（机械设计及理论专业论文）基于机器视觉的瓶口缺陷检测算法研究及系统开发.pdf

摘要 摘要 饮料瓶在生产过程中不可避免的会出现尺寸偏差，表面划伤、裂痕等缺陷，随着 我国生产制造的自动化水平不断提高，传统的人工检测方法已经不能适应大规模的生 产需求，检测技术的滞后直接导致生产效率的降低。机器视觉具有高效性、非接触性 等优点，已经被广泛引用到现代工业的各个领域中。使用机器视觉检测技术来代替人 工检测将极大的提高检测工序的效率和质量，使得整个生产效率的提升。因此，本文 结合实际的应用，对基于机器视觉的瓶口的缺陷检测系统进行研究，以实现瓶口缺陷 的有效、快速检测。 本文首先介绍机器视觉技术的原理及其国内外的发展状况，以及机器视觉系统中 图像处理算法；根据瓶口缺陷的特征，结合竞选算法在图像处理中的应用，制定了瓶 口缺陷检测的算法，然后对算法进行深入研究：最后结合软、硬件建立了基于机器视 觉的瓶口缺陷检测系统。 本文的研究内容主要包括：竞选算法求解优化问题的收敛性验算，通过对多种类 型的目标函数验证了竞选算法的具有优良的收敛性。在检测算法设计中，根据瓶口缺 陷特征，设计了检测算法的关键技术；图像分割足图像处理中十分重要的一步，为了 快速、有效的对图像进行分割，本文将竞选算法应用于o t s u 闽值分割法中；然后提取 图像的r o i ，结合竞选算法的优势提出了一种图像r o i 自动提取方法，该方法能快速、 自动地提取图像r o i ；缺陷分析模块中，应用直线扫描法来扫描图像中的缺陷，然后 对检n - n 的缺陷进行统计分析。在机器视觉系统的建立中，选择合适的相机、光源、 镜头等硬件搭建了实验平台；并使用v s 2 0 0 5 作为开发工具，在o p e n c v 丌源视觉库 的基础上结合本文设计的缺陷检测算法，编写了高效简洁的系统软件，并给出了软件 的流程图和详细步骤。 通过实验的结果和分析验证，构建的基于机器视觉的瓶口缺陷检测系统具有良好 的鲁棒性，为后续的工厂自动化检测实现提供了技术指导。 关键词：机器视觉；竞选算法；瓶口；缺陷；实时检测 广东工业大学硕士学位论文 a bs t r a c t i ti s i n e v i t a b l yt h a tb e v e r a g eb o t t l ew i l lb ed i m e n s i o n a ld e v i a t i o n , s u r f a c es c r a t c h e s ， c r a c k so ro t h e rd e f e c t si nt h em a n u f a c t u r e w i t ht h ec o n t i n u o u si m p r o v e m e n to ft h el e v e lo f a u t o m a t i o n ，t h et r a d i t i o n a lm a n u a lt e s t i n gm e t h o d sh a v eb e e nu n a b l et om e e tt h el a r g e s c a l e p r o d u c t i o n t h el a g o ft h ed e t e c t i o n t e c h n o l o g y w i l ll e a dt ol o w e r p r o d u c t i o n e f f i c i e n c y m a c h i n ev i s i o nh a st h ea d v a n t a g eo fe f f i c i e n t ，n o n - c o n t a c t ，w h i c hh a sb e e n w i d e l yq u o t e di nv a r i o u sf i e l d so fm o d e r ni n d u s t r y i nr e c e n ty e a r s ，m a n u a li n s p e c t i o nw i l l r e p l a c e db ym a c h i n ev i s i o nd e t e c t i o nt e c h n o l o g y i tw i l lg r e a t l yi m p r o v et h ed e t e c t i o n p r o c e s se f f i c i e n c ya n dq u a l i t ya n dm a k i n gt h ee n t i r ep r o d u c t i o ne f f i c i e n c yi m p r o v e m e n t t h e r e f o r e ，c o m b i n a t i o no f p r a c t i c a la p p l i c a t i o n ，t h es t u d yo f t h i sp a p e ri st h ed e f e c td e t e c t i o n s y s t e mo ft h eb o t t l ed e f e c t sb a s e do nm a c h i n ev i s i o n i no r d e rt od e f e c tb o t t l ed e t e c t i o n a c h i e v eo f e f f e c t i v ea n dr a p i dd e t e c t i o n i nt h i sp a p e r , f i r s ti n t r o d u c e st h ep r i n c i p l eo fm a c h i n e v i s i o n ，i t ss t a t eo f d e v e l o p m e n ta t h o m ea n da b r o a d t h e ni n t r o d u c et h ea l g o r i t h m so fi m a g ep r o c e s s i n gi nt h em a c h i n e v i s i o ns y s t e m c o m b i n e db o t t l ec h a r a c t e r i s t i c so fd e f e c t sw i t ht h ee l e c t i o n a l g o r i t h mi n i m a g ep r o c e s s i n g ，t h i sp a p e rd e v e l o p e dab o t t l ed e f e c td e t e c t i o na l g o r i t h m ，a n dt h e ni n d e p t h s t u d yo ft h ea l g o r i t h m c o m p l e t i n gt h es of ta n dh a r d w a r et oe s t a b l i s hab o t t l ed ef e c t d e t e c t i o ns y s t e mb a s e do nm a c h i n ev i s i o n t h i ss t u d ym a i n l yi n c l u d e ：e l e c t i o na l g o r i t h mf o rs o l v i n gt h eo p t i m i z a t i o np r o b l e mo f t h ec o n v e r g e n c ec h e c k i n go nt h ev a r i o u st y p e so fo b j e c t i v ef u n c t i o nt ov e r i f yt h ee l e c t i o n a l g o r i t h mh a se x c e l l e n tc o n v e r g e n c e i nt h ed e s i g no fs o f t w a r ea l g o r i t h m s ，a c c o r d i n gt ot h e b o t t l ed e f e c tc h a r a c t e r i s t i c s ，d e s i g nt h ek e yt e c h n o l o g i e so ft h ed e t e c t i o na l g o r i t h m i m a g e s e g m e n t a t i o n i sav e r yi m p o r t a n ts t e pi n i m a g ep r o c e s s i n g i nt h i sp a p e r , t h ee l e c t i o n a l g o r i t h m i s a p p l i e dt ot h eo t s ut h r e s h o l df o r f a s ta n de f f i c i e n t i m a g es e g m e n t a t i o n c o m b i n e dw i t ht h ea d v a n t a g e so ft h ee l e c t i o na l g o r i t h m , t h i sp r o p o s e da u t o m a t i ce x t r a c t i o n o f t h er o io f a ni m a g e t h i sm e t h o dc a nq u i c k l ya n da u t o m a t i c a l l ye x t r a c t i n gi m a g er o i i n t h ep a r to fd e f e c ta n a l y s i s ，t h em e t h o do fl i n e a rs c a n n i n gu s e dt os c a nt h ei m a g ed e f e c t s t h e d e f e c t sd e t e c t e db yt h es t a t i s t i c a la n a l y s i s c h o o s et h er i g h tc a m e r a , l i g h ts o u r c e ，l e n sa n d o t h e rh a r d w a r et ob u i l da ne x p e r i m e n t a lp l a t f o r m ；a n du s ev s 2 0 0 5a sd e v e l o p m e n tt o o l s p r e p a r a t i o no fe f f i c i e n ta n ds i m p l es y s t e ms o f t w a r ew h i c hb a s e do no p e n c va n dd e f e c t d e t e c t i o na l g o r i t h mc o m b i n e dw i t ht h ed e s i g no ft h i sa r t i c l e a n dt h i sg i v e saf l o wc h a r to f t h es o f t w a r ea n dd e t a i l e ds t e p s b yt h ee x p e r i m e n t a lr e s u l t sa n da n a l y s i so fa u t h e n t i c a t i o n , t h ed e f e c td e t e c t i o ns y s t e m i i a b s t r a c t o fb o t t l eb a s e do nm a c h i n ev i s i o nh a sag o o dr o b u s t n e s sa n dc a nb ep r o v i d et e c h n i c a l g u i d a n c ef o rt h es u b s e q u e n td e t e c t i o no ff a c t o r ya u t o m a t i o n k e yw o r d s ：m a c h i n ev i s i o n ；e l e c t i o na l g o r i t h m ；b o t t l e ；d e f e c t ；r e a l - t i m ed e t e c t i o n 广东工业大学硕士学位论文 c o n t e n t a b s t r a c t ( c h i n e s e ) i a b s t r a c t i i c o n t e n t ( c h i n e s e ) i v c o n t e n t v i c h a p t e r 1i n t r o d u c t i o n 1 1 1i n t r o d e c t i o n 1 1 2m a c h i n ev i s i o n 1 1 2 1t h e o r ya n dd e v e l o p m e n to f m a c h i n ev i s i o n 1 1 2 2m a c h i n ev i s i o ni n s p e c t i o n 2 1 3t h eo p t i m i z a t i o na l g o r i t h mu s e di ni m a g ep r o c e s s i n g 4 1 4t h ep u r p o s ea n ds i g n i f i c a n c eo f t h et o p i c s 5 1 5t h em a i nr e s e a r c hc o n t e n to f t h ed i s s e r t a t i o n 5 c h a p t e r2e l e c t i o na l g o r i t h m 7 2 1i n t r o d u c t i o n 7 2 2t h eb a s i cp r i n c i p l eo f e l e c t i o na l g o r i t h m 7 2 3e l e c t i o na l g o r i t h mo f c h e c k i n g 8 2 4t h ec o n c l u s i o n 13 c h a p t e r3d e s i g no fd e t e c t i o na l g o r i t h m 1 4 3 1i n t r o d u c t i o n 1 4 3 2e l e c t i o na l g o r i t h ma p p l i e dt oi m a g es e g m e n t a t i o n 1 4 3 2 1i m a g es e g m e n t a t i o n 1 4 3 2 2o t s ut h r e s h o l ds e g m e n t a t i o n 15 3 2 3e l e c t i o na l g o r i t h mi su s e dt oo t s ut h r e s h o l ds e g m e n t a t i o n 16 3 3e l e c t i o na l g o r i t h mi sa p p l i e dt ot h ea u t o m a t i ce x t r a c t i o no f t h er o i 2 0 3 3 1r o id e f i n e d 2 0 3 3 2e l e c t i o na l g o r i t h mi sa p p l i e dt oe x t r a c t i o no f t h er o i 2 1 3 4d e f e c td e t e c t i o n 2 7 3 5t h e c o n c l u s i o n 一3 0 c h a p t e r4t h es y s t e mo fb o t t l ed e f e c td e t e c t i o nb a s e d o nm a c h i n ev i s i o n 3 2 4 1i n t r o d u c t i o n 3 2 4 1 14 1 1t h ed e v e l o p m e n te n v i r o n m e n ta n dd e v e l o p m e n tt o o l s 3 2 4 1 2t h ef u n c t i o no f t h es y s t e m 3 2 v i c o n l e n t 4 i 3t h ef r a m e w o r ka n dp r i n c i p l eo fs y s t e m 3 3 4 1 4t h er e s u l t ss h o wa n ds t o r a g e 。3 4 4 2t h eh a r d w a r eo f t h es y s t e m 。：；l 4 2 1t h eb a s i cs t r u c t u r eo f t h es y s t e mb a s e do nm a c h i n ev i s i o n 3 4 4 2 2t h ec a m e r a 。：；! ； 4 2 3t h el i g h t i n g 3 7 4 2 4t h e1 e n s 3 9 4 2 5t h es t r u c t u r e so f t h ee x p e r i m e n t a lp l a t f o r m 4 0 4 3t h es o f t w a r eo f t h es y s t e m 。4 2 4 3 1t h ed e s i g no f s o f t w a r e 。4 2 4 3 2t h ew o r k i n gi n t e r f a c eo f t h es y s t e m 4 3 4 3 3t h eo p e r a t i o no f t h es o f t w a r e 4 5 4 3 4s h o wt h er e s u l to f t h es y s t e m 4 9 4 4t h ec o n c l u s i o n s 。! ；( ) c o n e l u s i o na n df u r t h e rr e s e a r c h 5 2 r e f e r e n e e s 5 l p u b l i c a t i o n sd u r i n gs t u d y 5 7 d e c l a r a t i o n 。1 5 8 a c k n o w l e d g e m e n t 5 9 v i i 第一章绪论 第一章绪论弟一早三否t 匕 1 1 概述 检测技术一直以来都足现代工业中的基础技术，在保证产品质量上起到十分重要 的作用。使用卡尺、量器、显微镜和各种仪表仪器等检测手段在工业制造中发挥着重 要的作用。近年来随着光、机、电和计算机等技术的高速发展，使得检测技术得到进 一步的发展，高精度、非接触、实时检测、智能化已经成为主流。光电检测技术就是 最近发展起来的一种新的智能检测技术。随着计算机科学和信号处理理论的发展，人 们试图用摄像机获得环境图像并通过把其转换成数字信号，使计算机实现了对视觉信 息处理的全过程，这样就形成了机器视觉的过程，即产生了一门高新的学科机器 视觉乜1 ，机器视觉的应用目的是使机器不仅能感知环境中物体的几何信息，如它的形 状、尺寸、位置和运动等，而且能对这些特征进行描述、记录、识别和理解。 图像检测技术是一种利用机器视觉技术来代替人工进行目标检测的技术，它具有 以下优点：机器视觉检测足通过计算机或者其他微型处理器对采集到的数字图像信息 进行处理得到相应的检测结果，所以它具有一定的智能化、高速化和实时化特点，适 于现代工业的柔性生产模式；机器视觉检测还可以实现非接触的在线检测，完成对生 产线上的产品1 0 0 的检测，满足整个自动化生产中的各道工序检测和过程检测的要求； 机器视觉检测可以达到较高的检测精度；机器视觉易于实现信息的集成和管理，为实 现计算机集成制造技术提供了十分重要的支持。 1 2 机器视觉简介 1 2 1 机器视觉理论及其发展 机器视觉是近几十年来发展的一门新兴技术，它足计算机科学、自动化技术和人 工智能领域的重要分支。人类主要足依靠视觉来感j i r l j , b 部的环境信息，统计表明，8 0 以上的外界信息是由视觉获取的。因此，对于智能化的机器来说，借助各类成像系统， 如平面视觉系统、立体视觉系统等，以此作为机器视觉的器官，作为图像采集与输入 方式，并通过高速的计算机处理系统进行图像的处理和分析，从而驱动其他动作执行 机构，完成特定的任务，给机器加以人类视觉功能对智能机器以及人工智能的发展足 极其重要的3 川。 广东工业大学硕士学位论文 机器视觉利用机器来替代了人眼作出判断和检测。通常机器视觉系统的工作流程 大概为：采用摄像机将目标采集成图像，然后将该图像传送到计算机等处理单元，计 算机通过程序对其进行数字化处理，根据图像的不同分布和亮度还有颜色等信息，柬 进行形状尺寸，颜色，姿态，模式的判别，进而对现场的设备发出相应的控制动作。 机器视觉技术在国内外，虽然是一门新兴的产业，但是经过几十年的发展也r 臻成熟。 成为了制造业、加工业不可或缺的技术。在工业的各个领域广泛引用，包括：饮料， 电子制造，包装工程，汽车制造，制药，建材化工，金属加工等等的行业。机器视觉 自起步发展到现在，已有几十年的历史。应该说机器视觉作为一种新型的人工智能的检 测识别系统，其功能特点也随着工业控制和自动化的发展而逐渐完善和发展的瞄1 。 国内机器视觉起步较晚，其发展历程为：2 0 世纪8 0 年代属于刚起步的阶段，2 0 世 纪9 0 年代进入机器视觉的发展阶段，而机器视觉在国内的广泛应用则是在近几年。我 困正在成为全球机器视觉应用市场的中心，因为足我国在制造业、加工业等领域已经 成为全球的中心，这就必然需要我们改进生产线技术，因此许多先进的技术包括机器 视觉技术也逐步引入国内。将来机器视觉技术的发展将有以下几个方面的特点陆1 ： ( 1 ) 机器视觉产品：智能相机将在应用中占据了主要地位。智能相机具有许多优 点：体积很小所以比较容易工业现场的安装，二次丌发较为方便，非常适合用于生产 线的安装。此外，国外许多知名的传感器厂商如康耐视、施克、堡隆等都在积极的发 展和推广机器视觉传感器。 ( 2 ) 机器视觉产业将迅速发展。目前，国内外从事机器视觉领域的公司不断增多， 也吸引了众多的投资，这一领域的专业人员也不断增加，机器视觉领域未来显现出竞 争不断加剧，而且机器视觉这一新兴的产业发展必然不断的稳步成熟，其发展将不断 壮大。 ( 3 ) 应用更为广泛。机器视觉的应用已经延伸到了许多产业，不仅传统的电子行业 需要继续使用机器视觉技术，其他方面如包装、印刷、智能交通等产业也不断的引入 机器视觉技术，机器视觉在许多方面都可以发挥它的优势，因此，机器视觉的应用将 大大增多1 。 1 2 2 机器视觉应用 机器视觉技术的引进，减少了传统的人工检测的劳动强度，极大的提高的产品的 生产率和产品的质量。因为机器视觉系统可以准确而快速的获取大量信息，也易于和 2 第一章绪论 设计信息以及加工控制信息集成化，当信息进入到计算机后方便处理。所以在现代自 动化生产过程里面，人们把机器视觉系统广泛的作用于质量控制，工况监视和成品检 测，包装和物料控制等方面，用机器视觉检测，并引导机器人作业的方法可以大大提 高生产效率和生产的自动化程度。而且机器视觉系统容易实现信息集成，实现计算机 集成制造的基础技术，在一些危险的工作环境和人眼难以作出判断的环境和场合，我 们就要采用机器视觉来代替人眼作用。同时在大批量生产、传送、装配等的过程中， 用人工检测、控制产品的精度不高而且效率低 1 。 机器视觉的应用普遍用在半导体和电子工业，其中半导体行业又占了4 0 - - - 5 0 之f u j 。具体的来说，比如p c b 板的印刷电路方面：生产印刷电路的组装技术，设备； 单双面的p c b 板，履铜板及所需要的材料和辅料；l e d 、微电子制造设备等。s m t ( 表 面组装技术) 技术：s m t 工艺与没备，焊接设备，测试仪器，返修设备以及各种辅助 工具及配件，再流焊机等生产设备。产品组配与包装：食品行业、橡塑五金行业、机 械制造行业的产品组装与包装。总之，机器视觉技术在许多行业已经得到了很好的应 用，在应用中占据着举足轻重的地位啼1 。 机器视觉技术已经运用在许多领域中，包括在工业、科研、军事等方面。机器视 觉在工业方面应用足十分常见的。各种产品质量的控制和测量方面，产品的分类和包 装，机器人的视觉引导等方面。涉及到许多行业：电子、半导体、医用、食品、汽车、 印刷等等。科研方面也应用到机器视觉，例如生物研究和化学药物等研究。军事方面 例如宇航工程，军事目标打击( 谚 别和跟踪) 及各种测量。 机器视觉技术包括三个环= 节：采像、分析和控制，如图1 - 1 所示。 图t - 1 机器视觉技术环节 f i g u r e l - 1t h el i n k so f m a c h i n ev i s i o nt e c h n o l o g y 图像采集，是使用工业相机采集n ) 4 1 应的数字图像，通常采集到的图像需要满足 广东工业大学硕士学位论文 图像后续处理的要求。分析，主要是指对数字化的图像进行增强和图像分割等数字图 像处理技术，这一环节为机器视觉系统中图像处理，为系统的核心技术所在，需要根 据我们的需求来进行不同的图像分析。控制包括输入和输出的控制，包括机器视觉系 统本身的控制，为了准确采集到的相应的图像，需要通过输入信号的控制，在结果输 出中，需要输出信号的控制相应的动作执行机构，以实现机器视觉系统的功能。以上 三个环境，是我们构建机器视觉系统中的重点1 。 机器视觉系统由相机、图像采集卡、光源、镜头、处理装置、i o 等组成，如图卜2 所示为机器视觉的基本原理图。图像采集环节由相机、光源、镜头组成；处理装置是 系统的控制部分，通常是计算机或者嵌入式装置，计算机中包含图系统软件：控制环 节为输入输出和动作机构等方面1 。 待 图卜2 机器视觉系统原理 f i g u r e i 一2t h ep r i n c i p l eo f m a c h i n ev i s i o ns y s t e m s 1 3 优化算法应用于图像处理 在实际困难的实施过程中，甚至有许多复杂的系统，都没有办法执行。但也有一 个同样复杂的系统，由于优化的成功实施成功的束实现算法。优化理论研究是讨论如 何在搜索中找到最佳值。在数字图像处理，最后其实很多问题都可以数值化的优化问 题，对数字图像的研究自然会反过来对优化理沦研究。因此，优化问题的研究在图像 处理技术是必要的研究。近年来，随着优化算法被广泛使用在数字图像处理技术，优 化成为有效的图像处理方法哺1 。 目前，图像处理技术中应用了许多最优化的理论。在图像的复原、图像重建、图 像匹配、图像增强、边缘检测等方面都应用了优化算法。人工神经网络算法被些研 究人员应于图像的重构；图像复原中使用遗传算法；有许多科研人员将遗传算法和模 4 第一章绪论 拟退火法结合起来，来研究图像非线性最优化的问题，已经取得了很好的形f 究。m o r s e 等人把动态规划应用于边缘检测，首先检测出图像的局部不连续性，再用串行搜索法 将它们连成边界，从而实现目标的边缘检测。唐健提出一个适当的适配度函数以评定 传感器图像问的映射参数，并在此基础上采用遗传算法、模拟退火和遗传模拟退火算 法等随机优化方法解决此优化问题，从而达到自动配准传感器图像的目的阳”。 以上都是一些优化算法应用于图像处理中，许多图像处理中需要应用优化算法来 进行图像分析，根据我们选择的图像处理技术，建立相应的数学模型，通过各种数学 变换，求解出耷h 应的最优化值，实现相应的图像处理技术。 1 4 论文选题的目的和意义 许多行业都需要生产各种瓶子，塑料瓶是可乐、果汁等饮品中需要用到的。随着 塑料瓶生产效率的不断提高，在流水线上的生产速度可以达到1 0 3 0 瓶秒。如果用传 统的人工对瓶子进行检测，是难以达到这样的速度的。检测速度与生产速度不协调， 将严重影日向生产的效率。因此，许多生产厂家希望找到一种能快速、可靠的检测方法。 目前，国内许多厂家使用人力来检测产品的质量，这样不仅使得成本上升而且生 产效率极大的降低。因此，新型的快速、有效的检测方法得到极大的应用。机器视觉 技术就足其中之一，越来越多的工厂使用机器视觉技术来监控生产过程和产品的质量 控制方面，用米保证产品的质量和性能。机器视觉使用计算机来代替人来处理年h 应的 信息，计算机的处理使得检测的速度大大提高。目前，机器视觉技术已广泛使用在监 控、检测、分类等方面。图像检测技术也足当前十分热衷的领域。 随着计算机技术和光电技术的发展，机器视觉检测技术得到了飞速的发展和广泛 的应用。它与传统检测方法相比，机器视觉检测技术有着独特的优越性。首先从成本 考虑，由于传统的检测方法的速度慢，效率低而且投入的人力资源也多，所以成本高。 机器视觉检测技术利用非接触式的检测方式，通过使用计算机进行图像处理，减少人 工检测和机器的误差，提高检测的精度。机器视觉检测足采用机器代替人工的自动化 技术，大大提高了检测效率。 因此，本文基于机器视觉相关理论、图像处理和竞选算法等相关理论，本课题的 最终目的是研究一套基于机器视觉的瓶口缺陷检测系统，提高瓶口缺陷检测速度和精 度。并为相应的生产厂家提供可借鉴的检测方法和系统构建理论。 1 5 论文主要内容 广东工业大学硕士学位论文 本文首先介绍了机器视觉相关背景和理论，然后介绍了一种新型的优化算法 竞选算法。再给出了瓶口缺陷检测方法的算法思路，根据图像处理中对算法的要求， 结合竞选算法的计算特点，将竞选算法应用于图像处理中。最后介绍了硬件平台的选 型以及搭建，相应的系统软件实现。本文各章内容安排如下： 第一章为绪论，介绍了机器视觉技术的相关理论，并介绍了机器视觉的发展状况 以及应用范围，然后引入机器视觉系统的关键环节图像处理技术的优化算法问题。 第二章介绍了竞选算法的基本原理、特点及其应用。通过标准的测试函数进行计 算实验，对不同的优化类型进行求解，验证了算法的优化性能。 第三章是本文的重点，在介绍数字图像处理技术的同时着重阐述了竞选算法在图 像处理中的应用：针对现有的图像分割方法，分析了竞选算法用于图像分割的算法： 以及竞选算法用于图像的r o i 自动提取，通过在计算机上的实验验证，可以提高图像 处理的速度，使得机器视觉检测技术高效快速的特点进一步显现。 第四章主要介绍了基于机器视觉的瓶口缺陷检测系统的实现部分。包括硬件选型、 实验平台的搭建以及系统软件的开发实现，最后进行了系统测试及检测结果分析。 6 第二章竞选算法 第二章竞选算法 2 1 引言 在生产实践、科学研究、经济管理、日常生活中，我们经常会遇到各种各样的与 后果相关选择性问题。例如要在最短的时i 、f j j 内完成最多的工作量；要用更少的资源完 成更多的任务；要合理安排每一项工作使得效益最大。 面对这样的选择性问题，熟悉的可以依靠已有的经验，简单的可以直接做出选择， 然而在很多情况下，这些都足非常难解的问题。在这种情况下，我们可以尝试使用优 化方法，对这些难解的j 、u j 题进行优化求解。以求在可以接受的时问内得到令人满意的 求解结果。 在实际工作中，人们经常会遇到各式各样问题，例如：在安排生产计划方面，如 何在现有的人力、物力等条件下，合理安排生产，使总生产和总利润最高；在资源分 配方面，如何使分配的方案既能满足要求，又能取得较好的经济效益；在城市规划和 工厂布局方面，如何合理布局彳能既方便群众又利于城市各行业及工厂的发展；在交 通运输方面，如何在保证安全行驶的条件下，时f n j 最省，或如何选择合理的路线，使 运输费用最低；在林业方面，如何建设合理的防护林，使用最经济的方式保护环境； 在商业方面，怎么样合理调配供需资源，使得资金的利用最合理，产生的；f u t r 司最高； 对个人来说，在金融理财、各种家庭和生活的规划等方面都用到了最优化的理论。可 以晚，最优化是人类智慧的体现，在人类社会活动中有非常重要的作用。 2 2 竞选算法基本原理 设想人类社会活动中存在着一种竞选机制：在许多选民中间存在着几个竞选人 进行竞选，竞选人在一定范围内具有影响力，在该范围内它们可以对选民影响，这 种影响作用的效果为：随着它们之问的绝对距离的增加，它们之问的影响逐渐减小。 竞选人影响范围随着它们的威望越高也就越大，当超过一定的极限距离后竞选人对 选民的影响降低为零；设想社会结构是非均衡的，每个选民的威望都有差异，因此 对竞选人的支持也存在差异：每一个选民都会受到多个竞选人的影响，选民要根据 竞选人对他的不同影响程度来按比例分配他的支持；每个竞选人的被支持情况通过 对选民的抽样调查来获取。计算某个竞选人对有限数量抽样调查选民的影响和抽样 调查选民对该竞选人的支持，就可以估算出该竞选人的支持情况。在上面的过程中， 竞选人可能对多个选民产生影响，因此也就会获得多个选民的支持。一个抽样调查 广东工业大学硕士学位论文 选民对某个竞选人的支持与该竞选人获得总支持所占的比例，就是一个抽样调查选 民对该竞选人的贡献，将每个抽样调查选民的位置坐标与其贡献相乘后求和，得到 的位置坐标就是该竞选人支持重心，即抽样调查得出的能使该竞选人获得具有更高 威望的位置随川。 竞选是竞选人通过一系列竞选活动以获得最大的支持，而优化是从问题的众多 可行解中寻找出最优解，两者在过程上存在着一定的相似性。可以想象，竞选过程 中蕴涵着一种优化思想和机制，因此通过模拟这样人类活动建立一种优化算法，将 它称为竞选算法n 2 ，1 3 1 。 2 3 竞选算法的验算 在许多优化算法的计算中，标准的数值函数优化问题常常用来对优化算法进行 验算，主要是由于以下方面的原因： 首先，许多实际的工程优化问题通常是先对其进行数学建模，建模后将其简化 为一个纯数值的优化问题。优化问题的种类很多，所以计算的复杂性也不一致，转 化成数学函数后也会呈现出不同的数学形式。主要的数学特征有连续型、单峰值型、 多峰值型，甚至是这些特征的组合类型。函数在连续和可求导的情况下可以较方便 的求出其最优解，然后大部分情况下需要通过数值的优化计算来获取函数的最优解 或者近似解。人们已经对优化算法进行了许多年的研究，遗传算法、蚁群算法、模 拟退火算法等也广泛应用于不同的数值计算中，但至今仍在不断的改进中，因为针 对所有不同的复杂的函数，仍然没有一种算法能将其很好的解决，特别的在复杂度 很高的计算问题时候，由于搜索空问庞大，数值处理量多的情况下，要十分精确的 求出最优解变得十分困难。进而需要寻找一些在可满足的精度要求内求解函数最优 化解的通用算法n 量3 。 其次，一个算法的性能优劣程度也是一件难以评估的数学问题。因为实际的优 化问题种类很多，而且手段许多因素的制约，如果对这些因素都考虑进行计算的话， 整个计算的难度必然会大大增加。另一方面，我们将实际特定的工程问题简化为一 个简单的数值函数模型，只对函数进行优化求解，能很清晰的将问题表述，也便于 学术和人员的交流和理解，通过对这些函数问题的优化来检验算法的性能n 引。 本文通过大量的函数优化计算实验对竞选算法在函数解优化问题中的应用进行 了研究。下面是从大量数值实验中选出的1 0 个具有代表性的标准测试函数的实验结 第二章竞选算法 1 s h a f f e r sf 5 ： 讹，= 志嘻面 l ， 其中，x ， - - 6 5 5 3 6 ，6 5 5 3 6 】，i = 1 ，2 ， f - 3 2 1 6 01 63 2- 3 2 01 63 2 1 a p2 l 一3 2 3 2 3 2 3 2 3 2 16 3 23 2 3 2j 此函数有多个局部极大值点，全局极大值点为( 3 2 ，3 2 ) ：全局极大值为1 0 0 2 。 当优化结果大于1 0 0 0 时认为算法收敛。 2 s c h a f f e r 6f u n c t i o n 函数： z ( x , y ) - - o 5 - 酉s i n 面24 丽x z + y 2 可_ 0 矿5 ( 2 2 ) ii + u u ui ir + 1 ，li 其中，一【- 1 0 0 ，1 0 0 】，i = 1 ，2 。 此函数有无限个局部极大点，其中只有一个( 0 ，0 ) 为全局最大，最大值为1 。自 变量的取值范围均为( 一1 0 0 ，l o o ) 当优化结果大于o 9 9 5 时认为算法收敛。 3 g o l d s t e i n