分析图像识别技术在零件装配自动识别中的应用

张晓栋

摘要：该文简要介绍了图像识别技术的程序组成与识图功能，分别从图像滤波、图像分割、特征归纳、位置确定等视角，详细解析了零件识图程序的运行过程，采取实验形式验证此种识图方式的可操作性。

关键词：零件;阈值;图像识别技术

中图分类号：TP3        文献标识码：A

文章编号：1009-3044（2022）08-0065-02

在原有装配生产体系中，装配智能程序的各项操作采取预设计形式，完成固定操作的生产程序编辑，借助传感器增强生产控制效果。在装配时完成各类操作程序设定，确保零件、包装箱等要素位置的精准性，以期获取高性能零件产品。

1技术概述

识图技术嵌入在监控单元中，以子模块形式完成添加，以期对零件监控图像进行多项处理，比如信息采集、图像处理、位置识别等，达成智能装配目标，作为程序运行的关键技术。识图程序的处理过程如表1所示。

识图模块在运行期间，需以零件图像为视角，对其进行滤波处理，加强噪音消除，再分割处理图像，确定零件功能特点，对零件位置进行精确锁定[1]。

2零件识图程序

2.1图像滤波

采集图像期间会面临多种信息采集干扰问题，引起噪声问题。为有效消除识图误差问题，需规范进行滤波处理。为此，以滤波算法为操作方法，在消除随机产生噪音的基础上，维护图像边缘信息完整性，表现出图像处理较强的适应能力。

2.2图像分割

在进行图像分割操作时，零件物理颜色较为明亮，零件材质为金属。在操作时，采取漆黑处理工序，调整盛装零件的工具盘，使捕获零件与装载工具形成色彩差异，确保图像处理简化性，提升图像识别精确性。零件图像显示时，含有突出双峰，可使用二值化分割处理图像信息。在图像分割处理时，采取最优阈值处理方式，获取程序阈值。同时使用正态分布方法，借助概率密度函数，获取相似结果。阈值确定方式参照多组正态分布中峰值间隔位置，选择此处概率最小值对应的灰度结果。

阈值最优解的确定方法：

2.3确定连通区域

在分割处理图像时，使用连通域标记方法，逐一标记各节点。结合序贯算法标准，二次处理采集捕获的零件图像。序贯算法使用方法如下：

2.3.1初次扫描

扫描采取由左向右、自上而下的顺序，对采集捕获的零件图像R进行初步扫描。假设算法锁定了图像中的两个节点，对节点像素非零位置进行[R（m，n）]赋值，保证赋值结果为非零状态，结合相邻节点标号情况，进行赋值选择。

（1）如果相邻位置的背景像素结果为零，则坐标位置[R（m，n）]将会成为新标记点。

（2）如果相邻节点中仅有一个位置满足[N（m，n）]=1条件，且此坐标位置标记结果为[L]，则此标记坐标赋值结果为[R（m，n）]。

（3）如果相邻节点中两个位置均满足[N（m，n）]=1条件，同时标记结果为[L]，则对标记坐标赋值[R（m，n）];如果两个坐标位置标记结果分别为[I]与[J]，则采取标记合并处理，进行标号存储时，采取等价处理方式，将坐标存储在独立的数据表中，相同价表中含有的各类连通成分均被标记了唯一码。

2.3.2二次扫描

在等价结果中，选择其中一个节点进行标记处理，同时对连通域中各节点分配标号。一般情况下，一个连通域会获得较小的标记结果。二次扫描中保证每个连通域获得了分配码具有唯一性。在分割处理零件采集图像时，使用二值化分割方法，加强区域阈值消除环境噪音，再使用序贯算法对图像进行标记处理，各类连通域逐一完成标记[2]。

2.4归纳零件特征

一定数量的零件，外观形状以圆形、方形为表现形式，具有几何外观的简易性。因此，借助零件外观特征，进行零件特征识图分析。在识图分析时，使用圆形、方形两种零件的外观特点，比如圆形弧度、矩形角度、几何面积、圆形外周长等。充分借助零件自身表现出的几何外观特点，减少样本训练问题，提升特征匹配识别准确性。零件特征定义方式，具体表现为：

（1）几何面积S：[S=m=0j-1n=0i-1b[m，n]]。

（2）几何周长C：以目标零件区域为视角，测定各像素外围长度。

（3）圆形弧度E：[E=4πS×（C2）-1]。

（4）矩形角度K：[K=S×（Sk）-1]。其中[Sk]表示矩形面积的最小值。

如表2所示，为某装配厂选出的目标零件特征分析结果。

在识别零件几何特征期间，以定位算法为切入点，优先获取几何区域中心值，同时结合零件标准图的具体情况，进行图像匹配，獲得初步图像匹配结果。获取零件特征的方法，分别使用几何面积、几何周长等特征项，精细匹配目标零件。使用图像匹配方法，具有图像识别高效性，顺应智能在线识图操作需求，同时保证匹配质量[3]。

2.5锁定零件位置

2.5.1确定零件坐标信息

锁定零件位置时，获取零件信息包括零件坐标位置、零件所指方向。在定位处理时，优先确定零件质心位置。在二值图像中，零件中心与质心所指为相同位置，确定方法为公式（4）、公式（5）：

此过程是对图像全部位置进行识别获得的结果，此时图像噪音处理效果不理想。

2.5.2判断零件所指方向

在判断零件方向时，需采取目标零件分析形式，获取相对应的零件特征。在程序中，将少部分程序设定为扩展分析单元，以装配零件为视角，创设单独处理虚拟空间，结合操作需求进行创设与删除。此种程序设计方式有效增强了程序功能的延展性，加强了程序对零件处理的灵活性。比如，在定位特殊外观零件所指方向时，其中一个零件的几何外观附带圆孔，可以圆孔为几何特点，连线处理孔中心，获取零件所指方向。另一个零件几何特征为凹矩形，在确定此零件所指方向时，使用二阶矩轴的最小值，判断长轴所指方向，同时结合凹槽与物体中位坐标信息，辨识零件旋转情况。

二阶矩阵轴的最小值以直线为几何外观表现，是指物体各节点位置与二阶矩轴相距的长度最小，对此结果进行平方和处理，获取平方和的最小值。假设二值图像坐标信息为[b[m，n]]，获取物体节点与特定直线之间的二乘方结果最小值，以获取各节点与特定直线间距长度平方相加结果的最小值，计算方式如式（6）：

3结论

综上所述，借助视觉智能技术提升自动装配生产精确性，发挥识图技术零件位置锁定功能，为零件装配工序发展奠定技术基础。识图技术具有操作简便、识图能力优异等优势，能够顺应各类装配生产需求。

参考文献：

[1] 洪庆，宋乔.基于智能视觉的机械零件图像分割技术[J].机械制造与自动化，2020，49（5）：203-206.

[2] 魏中雨，黄海松.基于机器视觉和深度神经网络的零件装配检测[J].组合机床与自动化加工技术，2020（3）：74-77，82.

[3] 朱博文，马立.自动轴孔装配系统的现状与关键技术[J].现代制造工程，2019（5）：156-161.

【通联编辑：代影】