（定稿）义马市狂澜家居建材城项目资金申请报告1（喜欢就下吧）

总长度即为所有相邻像素之间的长度之和。

当瑕疵长小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

瑕疵宽的计算法计算瑕疵宽时，仍然对瑕疵做细化操作后，骨架各点所在的瑕疵的位置的宽度反应出瑕疵各段的宽度。

由于骨架曲线是单像素曲线，则个骨架点与相邻点的其他两个骨架点相接，分别求出与相邻点的斜率。

则每个斜率的垂线与瑕疵边缘相交两点，两点的连线的大小即为宽度值。

比较这两个宽度值其中较小的为这个瑕疵的宽度。

设骨架曲线的其中个骨架点用，表示，其相邻骨架点分别为，和，。

骨架线在点的斜率近似用直线的，，，，，导师评语率表示，则斜率表示为公式过骨架点斜率为的直线与瑕疵图像边缘交于两点，记为，。

则此瑕疵的宽度表达式为公式同理，骨架线在点的斜率近似用直线表示，同样的原理求出，然后比较与的大小，取较小值作为瑕疵的宽度。

最后结果，。

当瑕疵宽小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

实际的检测效果如下，图密封圈灰度图为相机步骤到的密封原图，图算法最终的处理结果为本算法得到的最终的处理结果，可以看到，所有位于密封圈表面上的瑕疵都被检测出来了图密封圈灰度图图算法最终的处理结果实验结果我们的最终成果如图所示，我们已经搭建出了检测平台包括相机光源嵌入式主板触摸屏显示器等元素。

软件的识别算法也能达到预计的水平。

图成果图本章小结本章主要讲述了密封圈表面识别算法的主要流程。

并对每个步骤用文字公式和图片的方式进行了详细的解说。

第章总结与展望本文讲述了密封圈的图像采集结束后如何通过利用嵌入式图像处理技术，对密封圈上的瑕疵图像进行处理，提取出瑕疵的信息，并对瑕疵的特征参数与密封圈合格标准参数进行比较，筛选出合的像素值，等于时，就亦将该点标记为点，并堆入队列中。

如此依次循环。

在往复的过程中如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。

直循环到队空为止。

此时，则说明条瑕疵的信息遍历结束。

记录下此时的，四个值，并统计好之前的入队的个数。

则有公式公式这样，对于瑕疵信息数组，每个成员都代表的是每个瑕疵在维图像上的所有信息。

瑕疵的判断虽然我们根据全方位拓展法求得了瑕疵数组。

但是并不是所有的瑕疵都会影响产品的合格与否。

所以我们还要通过计算各个瑕疵的特性，排除掉些无关紧要的瑕疵。

对于般密封圈表面来说，些很小的点瑕疵，极短的缝瑕疵，以及位于圆环表面的瑕疵都对密封圈的使用没有任何影响。

所以我们要通过计算，将这些瑕疵排格的密封圈的过程。

根据瑕疵的特有的特征，对比当前流行的图像识别算法，改进出套更加适合密封圈检测的图像识别算法。

算法中对均值滤波和中值滤波图像二值化特征提取等过程均作了改进。

实现了较为快速适合的密封圈识别算法。

当前所有的算法都是用语言在上实现的，但是能否直接用在工业上检测密封圈，该算法还需要在速度上和精确性上得到提高，在之后的这段时间我会继续努力在机器视觉上寻求新的突破。

将来展望机器视觉将完全代替人工肉眼完成所有的检测识别。

参行分区域统计。

遍历图片内存。

统计的区域划分如图所示图分区域法示意图对蓝色区域的共个区域分别进行直方图统计，每个区域都求出相对应的阈值，遍历该区域内的像素点成员当，的像素值与阈值之间的灰度差距大于人为设定的参数时，就说明该点与周围像素环境之间存在着明显的不同。

可将该点的灰度值赋值为。

否则该点赋值为。

公式如下当时当时公式最终从得到的新二值图像内存数组命名为。

该数组的亮度信息如图所示。

图二值图可以在上图中看出，瑕疵的信息因为局部二值化的关系而被很好的保留了下来。

瑕疵特性参数计算瑕疵特征的提取主要包括瑕疵面积长度和宽度的计算等。

为了要提取出这些信息，可以用区域生长法来完成。

区域生长法提取普通的区域生长法是连通法。

就是对个点的上，左上，右上，左，右，下，左下，右下共个方向进行遍历扫描，如果在该遍历方向上也存在与当前遍历点的像素值相同的点时，就将该个点看做都是属于同个瑕疵上的像素点。

但是考虑到当前系统中捕捉到的瑕疵往往是属于狭长的缝。

而用连通法提取狭长缝隙的信息时就很有可能就会造成缝的断裂。

最终会导致将条缝的信息分为了块或多块连通区域信息来处理。

为了避免这现象，我们将区域生长法做了如下改进首先定义下瑕疵的结构体数组用来保存每个瑕疵的信息，结构体成员信息可以是瑕疵长，瑕疵宽，瑕疵面积等等。

本系统采用的是可调节的全方位拓展法求区域生长。

设每个方向上向外拓展个像素。

如图全方位拓展法求所示，点上的每个方向的像素都向外拓展了个像素，即。

入队出队图全方位拓展法求区域生长扫描内存数组信息里的目标圆环区域，如果发现点的像素值，等于时，就将该点标记为点，并堆入队列中。

每次遍历队列，如果发现队列不为空，就让队尾元素出队，出队的同时，记录下当前出队的点的坐标位置并以该点做为基准往个方向连通个像素出去，形成个的窗口如图全方位拓展法求所示。

遍历窗口里的点成员如果该点位于内存数组的目标圆环检测区域内，并且该点对应除在外。

瑕疵面积的计算法在本系统中瑕疵的面积可以直接用来代替，当瑕疵面积小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

瑕疵长的计算法计算瑕疵长时，基于瑕疵的线性特征，首先对瑕疵做细化操作，得到单像素宽的瑕疵骨架曲线。

瑕疵的长度实际上就是骨架图像骨干点之间的长度之和。

骨化后的图像是个单像素宽度的连通性好的骨干图像。

可以分别求取相邻像素之间的长度，然后把所有的相邻像素之间的距离求和即为所得，如下式考文发展研究中心农村发展部等单位命名为中国水蜜桃之乡中国芋 值达到亿元，农村居民人均收入 元。

年末全市总人口人，其中农村人口人，农村实有 劳力总数为人，男女劳动比为，农村劳动力离土转移 率达。

奉化市地理自然条件优越，名特优农产品资源丰富。

传统特产东海之滨，是宁波市副 中心城市，全国甲类开放区。

全市陆地面积平方公里，海域面 积平方公里。

全市设镇街道。

年全市生产总值亿 元，人均生产总值万元，财政般预算收入亿元，增长 。

其中农林牧渔总产市之，自然条件优越，土地资源丰富。

尤其是莼湖裘村 松岙三镇低坡山岙地较多，土壤肥沃，是理想的种植项目开发区域， 变废弃地为致富宝地。

社会经济状况 奉化属县级市。

地处长江三角洲南翼的域。

自然资源状况 奉化属亚热带季风性湿润气候区，四季分明，日照充足，温暖 湿润，雨量丰沛，年平均气温度，年闰均降水量在毫米以 上，年日照时数小时，年平均无霜期天。

奉化市属浙江省 区山区县项目区概况 地理位置及区域范围 本项目位于奉化市裘村镇西部曹村，面临象山港。

奉松公路穿贯 而过，西侧建成了吨级桐照渔港码头，水陆交通便捷。

该地区已 成为奉化市桃子产业发展的主要投资区效益的作用 项目建成后，年可生产优质黄桃吨，年产值万元， 创利万元，同时还可解决当地加工企业部分原材料，降低 生产成本，提高企业赢利点。

扶持联结基地和农户的农业产业化龙头，积极发展农业产业化经营， 推进农业和农村经济结构的战略性调整，提高农民经营效益，促进农 民增收，推动农村小康生活。

奉化市农业综合开发规划提到全 市要规范和优化市场机制和投资环境，建立和完善信息服务体系，保 持每年增加的扶持发展产业化经营专项资金，因地制宜地培育和 开发特色农产品，促进农业企业从广度深度发展。

奉化鑫磊绿色农业庄园，是家金薄带制备 技术的泰斗。

第三章产品需求分析和改造的必要性 第节项目建设的必要性 节能减排已成为全球的共识，为此，国家电网公司十五期间的建设投资约亿元学材料科学与技术学院的非晶合金薄带制备技 术课题组领军人王寅刚教授，系留美博士，是江苏省专家库成员 他在非晶合金薄带制备技术研究方面彼有造就，在国内外多家权威刊 物上发表了多专著论文，被公认压器的铁芯用材宽度，要求在 之间，技术人员通过近二年的研发创新，已熟练掌握 了产出宽非晶合金薄带的制备技术。

项目承担单位之三南京航空航天大学材料科学与技术学院 南京航空航天大从非晶合金薄带的制备技术冶炼均由该企业独立完 成，经过年多的研发，技术日趋成熟完善，目前生产的非晶合金薄 带小于宽，广泛用于电流互感器，测量级线圈和中高频变压 器铁芯。

针对非晶合金配电变环境体系认证国家强制产品认证 标准化良好行为企业认证。

项目承担单位之二西安奥斯特纳米晶磁材有限公司 西安奥斯特纳米晶磁材有限公司，是中国西部首家非晶纳米晶 带材生公式，和，是相邻骨干点的两个点是水平方向的比例因子，即水平方向上的像素个数与实际情况水平长度的比值是垂直方向的比例因子，即水平方向上的像素个数与实际情况垂直长度的比值是两个相邻像素之间的长度。

总长度即为所有相邻像素之间的长度之和。

当瑕疵长小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

瑕疵宽的计算法计算瑕疵宽时，仍然对瑕疵做细化操作后，骨架各点所在的瑕疵的位置的宽度反应出瑕疵各段的宽度。

由于骨架曲线是单像素曲线，则个骨架点与相邻点的其他两个骨架点相接，分别求出与相邻点的斜率。

则每个斜率的垂线与瑕疵边缘相交两点，两点的连线的大小即为宽度值。

比较这两个宽度值其中较小的为这个瑕疵的宽度。

设骨架曲线的其中个骨架点用，表示，其相邻骨架点分别为，和，。

骨架线在点的斜率近似用直线的，，，，，导师评语率表示，则斜率表示为公式过骨架点斜率为的直线与瑕疵图像边缘交于两点，记为，。

则此瑕疵的宽度表达式为公式同理，骨架线在点的斜率近似用直线表示，同样的原理求出，然后比较与的大小，取较小值作为瑕疵的宽度。

最后结果，。

当瑕疵宽小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

实际的检测效果如下，图密封圈灰度图为相机步骤到的密封原图，图算法最终的处理结果为本算法得到的最终的处理结果，可以看到，所有位于密封圈表面上的瑕疵都被检测出来了图密封圈灰度图图算法最终的处理结果实验结果我们的最终成果如图所示，我们已经搭建出了检测平台包括相机光源嵌入式主板触摸屏显示器等元素。

软件的识别算法也能达到预计的水平。

图成果图本章小结本章主要讲述了密封圈表面识别算法的主要流程。

并对每个步骤用文字公式和图片的方式进行了详细的解说。

第章总结与展望本文讲述了密封圈的图像采集结束后如何通过利用嵌入式图像处理技术，对密封圈上的瑕疵图像进行处理，提取出瑕疵的信息，并对瑕疵的特征参数与密封圈合格标准参数进行比较，筛选出合的像素值，等于时，就亦将该点标记为点，并堆入队列中。

如此依次循环。

在往复的过程中如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。

直循环到队空为止。

此时，则说明条瑕疵的信息遍历结束。

记录下此时的，四个值，并统计好之前的入队的个数。

则有公式公式这样，对于瑕疵信息数组，每个成员都代表的是每个瑕疵在维图像上的所有信息。

瑕疵的判断虽然我们根据全方位拓展法求得了瑕疵数组。

但是并不是所有的瑕疵都会影响产品的合格与否。

所以我们还要通过计算各个瑕疵的特性，排除掉些无关紧要的瑕疵。

对于般密封圈表面来说，些很小的点瑕疵，极短的缝瑕疵，以及位于圆环表面的瑕疵都对密封圈的使用没有任何影响。

所以我们要通过计算，将这些瑕疵排