浅述基于机器视觉的零件颜色识别技术

        本文以自动化生产线上的零件为研究对象，利用机器视觉检测设备和颜色识别系统App对零件图像进行实时采集和处理，对不同颜色的零件进行识别。

        视觉检测设备的硬件包括：计算机、USB接口相机、试验台、光源（采用自然光）。本系统大致分为3部分：

        零件图像的采集部分

        完成图像的实时采集，并将图像数据保存于内存中等待处理（对应于图中的图像信息获取）。

        图像分析处理部分

        对所采集的图像进行分析处理，在此基础上提取图像的颜色特征信息（相应于图中的图像预处理过程）。

        识别和决策部分

        提取合适的颜色特征数值，确定的识别函数，输出图像的分类判断结果，实现对零件颜色的识别（相应于图中的颜色特征提取和分类判决部分）。

        为了更好地根据颜色特征实时在线检测和识别生产线上的零件，本文先用示教模块将零件图像的颜色信息记录下来。

        通常在同一背景下对工件进行判别，当摄像头定位好后，调用示教模块先记录下工件的颜色信息，然后在工作时调用颜色识别模块对工件进行判别，示教的目的是让程序记住工件的局部颜色信息以及工件的位置。在识别工件时，为了提高App运行的效率，只对已经示教过的区域进行颜色求解。

        示教是对工件进行识别的过程，由于需要把示教结果作为标准，所以在示教时一定要保证工件图像的标准性。具体步骤为：

        （1）定位好摄像头对工件进行示教，并记录下所选工件区域的颜色信息

        （2）接着对零件图像进行中值滤波、迭代二值化等预处理，依据示教区域对工件进行区域灰度值的计算。

        （3）将（2）中灰度值与示教结果比较，在允许的误差范围内便可得出工件的类别。

        如果工件颜色数量较多时，那么就应该在数据库内建立一个颜色分选表，以便标识工件的种类，见表1及图3-4。将颜色分选表中的灰度值两两相减，取绝对值，选出最小值，将最小值除以2作为误差标准。在识别工件时和前面的示教方式是有区别的，它是按照预先设定的方式工作，也就是在图像预处理结束后将阈值作为分辨工件和背景的标准。识别的时候采取查表的方法，将获取的灰度值与表中的标准灰度值相减，并取绝对值。然后将绝对值与误差标准相比较，如果满足绝对值小于误差标准或绝对值等于误差标准，则这个零件的颜色就是该绝对值所对应的颜色。