1.1课题研究的目的与意义

汽车油管作为汽车发动机的重要元件，其质量的好坏直接影响汽车发动机的质量。当油管顶端剥皮长度不合格时，会影响油管的后期加工，因此油管顶端的剥皮长度检测及其重要。针对目前人工检测精度不高、效率低下等问题，本课题基于机器视觉对汽车油管顶端剥皮长度进行检测研究，通过阈值分割、边缘检测等算法完成长度的在线测量。

机器视觉技术是研究用计算机模拟生物外显或宏观视觉功能的技术。它是一项综合技术，其中包括机械工程技术、光源照明技术、传感器技术、数字图像处理技术、人工智能、控制技术、电光学成像技术、计算机软硬件技术等上述技术在机器视觉中均是并列关系，只有相互协调组合运用才能构成一个成功的工业机器视觉应用系统。人类视觉系统的识别能力是有限的，而机器视觉技术则能精确定量感知，并且在不可见物体和危险场景的感知方面体现了其优越性。在工业领域中，该技术已成功地用于产品质量检验、零件的识别与定位、精密测量、刀具磨损监控和移动机器人导航等领域。同时，机器视觉技术又是一种无破坏非接触性的检测方式，非常适合于各种表面和端面的指标检测。基于机器视觉的工件质量只能检测分类系统具有客观、稳定的检测能力，有效地解决了人工检测成品工艺存在的主观性误差。同时，还能对检测到的信息进行分析处理，从而实现对工件的等级分类。

阈值分割法是一种基于区域的图像分割技术，原理是把图像象素点分为若干类。图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。

边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。

机器视觉技术完全可以用来代替人工进行工件鉴别工作，实现了从另一个角度来对工件进行更客观是否合格判别，解决了检测是否合格的标准统一问题。鉴于此，以机器视觉中的数字图像处理技术、人工智能技术和计算机软硬件技术所组成的基于机器视觉工件合格检测，能够实现自动检测的目的。

若能研究出基于机器视觉的检测油管顶端剥皮长度是否合格的智能系统，并将其与自动化生产线相结合，则可以使自动化生产的生产率提高；同时工人的劳动强度大大降低；工人可以不必再进行长度识别的工作，工作强度大大降低，视力的损害降到最小；能够有一个客观的检测标准，避免了人工主观判别的局限性。对于产品的质量的把关，保证产品的质量，降低对工人的视力伤害具有重大的意义。

1.2国内外研究现状分析

在现代化大生产中，视觉检测往往是不可缺少的环节。机器视觉技术的迅速发展，使其在一定程度上可以取代人工视觉完成一些工作，特别是高速、大批量、连续自动化生产中的质量检查、对象辨识和尺寸测量等人工难以完成的任务。在缺陷检测领域，机器视觉检测技术与传统的人工目视检测相比，具有快速、可靠和准确的优点。

典型的视觉检测系统从功能上划分为以下几个模块：图像采集模块、图像处理和分类识别模块、数据存储和后处理模块、人机接口和操作终端模块以及网络连接模块等。图像处理和分类识别模块完成图像预处理、目标检测、目标分割、特征提取和缺陷分类等功能。

自20世纪70年代以来，国内外学者和研究机构对油管顶端剥皮长度检测系统开展了卓有成效的工作，典型的检测方法包括：基于激光扫描的检测方法、基于涡流的检测方法、基于红外辐射探伤的检测方法、基于激光超声探伤的检测方法和基于CCD成像的机器视觉检测方法。

2. 研究的基本内容与方案

2.1基本内容

开发一套完整的汽车油管顶端剥皮长度合格检测系统，解决实际的应用需求。针对汽车油管顶端剥皮长度，在生产中出现的各种不合格剥皮长度的油管进行高效检出。并且针对检测出来的每一个长度不合格，进行准确的识别。