梁涵

摘 要：对工件识别过程中，对于机器视觉技术的应用进行了一定的分析，并且简要地介绍了主要图像处理算法。在此基础寻求有效方法，对自动分拣系统决策方面提供一定的支持。

关键词：机器视觉;图像处理;模式识别;工件

中图分类号：TP391.41文献标识码：A

doi：10.14031/j.cnki.njwx.2019.02.008

1 基于机器视觉的工件自动识别算法

一般情况下，可以将工件识别算法具体分成待测物识别与机器视觉两个部分，前者主要是通过CCD成像之后与标准模板进行对比，该成像图可以在计算机的内存之中进行暂时存放。而后者属于通过标准模板CCD呈现来对待分拣物的模板进行构建，并且随后将其在计算机硬盘之中进行存储。在对零件是否为同类进行判断的过程中，可以根据相似度来进行判断，如果是同类零件，可以将其分拣到指定的通道之中;如果不是同类零件，则需要继续进行循环的判断。

整个检测过程可以按照下面的流程进行：CCD→ 构建待分拣物品模板→ 存储。

2 关键算法

2.1 图像预处理

在对图像进行预处理的过程中，主要目的是对图像数据之中的信噪比进行提高，并且抑制背景噪声，使图像后续处理过程中的压力得到减轻。成像零件识别过程中会由于图像噪声而带来误差，本次研究之中图像去噪方法所应用的是加权平均滤波法。

通过对加权平均滤波算法进行利用，能够使图像边缘细节得到保留，由于该算法的重点是选择领域的形状、大小以及方向，在加权平均滤波算法之中，我们将处在领域中心位置，待处理的像素点称之为中心像素点，对权值进行选取过程中的原则主要是：