于OpenCV设计出一套线束颜色序列的自动化检测系统，旨在以机器视觉代替人眼对彩色线束进行准确的识别和检测。关键词：线束检测；颜色识别；OpenCV中图分类号：TP311.52 文献标识码：A 文章编号：2096-6164（2020）21-0030-02传统的线束检测方法主要通过人工进行识别，判断不同的线有没有按照一定的顺序插到对应的孔位以及误配线等问题，由于人工检测会受到检测员的视力疲劳、体力不支以情绪波动等其他因素的影响，容易导致漏检、错检等情况发生，使得线束产品的不合格率很难降低。所以，本文基于OpenCV设计了一套线束序列的自动检测系统，以机器视觉代替人眼对彩色线束进行准确的检测和识别。主要通过颜色序列的模板设定，对彩色线束进行实时采集，对采集到的图像进行预处理，特征提取，最后基于模板匹配，对待测线束进行识别与检测。件，相机传感器将接收到的光学信号转换为计算机能够处理的数字信号。工业相机的品质决定图像的分辨率、尺寸、噪声等，并和整个系统的运行方式有着密切的联系。基于相机最大帧率、分辨率、曝光方式等的选择考虑，本检测系统采用的相机为维视图像研发的I/O接口的MV-EM200C千兆网工业相机，该相机具有体积小巧，千兆以太网接口，理论支持100 m传输距离；采用大型数据包形式传输，减少对中断的处理，性能更加稳定；采用高品质感光器件，较低的功耗及优良的算法，使得图像清晰、低噪声、色彩还原度好等特点。镜头是机器视觉系统中成像环节的重要部分。镜头参数主要是包含镜面尺寸、分辨率、焦距、光圈、接口、镜头放大倍数的选择。本文选择型号为M3Z1228C-MP，靶面尺寸为2/3”，焦距为12
mm～36 mm，最大成像尺寸为8.8*6.6，光圈范围为F2.8～F16C，C型接口的百万像素变焦镜头。相机和镜头都安装在可调节的立体支架上，以便观察被检测物体。机器视觉系统的核心是图像采集和处理。所有信息均来源于图像之中，图像本身的质量对整个视觉系统的识别效果有着很大的影响。因此，合适的光源及光学系统设计能使图像中的目标信息与背景信息得到最佳分离，大大降低图像处理算法分割、识别的难度，同时提高系统的定位、测量精度以及可靠性。由于工艺和体积的限制，有限体积的单个环形光源或者单个面光源的亮度难以达到软件处理的需求，因此本线束检测系统采用将面光源和环形光源叠加使1 检测系统组成线束检测系统主要由工业相机及镜头，光源以及支架组成，如图1所示。
图1 系统硬件组成用，将面光源放置在黑色大底板上，待检测线束放置在面光源上，这样既增加了亮度，又确保相机采集到其中，工业相机是工业检测中图像采集的核心部*基金项目：省级大学生创新训练项目（线束自动检测系统研究与设计）作者简介：郑雅琳（1999- ），女，福建厦门人，本科，主要研究方向为自动化。
第2卷 第21期郑雅琳等：基于OpenCV的线束序列检测系统研究31的底部图片为白底，更有利于软件处理。2 图像采集和处理2.1 图像采集由于工业相机获取的信号为模拟信号，但计算机识别的信号为数字信号，因此需要对工业相机采集到的信号进行采样和量化处理，将其转换成数字图像。该数字图像通常是二维矩阵的形式存在。采样是对现实空间场景（坐标的）离散化形成数字化表示的过程。模拟图像经过采样后，在时间和空间上离散化为像素。但采样所得的像素值（即灰度值）仍是连续量。把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。2.2 图像处理在工业相机采集到图像并将其转换成计算机可以处理的数据格式后，需要进行预处理来恢复图像中真实信息和突出图像细节特征，为最后彩色线束识别做好准备。图像处理主要是对图像进行去噪、增强处理。在相机采集过程中，由于各种原因所采集到的图像信息中含有一定程度的噪声，这种噪声不仅会降低图像的像质和淹没局部信息特征，且会对线束图像的颜色提取和识别造成一定的影响，因此需要对线束图像进行去噪处理从恢复图像信息。常见的图像方式主要有均值滤波、高斯滤波等线性滤波方式，中值滤波、双边滤波非线性滤波方式。图2 滤波算法的效果图对比如图2所示，通过比较四种滤波效果来进行分析，均值滤波和高斯滤波能一定程度地抑制噪声和降低了图像模糊效果，但是不足之处使图像略显模糊，清晰度不够。而中值滤波和双边滤波对图像上的孤立点以及线段处理效果显著，使图像细节更加突出，图像更加清晰。但考虑到双边滤波主要对图像边缘进行处理，因此本文所设计的检测系统最终采用中值滤波算法进行图像去噪。此外，通过比较四种图像增强算法进行分析，由于采集到的线束图像均会存在一定程度的曝光，采用直方图均衡化的图像增强算法有利于更好地识别线束图像的颜色。而拉普拉斯算子和对数log变换的图像增强算法则会一定程度降低图像识别度。因此，本文最终采用直方图均衡化对进行图像增强处理。3 图像检测模板匹配算法是机器视觉识别事物的处理手段之一，通常是根据已知特征模式在另一幅图像中进行寻找相同的特征模式与其一一对应。但本文所采用的图像匹配方法则是事先采集获取线束图像的不同颜色分布，通过标定模板的颜色序列是如何分布的，后续直接合成模板样式，并且存储标定的模板颜色序列。在模板匹配界面时，直接提取本次所要检测的线束图像的颜色序列，然后与存储的模板颜色序列进行比较，如图3所示。图3 线束模板设置与匹配4 结语文章设计了一种基于OpenCV的线束序列检测系统，该系统通过搭建CCD相机为基础的硬件，采集实际线束图像，并采用中值滤波对图像进行去噪处理，采用直方图均衡化进行图像增强，使得预处理后的图像更易于识别线束的颜色。最终通过颜色识别读取线束图像颜色序列和之前标定的模板图像进行比较。参考文献：[1] 汪成龙，陈国壮，马球立等. 基于OpenCV的电线颜色识别系统软件[J]. 电子测量技术，2018，41（16）：91-97.
[2] 范冬冬. 基于机器视觉的双排线束检测仪的研究与设计[D]. 马鞍山：安徽工业大学，2019.
[3] 岳彩波. 基于颜色识别的线束检测仪研究与设计[D]. 马鞍山：安徽工业大学，2017.
[4] 周雨楠，张俊伟. 基于Tensorflow和OpenCV的手写体阅卷系统[J]. 电子世界，2020，42（13）：99-101.
[5] 杨峰，唐华，毛昀，袁勇，刘文. 基于OpenCV的人脸识别设计与实现[J]. 信息与电脑（理论版），2020，32（16）：108-110.
[6] 赵博文，张力夫，潘在峰，等. 基于OpenCV的图像滤波方法比较[J]. 信息与电脑（理论版），2020，32（15）：78-80.
[7] 张美玉，臧琛. 基于OpenCV的四自由度骨科打孔机器人设计[J]. 现代商贸工业，2020，41（25）：150-151.