针对目前磁瓦合格分类人工识别效率低。提出了一种基于高斯混合模型的磁瓦合格检测方法,通过Halcon软件将工业相机采集到的磁瓦样本图片进行图像灰度化,降噪,滤波,阈值分割,形态学处理,处理后根据主成分分析法,提取出磁瓦的面积、周长和中心几何距等特征参数,再根据特征参数的不同进行汇总赋值,利用高斯混合模型分类识别出磁瓦样本的合格与不合格品。实验结果表明,Halcon编程检测出四十片磁瓦共耗时约7s,平均每个耗时0.2s,提高了检测效率,并缩短了检测时间。该算法针对磁瓦的识别效果较好,识别准确率高,相比人工检测,效率和可靠性均有了提升?周长，宽高度及几何距等无法检测。文献[7]介绍了一种基于小波变换的磁瓦表面缺陷检测方法研究，但是检测和处理耗时长，不适于在线检测。文献[8]中磁瓦检测系统所需的光源复杂，且算法的通用性不高。本文运用Halcon软件进行图像处理和判别磁瓦是否合格。1视觉检测系统实验设计实验检测系统主要由计算机图像处理软件，磁瓦合格分类-电动折弯机数控滚圆机滚弧机张家港电动滚圆机滚弧机电动及气动控制系统，和图像数据采集装置组成。该实验系统的核心部件包括：工业CCD相机，LED光源，运动控制卡，交流伺服电机，步进电机，直流电源，传感器本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ ，气动机械手和计算机。系统总体结构如图1所示。其中光照部分，本实验平台采用的是穹顶LED光源，穹顶光源是漫扩散，均匀照明，亮度可调，热辐射小，柔和的光源。其张角可以使弯曲表面成像，它主要是通过半球型的内壁数次漫反射，消除物体的阴影来达到良好的光照效果。系统工作过程如下：将待识别的磁瓦摆放在传送带上。通过距离传感器实时给工业相机进行反馈，使工业相机采集磁瓦图像并进行模式识别判断出该磁瓦是否是合格品。通过气动机械手将不合格的磁瓦吸取，然后将其放分类盒中。气动机械手按照相关的动作顺序进行往复循环动作来实现对待测磁瓦的分类和识别，图2为实现工作过程的工件识别与气动机械手抓取系统和Halcon软件工作界面。2图像处理2.1算法流程为了对目标磁瓦识别系统的准确应用，并提高检测速度和效率，首先要对磁瓦进行图像的采集，图像采集好坏直接影响后续图像处理的结果，因为工业相机采集的图像含有噪声，所以必须对所采集的图像进行一系列图像预处理。比如灰度化处理，可以减少计算机对图像处理的信息量，提高图像处理速度，中值滤波，去除图1系统结构磁瓦合格分类-电动折弯机数控滚圆机滚弧机张家港电动滚圆机滚弧机本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/