791
機器視覺在棉花異纖分揀中的應用
在國內的棉花加工廠，為了清除異性纖維，除了在收購時把好管，進行人工挑揀外，還有專人在喂花前，在棉垛上挑揀異性纖維。這種人工的挑揀費時費力。利用機器視覺技術進行異纖分揀不但可以提高準確度，還可以大大提高工作效率，從而節省大量的成本。
棉花異纖分揀.jpg
目前我國棉花中混雜異性纖維問題突出，棉花中混雜的異性纖維比重雖小，但危害卻很大。經過紡織機械打擊分梳後，異性纖維縱向斷裂、橫向分開，數量成倍增加。紡紗時，散落的異性纖維容易使棉紗斷頭，降低生產效率；織布時，出現大量布麵疵點，影響布麵質量；染色時，因著色率不同影響外觀。
利用機器視覺分揀出棉花中混雜的異性纖維（俗稱“三絲”），指的是化學纖維，動物纖維和非棉性纖維，比如丙綸絲，塑料繩，各種色線，薄膜，頭發絲，雞毛，碎布以及被汙染的棉花等。
棉花通過疏棉機後，風機帶動棉花從棉花通道通過玻璃視窗，在玻璃視窗的兩側使用兩個高速高分辨率彩色線掃描相機分別采集棉花的圖像。圖像數據傳送至工控機，經圖像處理軟件處理後將處理結果給I/O單元，通過高頻電磁閥將雜質吹入冗雜箱。
軟件中利用異性纖維的色差和亮度信息與棉纖維的差值來判斷是否為雜質。對每一個像素點的灰度值與設定閾值範圍進行比較。
主要有兩類異性纖維：
有色雜質，其RGB分量至少有一分量比棉纖維RGB中一分量低。
色彩鮮豔的強反光物質以及發生熒光效應的物質，其RGB分量至少有一分量比棉纖維RGB分量高。
由於相機的傳感器中像素自身的不均勻性、鏡頭畸變和光源的不均勻性，所得到的圖像兩端與中間區域存在一定的灰度差值，可以對相機進行平場校正來減少這個差值，或者在圖像處理的時候考慮到這個因素，在設定閾值的時候取非線性閾值。
機器視覺就是利用機器代替人眼做出測量和判斷，在應用層麵上，目前主要用來做係統集成或二次開發的較多，可以概括為以下四個部分：
1、檢查。
外觀及缺陷檢測，主要利用模板匹配。
2、識別。
生物特征識別（人臉、語音、指紋、虹膜），目標識別（車牌識別，射頻識別等），條碼識別（一維碼、二維碼），字符識別，紋理識別等。識別的最終目的主要是為了分類，這裏需要利用大數據訓練學習，需要借助深度學習。
3、測量。
幾何尺寸測量（長、寬、高、周長、麵積、體積等），圓或者橢圓（圓心、半徑、輪廓、角度、尺寸等）；測量必須先標定，這裏涉及到相機標定問題。
4、定位。工裝定位移位、裝配、碼垛機器人。
目前機器視覺主要應用定位、識別、檢測和測量。雖說四大塊都取得了進展，但受到應用場景，算法的限製，穩定性較差。不過像簡單的外觀檢查，顏色、字符、人臉識別，機械手的定位目前可以替代人類。朗銳智科（www.lrist.com）認為在精密測量方麵，測量精度還遠遠不夠，還沒達到理想值。尤其是雙目測量（也就是立體測量）方麵目前匹配精度依然達不到，由於同一一個空間點在兩個相機的空間位置不同，存在一定的視差，如何計算出視差依賴於兩幅左右圖像間的匹配，若匹配精度達不到，後麵的三維重建更是難上加難，也就是說立體匹配與三維重建仍然是擺在視覺測量的一大難題。
最後更新：2017-10-17 12:03:37