工业视觉检测系统需求分析报告

闽江学院本科毕业设计------需求分析报告题 目：基于Opencv的工业视觉检测系统学生姓名： 林杰生学 号： 3111101108 系 别： 计算机科学与技术年级专业： 2023级网络工程 指导教师： 陈伟完成日期： 2023-12-6一、工程分析工程目的随着科学技术的进展，机器视觉技术也取得了长足的进展，目前已经广泛的应用在各个OPENCV技术来推断简洁的工业零件外观是否合格。工程功能模块图二、技术需求分析1、工程技术性需求分析本工程工业视觉检测系统是基于本工程工业视觉检测系统是基于window7MicrosoftVisualStudio2023和基c/c++opencvOpencv下特点：A、开放cB、intelC、统一的构造和功能定义D、强大的图像和矩阵运算力气E、便利灵敏的用户接口F、同时支持MS-WINDOWSLinux2、工程功能性需求分析计算机视觉〔OpenSourceComputerVisionLibrary，OpenCV〕是将静止的图像或视频的数据转换成一个决策或者一种的表达方式的过程，全部的这些转换都是为了到达某个OpenCV它为图像处理、模式识别、三维重建、物体跟踪、机器学习和线性代数供给了各式各样的算法。开源的计算机视觉类库OpenCV由英特尔公司位于俄罗斯的争论试验室所开发，它是C函数和C++类所组成的库，用来实现一些常用的数字图像处理及计算机视觉的一些算法。由于OpenCV的源代码是完全免费开放的，而且源代码的编写简洁高效，特别是其中大局部的函数都已经过汇编最优化，Intel厂商的支持，提高了运算速度。由于OpenCV的代码优化的比较好，执行效率高，所以近年来在国内外的图像处理和其他相关领域中被广泛地应用，成为一种流行的图像处理软件。OpenCVCV模块包含根本的图像处理函数和高级的计算机视觉算法ML是机器学习库，包含一些基于统计的分类和聚类工具。HighGUI包含图像和视频的输入/输出函数。CXCore包含OpenCV的一些根本的数据构造和相关函数。图中没有包含的CvAux模块，该模块一般存放一些马上淘汰的算法和函数〔如基于嵌入式的隐马尔可夫模型的人脸识别算法，同时还有一些消灭的试验性的算法和函数〔如背景和前景的分割。将来一些特性可能被合并到CV模块，还有一些可能永久留在CvAux中。OpenCV关注的不仅仅是实时的算法，它也会连续倾向实时的处理技术。计算机视觉从产生之初到现在，越来越广泛的被运用到各个领域。例如：人机互动、物体识别、图象分割、人脸识别、动作识别、运动跟踪和机器人等等。从产品检测到互联网图像和视频的检索，到医学应用甚至在火星上的局部导航。OpenCV供给的数据类型的混合和标准统一的函数能够为物体检测、分割和识别提取出更好的特征，这都为车牌识别系统的实现供给了良好的根底。三、市场需求分析1态视频流的实时识别。静态图像识别技术的识别有效率较大程度上受限于图像的抓拍质量，为单帧图像识别，目前市场产品识别速度平均为200毫秒;而动态视频流的识别技术适应性较强，识别速度快，它实现了对视频每一帧图像进展识别，增加识别比对次数，择优选取车牌10工业视觉检测系统目前已经成熟应用于各类的工业生产中推断零件是否合格，以到达提高产品质量的目的。2、工业视觉测量系统进呈现状综述机器视觉自起步进展到现在，已有15年的进展历史。应当说机器视觉作为一种应用系统，其功能特点是随着工业自动化的进展而渐渐完善和进展的。目前全球整个视觉市场总量或许在60～708.8%的增长速度增长的。觉的需求将承上升趋势。一、机器视觉的定义及特点觉产品〔即图像摄取装置，分CMOS和CCD两种〕将被摄取目标转换成图像信号，传送给专些信号进展各种运算来抽取目标的特征机器视觉系统的特点是提高生产的柔性和自动化程度造的根底技术。的反响就是国内对于机器视觉的需求将越来越多。3、工业视觉检测系统在国内外的应用现状在国外，机器视觉的应用普及主要表达在半导体及电子行业，其中或许40%～50%都集中在半导体行业。具体如PCB印刷电路：各类生产印刷电路板组装技术、设备；单、双面、多层线路板，覆铜板及所需的材料及辅料；关心设施以及耗材、油墨、药水药剂、配件；电子封装技术与设备；丝网印刷设备及丝网周边材料等。SMTSMT接设备、测试仪器、返修设备及各种关心工具及配件、SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等；再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备：电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用举足轻重的地位。除此之外，机器视觉还用于其他各个领域。域进展了乐观思考和大胆的尝试，逐步开头了工业现场的应用。其主要应用于制药、印刷、领域也有着很好的进展空间。4、中国工业视觉检测系统将来进展趋势去单纯的采集、分析、传递数据，推断动作，渐渐朝着开放性的方向进展，这一趋势也预示着机器视觉将与自动化更进一步的融合。四、参考文献刘瑞祯，于仕琪．