基于圖像識別模板匹配技術的工業檢測系統設計

張建淵

（重慶川儀速達機電有限公司，重慶 400700）

0 引言

隨著嵌入式處理器性能的提高以及圖像識別技術的發展，可以對工業設備輸出的圖形和字符進行識別，再與模板圖片進行匹配檢測，可以達到良好的識別效果，能有效地檢測出工業設備的輸出字符是否正確，從根本上杜絕了原來需要人為判定導致的漏檢、錯檢的現象。

目前圖像識別技術方面有霍夫Hough 變換法、模板匹配法[1]、中心投影法、減影法。本文以檢測工業記錄儀的液晶屏為例，識別其靜態字符特點。因此，選用了更易操作、提取特征效果好的模板匹配法來提高檢測效率。

1 檢測系統硬件設計

1.1 系統構成

圖1 檢測系統構成圖Fig.1 Composition of detection system

本系統由控制器、攝像頭、顯示器、檢測軟件等部分構成。考慮現場安裝方便，選用的控制器主控板是基于ARM Cortex-A9 架構的主控板，主頻1.6GHz，1GB 雙通道DDR3，4GB 固態硬盤EMMC 存儲，系統為Linux 嵌入式操作系統+Qt 文件系統+視覺庫OPEN-CV，能滿足圖像識別高速運算和大容量存儲的需求。

1.2 檢測系統工作原理

控制器通過通訊口發出標準字符信息給工業智能記錄儀，記錄儀在其液晶屏上顯示相應的溫度數據字符，字符數據由溫度阿拉伯數字、溫度單位、中文通道號組成，攝像頭采集的記錄儀液晶屏的字符圖像傳輸給主控板，通過調用OPEN-CV[2]中特征點匹配算法，找到相對應的內置的字符圖片，來判斷該記錄儀輸出字符是否正確，最后發出控制指令分流不合格品。

2 檢測系統軟件設計

2.1 基于模板匹配法算法描述

為了檢測待識別圖像的某些區域特征而設計的陣列，這些陣列是將模板圖像分解為一系列的數字量和符號串。把已知物體的模板與圖像中所有未知物體進行比較，如果某一未知物體與該模板匹配，則該物體被檢測出來，并被認為是與模板相同的物體。

為提高圖像匹配的魯棒性和快速性，將圖像進行幾何變換，采用了霍夫變換HT 法，它把圖像中給定形狀曲線上的所有點變換到霍夫空間而形成峰點，這樣給定形狀的曲線檢測問題就變換為霍夫空間中峰點的檢測問題。

2.2 字符圖像識別過程

圖像識別過程分為圖像處理和圖像識別兩個部分。

2.2.1 字符圖像預處理

因字符圖像是彩色的，含有噪聲點或位置傾斜，為了便于分割和特征比對，所以需要進行去噪、二值化、傾斜校正、歸一化等方面的預處理。先將英文字符預置為標準的16×8 的二值化模板，中文字符預置為標準的16×16 的二值化模板。

圖2 字符圖像識別過程圖Fig.2 Character image recognition process

圖3 字符圖像預處理過程圖Fig.3 Process of character image preprocessing

圖4 字符圖像特征提取與判別過程圖Fig.4 Process chart of character image feature extraction and discrimination

1）調用OPEN-CV 函數imread()函數，加載原始圖片，并截取需要檢驗的區域的字符，再用cvCvtColor(img, source,CV_BGR2GRAY)，轉化成灰度圖像。

2） 調 用OPEN-CV 函 數cvThreshold(source,source_gray,100,255,CV_THRESH_BINARY )，進行二值化處理生成黑白圖。

2.2.2 字符圖像特征提取與判別

特征提取算法主要有SIFT 與SURF 算法，SIFT 在搜索正確的特征點時更加精確。SURF[3]算法描述大部分基于強度的差值，計算更加快捷。根據實際工況，選取了更為快捷的SURF 算法。流程如圖4。

設置與模板的匹配點數大于55 時，則判定圖像輸出合格。當記錄儀的圖像字符合格時，通過索引內置圖片模板，成功找到了字符為“300.2”的模板圖片與模板的匹配點數大于55，實際檢測結果為61。

而當記錄儀輸出的字符圖片不合格時，如“300.1”與實際要求“300.2”有偏差，其匹配點數也明顯小于55。與模板的匹配點數檢測結果為42，無法找到字符為“300.2”的模板圖片。

圖5 特征匹配合格結果圖Fig.5 Qualified result of feature matching

圖6 特征匹配不合格結果圖Fig.6 Unqualified results of feature matching

3 結論

通過該圖像識別系統，能有效地檢測工業設備字符圖像輸出合格與不合格狀態，杜絕了人工檢測低效、易錯的問題，通過拓展控制器的分流指令，控制生產線流轉，還能實現該工位無人值守，大大提高生產線運行效率。