1.數粒原理：
視覺相機對高速移動的物體進行逐行掃描，生成一張完整的圖像（xiàng），上位機從相機取（qǔ）出圖像，通過自研究算法,根據大小尺寸，軌跡跟蹤，距（jù）離變換，通過算法計算出數量，通（tōng）過（guò）控製下位機控製機構達到準確計數的目的。
2.產品特點：
精確高：擁有工業數粒領域內的高精確度,包裝精度根據產（chǎn）品不同，精度可能達到99%-100%。
速度快（kuài）：高速的數粒速度。對細小顆粒物料,手機螺絲（sī），藥（yào）品，襯衫鈕扣、銀觸點，五金件。
通用性好：適用工業生產環境（jìng）的多（duō）品種多（duō）規格、少批量的生產數粒包裝形式。
3.視覺計數與稱重對比:
視覺軟件使用不用校證，隻需調整參數，無須維護，精度比稱重高。
稱重需校證（zhèng），維護（hù），影響精度。
3.計數（shù）算法實現方式:
1，圖像變換：（空域與頻域、幾何變（biàn）換、色度變換、尺度變（biàn）換）
- 幾何變換：圖（tú）像平（píng）移、旋（xuán）轉、鏡像、轉置；
- 尺度變（biàn）換：圖像縮放、插值算法（fǎ）（最近（jìn）鄰插值、線性插值、雙三次插值）；
- 空間域與頻域間變換：由於圖像陣列很（hěn）大，直接在空間域（yù）中進行處理，涉及計算（suàn）量很大。因此，有時候需要將空間域（yù）變換到頻域進行處理。例如：傅立葉變換、沃爾什變換、離散餘弦變換等間接處理技（jì）術，將空間域（yù）的處理（lǐ）轉換為頻（pín）域處理，不僅可減少（shǎo）計算量，而且可獲得更有效的處理（如傅立（lì）葉變換可在頻域中進行數字濾波處理）。
2、圖像增強：
圖像增強不考慮圖像降質的原因，突（tū）出圖像（xiàng）中所感興趣的部（bù）分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節明顯；如強化低（dī）頻分量可減少圖像中噪聲（shēng）影響。
- 灰度變換（huàn）增強（線（xiàn）性灰度變換、分段線性灰度變換、非線性灰度變換）；
- 直方圖增強（直方（fāng）圖統（tǒng）計、直方圖均衡（héng）化）；
- 圖（tú）像平滑/降噪（鄰域平均法、加權平均法（fǎ）、中值濾波、非線性均值濾波、高（gāo）斯濾波、雙邊（biān）濾波）；
- 圖像（邊緣（yuán））銳化：梯（tī）度銳化，Roberts算子、Laplace算子、Sobel算子等；
3、紋理分析（取骨架（jià）、連通性）；
4、圖像分割：
圖像分割是（shì）將圖像中有意義的特征部（bù）分提取出來，其有（yǒu）意義的特征有圖像中的邊緣、區域等，這是進一（yī）步進行圖像識別、分析和理解的基礎。
（1）閾值分（fèn）割（固定閾值分割（gē）、最優/OTSU閾值分（fèn）割、自適應（yīng）閾值分割）;
（2）基（jī）於邊界分割（Canny邊緣檢測（cè）、輪廓提（tí）取、邊界跟蹤（zōng））；
（3）Hough變換（直線檢測、圓檢（jiǎn）測）；
（4）基於區域分割（區域生長、區域歸並與分裂、聚（jù）類分割（gē））；
（5）色彩分割；
（6）分水嶺分割；
5、圖像特征：
（1）幾何（hé）特征（位置與（yǔ）方向、周長、麵積、長軸與短軸、距離(歐式距離、街區距離、棋盤距離)）；
（2）形狀特征（幾何形態分析（Blob分析）：矩形度、圓形度、不變矩、偏（piān）心率、多邊形描述、曲線（xiàn）描述）；
（3）幅（fú）值特征（矩、投影）；
（4）直方圖特征（統計特征）：均值、方差、能量、熵、L1範數、L2範數等；直方圖特征方法計（jì）算簡單、具有平移和旋轉不變性、對顏（yán）色像素的精確空間（jiān）分布不敏（mǐn）感等，在表麵檢測、缺陷識別有不少應用。
（5）顏色特征（zhēng）（顏色直方圖、顏色（sè）矩）
（6）局部二值模式( LBP)特征：LBP對諸如光照（zhào）變化（huà）等造成的圖像灰度（dù）變化具有較強（qiáng）的魯棒性，在（zài）表麵缺陷檢測、指紋識別、光學字符識（shí）別、人臉識別及車牌識別等領域（yù）有所應用。由於LBP 計算簡單，也（yě）可以用（yòng）於實時檢測。
6、圖像/模板匹配：
輪廓（kuò）匹配（pèi）、歸一化積相關灰度（dù）匹配、不變矩匹配、最小均方誤差匹配
7、色彩分析：
色度、色密度、光譜、顏色直方（fāng）圖、自動白平衡
8、圖像數據編（biān）碼壓縮（suō）和傳輸（shū）：
圖像編碼壓縮技術可減少描述圖像的數據量（即比特數），以便節（jiē）省圖像傳輸（shū）、處理時間和減少所占用的存（cún）儲器容量。壓縮可以在不失真的前提下獲得，也可以在（zài）允許的失真條件下進行。編碼是壓縮技（jì）術中（zhōng）最重要的方法，它在圖像處理技術中是發展最早且比較成熟的技術。
9、表麵缺陷目標識別算（suàn）法：
傳統方法：貝葉斯分類、K最近鄰（lín）（KNN）、人工神經網絡（ANN）、支持向量機（SVM）、K-means等；
10、圖像分類（lèi）（識別）：
圖像分類（識別）屬於模式識別的範疇（chóu），其主要內容是圖像經過某些預處理（增（zēng）強、複原、壓縮）後，進行圖像分割（gē）和特征提取，從而進行判決分類。
評論