《制造技术与机床》杂志创刊于1951年,是我国机械工业科技期刊中创刊早、发行量大、影响面广的刊物之一,拥有广泛、专业的读者群体。本刊属中文核心期刊,中国科技论文统计用刊和《中国学术期刊文摘》摘录用期刊。
本文分析的温湿度记录仪如图3a所示,图片显示的温度是21.3 ℃,湿度是42.8%,这就是要识别的数据。截取待识别区域需要先确定仪表位置,由于仪表显示屏的背景是蓝色的,图像在仪表显示屏部分蓝色分量很大,所以采用图像数据的蓝色分量,更容易找到仪表显示屏的位置。以蓝色分量作为灰度值生成灰度图,如图5a所示,仪表显示区域蓝色分量一般都大于220,取150作阈值对图像二值化。然后,寻找屏幕所在的白色区域,由于仪表显示屏连通白色区域很大,而其他连通的白色区域相对很小,这样可以搜索大面积的矩形白色区域,再确定显示屏的具体位置。
确定显示屏位置后,寻找包含温湿度显示值的矩形框的位置就比较容易了,因为它在显示屏中的位置是确定的,容易找到一个包含这个矩形框的区域,再对这个区域进行边缘检测。当然这时不能用蓝色分量图来寻找矩形框,DM642采集到的信号是YUV格式的,可以使用Y分量数据,图5b为截取到的待识别区域。
找到字符的显示位置后,首先,通过Otsu方法确定二值化阈值,进行二值化。然后根据每个字符在矩形框的相对位置分割字符。最后,寻找每个字符的上下左右边界,将每个字符转化为25×35个像素的图像,图5b为温度值的处理结果。
提取的字符特征通常包括特征点、闭环特征、笔画特征、对称特征、像素比重特征、外围轮廓特征和骨架特征等。如何选择特征与识别方法有很大关系,本系统采用BP神经网络做图像识别。因此,将字符图像均分为5×7个区域,每个区域统计白色像素的个数,作为该字符的特征。
字符图像识别常用的方法有模板匹配法、支持矢量机、决策树、神经网络等,其中模板匹配法识别速度最快,但鲁棒性较差,对于其他3种方法,由于仪表显示的数字很规则,识别效果都不错,而BP神经网络设计简单,使用方便,所以最终选择BP神经网络做为系统的识别算法。系统采用两层BP 神经网络,输入层有35个神经元,输出层有10个神经元。BP神经网络的使用包括训练、识别两个过程,由于字符分类是确定的,是有监督的分类,在DM642上训练神经网络很不方便,所以BP神经网络的训练是在上位机中进行的,再将训练好的参数输入到DM642中。
程序使用RF-5框架,主要实现图像采集、图像处理与识别、网络编程等功能。RF5 是一种大规模集成的参考框架,其专为多通道多算法的应用程序而设计,它是基于DSP/BIOS实时操作系统的TSK模块的应用,因此适用于大型DSP应用系统。RF5中的数据处理包括任务(task)、通道(channel)、单元(cell)和XDAIS算法4个层面。本程序建立了4个任务,分别实现图像获取、图像处理与识别、网络编程、图像的本地显示,其中,图像处理与识别是程序的核心。图6为程序的数据流图,不包括控制信号。
上位机程序是用Visual C++6.0编写的,主要实现网络通信、数据库、报警等功能。网络通信功能是通过Socket(套接字)编程实现的,采用TCP/IP协议,下位机为服务器,上位机为客服端,下位机发送现场图片和识别结果给上位机,上位机给下位机发送反馈结果和控制参数。在温湿度等监控的机床工况超出警戒值时,上位机提供报警功能,包括对话框报警和声音报警。此外,程序的数据库用于保存机床工况,可以查询历史数据和统计异常情况。图7为上位机程序的界面。
基于图像识别的机床工况检测系统,通过对图像识别算法的优化设计,实现了正确实时地对机床仪表进行图像识别,通过上位机下位机的网络通信,保证数据的实时传输,实现了机床工况的远程监控,同时,上位机还实现了报警和数据库的功能,给机床状态信息管理和维护提供便利。本系统开发后经测试,系统运行稳定可靠,实现了超精密磨床加工环境的监控和管理,达到了预期的效果和设计要求,具有良好的应用前景。
作者:张瑞等
联系客服