(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211065192.5 (22)申请日 2022.09.01 (65)同一申请的已公布的文献号 申请公布号 CN 115131539 A (43)申请公布日 2022.09.30 (73)专利权人 南通宝丽金属科技有限公司 地址 226000 江苏省南 通市海安市经开区 和顺路19号 (72)发明人 陆宝丽　 (51)Int.Cl. G06V 10/10(2022.01) G06V 10/764(2022.01) G06V 10/40(2022.01) 审查员 谢萍 (54)发明名称 基于机器视觉的铝模板自动识别与分类系 统 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种基于机器视觉的铝模板自动识别与分类系统， 该系统包括图像采集单元： 获取铝 膜板的灰度图 像； 图像处理单元： 获取灰度图像对应的铝模板 边缘二值图， 将铝模板边缘二值图转换到霍夫空 间中， 得到霍夫空间中的高亮点， 将高亮点分为 圆形孔洞线段、 棱边点以及干扰点； 第一特征获 取单元： 根据棱边点的亮度获取铝 膜板的棱边特 征； 第二特征获取单元： 根据圆形孔洞线段的亮 度均值获取铝模板的圆形孔洞特征； 类别识别单 元： 构建特征数据库， 通过对比待分类铝膜板与 特征数据库中的棱边特征和圆形孔洞特征， 确认 待分类铝 膜板的类别。 本方案通过分析霍夫空间 中高亮点的分布， 使 得铝模板的分类更加准确高 效。 权利要求书1页 说明书7页 附图1页 CN 115131539 B 2022.12.13 CN 115131539 B 1.一种基于 机器视觉的铝模板自动识别与分类系统， 其特 征在于， 该系统包括： 图像采集单 元， 用于采集铝膜板的RGB图像， 以得到对应的灰度图像； 图像处理单元， 用于对灰度图像进行边缘检测得到铝模板边缘二值图， 将所述铝模板 边缘二值图转换到霍夫空间中， 得到霍夫空间中的高亮点； 根据高亮点的亮度将 高亮点分 为三类， 分别是霍夫空间中的圆形孔洞线段、 棱 边点以及干扰点； 第一特征获取单元， 用于将所有棱边点的亮度按照从大到小排序得到棱边点亮度序 列； 获取任意两个棱边点对应极角的第一差值绝对值， 将所述第一差值绝对值按照 从大到 小排序得到棱边夹角角度序列， 统计棱边点的总数量， 将所述总数量、 所述棱边点亮度序列 和所述棱边夹角角度序列作为铝膜板的棱 边特征； 第二特征获取单元， 用于分别计算每条所述圆形孔洞线段对应高亮点的亮度均值， 并 获取所述亮度均值的局部极大值， 分别计算任意两个局部 极大值对应极角之间的第二差值 绝对值， 将所述第二差值绝对值按照 从大到小排序得到圆形孔洞角度夹角序列； 统计每个 局部极大值对应所述圆形孔洞线段上高亮点总 数， 以组成圆形孔洞直径序列； 基于当前局 部极大值的极角获取目标极角， 得到目标极角下除当前局部极大值外的所有目标圆形孔洞 线段， 统计目标圆形孔洞线段的第一数量， 并计算任意相邻两个目标圆形孔洞线段的距离， 得到距离向量； 将每个局部 极大值对应的第一数量和距离向量分别组成圆形孔洞个数序列 和圆形孔洞间隔序列； 将局部极大值的数量、 圆形孔洞角度夹角序列、 圆形孔洞直径序列、 圆形孔洞个数序列和圆形孔洞间隔序列 作为铝模板的圆形孔洞特 征； 类别识别单元， 用于获取不同结构的铝膜板的棱边特征和圆形孔洞特征， 构建特征数 据库， 通过对比待分类的铝膜板和所述特征数据库中的棱边特征和圆形孔洞特征， 确认待 分类铝膜板的类别。 2.如权利要求1所述的一种基于机器视觉的铝模板自动识别与分类系统， 其特征在于， 所述图像处 理单元中根据高亮点的亮度将高亮点分为 三类的方法， 包括： 获取霍夫空间中亮度大于4的所有高亮点， 将第 个亮度大于4的高亮点 的亮度记为 ， 获取高亮点 在r轴方向上满足设定的第一条件的其他高亮点， 以组成高亮点 所在的线 段； 所述第一条件为： 与高亮点 之间的距离小于 或等于 ； 亮度大于 ； 亮度大于 或等于 且小于或等于 ， 其中 为波动值； 将满足设定的第二条件的线段确认为初始圆形孔洞线段， 所述第二条件为： 存在高亮 点与线段相邻且距离小于或等于 ； 存在高亮点的亮度大于或等于 ； 存在高亮点的亮度大于 线段中所有高亮点的亮度均值的一半； 将初始圆形孔洞线段的长度大于或等于设备阈值的初始圆形孔洞线段确定为圆形孔 洞线段； 获取除去圆形孔洞线段对应的高亮点之后的剩余高亮点， 将亮度 大于或等于亮度阈值 的剩余高亮点确认为 棱边点， 亮度小于亮度阈值的剩余高亮点确认为干扰点。 3.如权利要求1所述的一种基于机器视觉的铝模板自动识别与分类系统， 其特征在于， 所述第二特 征获取单元中目标极角为θ +90 °， 其中 为局部极大值对应的极角。权　利　要　求　书 1/1 页 2 CN 115131539 B 2基于机器视觉的铝模板自动识别与分类系统 技术领域 [0001]本发明涉及数据处理技术领域， 具体涉及 一种基于机器视觉的铝模板自动识别与 分类系统。 背景技术 [0002]铝模板是以铝合金型材为主要材料， 经过机械加工和焊接等工艺制成的适用于混 凝土工程的模板， 包 含面板、 肋、 主体型 材、 平面模板、 转角模板、 早拆装置等。 [0003]铝模板可多次循环利用， 在利用铝模板进行混凝土浇筑成型后可将铝模板拆除再 利用。 由于铝 模板包含面板、 肋、 主体型材、 平面模板、 转角模板、 早拆装置等多种结构， 在铝 模板拆除后需要对拆除的铝模板进行分类修整， 以便再利用。 [0004]目前对铝模板的分类通常通过人工分类或图形识别的方法。 人工分类可能存在误 差， 且人工成本大， 效率低； 图形识别的方法通过检测直线和圆来识别 铝模板的棱边以及铝 模板表面的圆形孔洞从而进行铝模板的分类。 而常规的直线检测方法为霍夫直线检测， 受 铝模板表面的圆形孔洞影响， 利用霍夫直线检测得到的结果不准确； 常规的圆检测方法为 霍夫圆检测， 霍夫圆检测相对霍夫直线检测计算量大， 参数多， 速度慢， 进而导致铝模板的 分类效率低。 发明内容 [0005]为了解决上述技术问题， 本发明的目的在于提供一种基于机器视觉的铝模板自动 识别与分类系统， 所采用的技 术方案具体如下： [0006]图像采集单 元， 用于采集铝膜板的RGB图像， 以得到对应的灰度图像； [0007]图像处理单元， 用于对灰度图像进行边缘检测得到铝模板边缘二值图， 将所述铝 模板边缘二值图转换到霍夫空间中， 得到霍夫空间中的高亮点； 根据高亮点的亮度将 高亮 点分为三类， 分别是霍夫空间中的圆形孔洞线段、 棱 边点以及干扰点； [0008]第一特征获取单元， 用于将所有棱边点的亮度按照从大到小排序得到棱边点亮度 序列； 获取任意两个棱边点对应极角的第一差值绝对值， 将所述第一差值绝对值按照 从大 到小排序得到棱边夹角角度序列， 统计棱边点的总数量， 将所述总数量、 所述棱边点亮度序 列和所述 棱边夹角角度序列作为铝膜板的棱 边特征； [0009]第二特征获取单元， 用于分别计算每条所述圆形孔洞线段对应高亮点的亮度均 值， 并获取所述亮度均值的局部极大值， 分别计算任意两个局部极大值对应极角之间的第 二差值绝对值， 将所述第二差值绝对值按照 从大到小排序得到圆形孔洞角度夹角序列； 统 计每个局部极大值对应所述圆形孔洞线段上高亮点总 数， 以组成圆形孔洞直径序列； 基于 当前局部极大值的极角获取目标极角， 得到目标极角下除当前局部 极大值外的所有目标圆 形孔洞线段， 统计目标圆形孔洞线段的第一数量， 并计算任意相邻两个目标圆形孔洞线段 的距离， 得到距离 向量； 将每个局部极大值对应的第一数量和距离 向量分别组成圆形孔洞 个数序列和圆形孔洞间隔序列； 将局部 极大值的数量、 圆形孔洞角度夹角序列、 圆形孔洞直说　明　书 1/7 页 3 CN 115131539 B 3