基于机器视觉的加热炉内异常情况图像识别方法研究

摘要：

为了提高加热炉内异常情况图像识别的识别率和识别效率,提出基于机器视觉的加热炉内异常情况图像识别方法.设计采集模块结构和连接结构,实现加热炉内异常情况图像的采集;通过加权平均的方法处理图像灰度;归一化图像尺寸,通过图像增强操作提高加热炉内图像的识别率;采用Niblack算法完成图像的二值化处理,缩短识别时间;设计特征匹配模板,提取图像特征,以此完成加热炉内异常情况图像的识别.实验结果表明,所提方法的识别率高达90％,虚报率控制在2％,识别时间为0.03 s,提高了识别率和识别效率.

关键词：机器视觉、加热炉异常、图像识别、特征提取

所属期刊栏目：52

分类号：TP391.41(计算技术、计算机技术)

资助基金：教育部行指委职业教育改革创新课题;上海市自然科学基金

在线出版日期：2023-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：80-84