摘 要

近年来，随着我国工业实力的不断提升，各种加工车间如雨后春笋般在全国各地兴建。为了保障加工车间能够正常安全的生产和运行，检测和监控设备是必不可少的。由于加工车间的机床等设备一般采用信号灯来表示其自身的状态，因此，设计一种能对加工中心信号灯的颜色及状态进行检测与识别的系统就显得尤为重要。

对车间信号灯状态的检测和识别算法进行了研究，通过图像识别的方法，用监控摄像头实时采集信号灯图像，将其转换为HSV颜色空间，然后通过识别信号灯颜色的方法找到图中信号灯对其进行状态判断，借此，判断出车间设备是否正常运行。

对设计的车间信号灯检测及识别系统进行大量的实验分析，结果表明，车间信号灯状态识别的算法达到了预期的效果，能够从环境中提取出信号灯并对信号灯的状态进行识别，其实时性和识别率满足要求。

关键词：机床信号灯；状态检测与识别；图像处理；HSV颜色空间

Abstract

In recent years, with the continuous improvement of China's industrial strength . Various processing workshops have sprung up and been built all over the country . In order to ensure the normal and safe production and operation of the processing workshop, testing and monitoring equipment is essential. Because the machine tool and other equipment in the workshop generally use a signal lamp to indicate its own state. Therefore, it is very important to design a system that can detect and identify the color and state of the workshop signal lamp.

The detection and recognition algorithm of the state of the workshop signal lamp is studied. By means of image recognition, use the surveillance camera to collect the signal lamp image in real time, and convert it into HSV color space. Then, by identifying the color of the signal lamp, we find the signal lamp in the figure to judge the state of it and use this to determine whether the machine tool equipment is operating properly.

A large number of experimental analysis is carried out on the detection and identification system of workshop signal lamp designed in this paper. The results show that the algorithm of workshop signal lamp state recognition designed in this paper achieves the expected effect, ability to extract signal lamp from complex environments and identify the status of signal lamp and the timeliness and recognition rate meet the requirements.

Key Words：Machine Tool Signal Lamp ;Signal Lamp detection and identification；image processing；HSV color space

目录

第1章 绪论 1

1.1 选题背景及意义 1

1.2 国内外研究现状 2

1.2.1 国外研究现状 2

1.2.2 国内研究现状 2

1.3 信号灯识别的难题 3

1.4 论文的工作内容与结构安排 4

1.4.1 论文的主要工作 4

1.4.2 论文组织结构 4

第2章 系统理论知识 6

2.1 视觉系统选取与安装 6

2.2 颜色空间选择 6

2.3 系统的整体设计 8

2.4 本章小结 9

第3章 信号灯检测 10

3.1 将图像转为HSV色彩空间 11

3.2 HSV图像处理 11

3.2.1 设置颜色分量范围 11

3.2.2 图像二值化 12

3.2.3 形态学滤波 13

3.3 信号灯分割 16

3.4 本章小结 20

第4章 信号灯状态识别 21

4.1 图像灰度化 22

4.2 直方图均衡化 23

4.3 信号灯状态识别 24

4.4 本章小结 26

第5章 结果远程传输 27

5.1 TCP/IP协议介绍 27

5.2 本章小结 28

第6章 系统实验分析 29

6.1实验环境 29

6.2 实验结果 29

6.2.1 识别结果正确 29

6.2.2 识别结果错误 31

6.3 实验结果分析 36

6.3.1 性能评价指标 36

6.3.2 结果分析 36

6.4 本章小结 36

第7章 总结与展望 38

7.1 工作总结 38

7.2 未来工作展望 38

参考文献 40

致谢 42

第1章 绪论

1.1 选题背景及意义

随着近些年我国经济的高速发展，不仅我国国民的生活水平日益提高，而且国家的科技和工业实力也得到了长足的进步。工业的发展带来了制造业的进步，国家也不断加大对制造业的投入，各种先进的机床逐渐出现，生产车间逐步趋向智能化和无人化，车间的生产效率在不断提高，但是，生产成本却在不断地下降，工人数量不断减少。

为了提高车间的安全性，许多国家都投入了大量的资源开发相关的技术。而车间的设备状态是否正常是通过其安装的信号灯来表示的，车间的监控系统正是通过获取设备信号灯的提供的信息来判断设备的运行状况，可见，车间信号灯检测与识别系统作为车间的重要组成部分之一，对车间的安全生产起着举足轻重的作用，是车间能够正常生产和运行的重要保障。因此，国内外许多学者，研究人员都花费了大量精力在此类系统的研究上。但是与其他研究相比，世界范围内，车间信号灯识别领域的研究远远落后。车间信号灯检测与识别系统作为车间中重要的分支系统，不仅具有重要的研究价值，而且实用意义也不可小觑，这在以下几个方面得以体现：

车间信号灯可以提供许多设备的重要信息，车间的自动控制系统或人工可以根据检测系统采集到的信号灯状态数据进行相应的操作，从而减少事故的发生，减少时间和财产的损失。因此，一个完善的信号灯检测与识别系统对车间的安全和发展具有重要的意义。

另一方面，当今全世界的色盲和色弱人口数量占全球人口的7%-8%，这些人存在颜色辨识障碍，他们辨别颜色的能力不足，有些人甚至完全不能分辨颜色。这些缺陷限制了他们能选择的工作。如果车间的工人不能正确识别信号灯的颜色的话，那么极有可能会引发重大事故。因此，自动化的信号灯检测与识别系统可能让他们能在车间工作，为制造业的发展带来一股新鲜血液，也减少了社会对这一群体的偏见与歧视。同时，当工人们由于长时间工作变得疲劳或忽略了信号灯时，危险极易发生，通过信号灯检测与识别系统，能很好地保障工作人员的安全。

随着科技的进步，机器视觉和图像处理等研究领域的研究也得到了长足的推进，为利用图像处理的方法检测和识别信号灯奠定了坚实的基础。所以，设计一种基于视觉检测的加工中心信号灯检测与识别系统来实时、准确的检测识别车间信号灯的状态，用于车间保障工作人员的人身安全具有重大的研究价值和现实意义。

1.2 国内外研究现状

目前各国的许多学者、机构都对信号灯的检测识别方面进行了细致深入的研究，现有的广泛使用的信号灯状态检测识别算法有以下几种。

1.2.1 国外研究现状

2006年，Mahipa.R.Yelal^[1]等设计了一种算法正确检测到了圆形信号灯，该算法需要首先将其他颜色空间图像转换为Lab颜色空间，然后进行图像分割得到候选区域，并进特征提取。该算法的颜色空间转换减少了参数，鲁棒性得到增强，但是该算法对环境的要求较高，复杂背景下识别率较低，不能满足车间的使用环境。

2009年，日本东北大学的Masako Omachi^[2]等人提出一种利用边缘和颜色信息来进行信号灯检测的方法，这种算法需要先将RGB颜色模型进行归一化处理，然后把图像进行分割，提取出满足信号灯颜色特征的区域，将之作为候选区域，之后通过霍夫变换检测候选区域的边缘特征，检测是否存在与信号灯形状相似的区域。虽然该算法的实时性满足要求，但是其抗干扰的能力不足，无法有效排除其他发光物体的影响，且其对光照条件的要求较高。

Raoul de Charette^[3]等人在2009年提出一种基于信号灯亮度信息检测圆形信号灯的方法。该算法先通过对信号灯的形状进行几何滤波，滤掉大部分背景，然后通过模板匹配识别信号灯。该方法设置了比较严格的滤波条件，得到的结果较为准确，但是需要处理的东西太多，实时性得不到满足。
Fairfield.N^[4]等设计了一种基于信号灯地图的检测方法。该方法需要在事先生成信号灯的位置和环境信息，将其输入电脑，然后采用摄像头识别。这样的好处是摄像头可以根据数据对不同位置的信号灯作出不同的处理，这提高了信号灯的识别准确率，但是需要做的前期准备较多，且处理速度得不到满足。

1.2.2 国内研究现状

湖南大学的谭乃强^[5]等人于2010年提出了一种针对交通信号灯的实时检测识别算法，该算法基于Lab色彩空间和模板匹配，通过面积、长宽比等几何特征滤掉滤波得到候选区域，然后通过匹配准备好的信号灯检测出信号灯。但此算法在复杂环境和天气条件下抗干扰能力不足，容易发生误检。

2011年，同济大学的武莹^[6]等提出了一种综合利用颜色信息和形状特征来识别信号灯的方法。该方法首先通过颜色特征提取出信号灯候选区域，然后通过形状特征判断信号灯是否存在，由于RGB颜色空间对光照较为敏感，因此该算法采用HSI颜色空间来解决光照问题。之后利用信号灯特有的几何特征和模板匹配识别出信号灯。

2012年，中山大学的谷明琴^[7]公布了圆形信号灯识别的新方法。该方法先把图像二值化，然后对二值化图像作形态学滤波处理得到感兴趣区域，计算感兴趣区域的圆形度，将满足圆形度的区域作为候选区域。最后把候选区域转换为HSI颜色空间，统计颜色直方图，以颜色直方图分布特点识别信号灯。

2014年，西北工业大学的任立新^[8]等人提出一种信号灯的检测系统方案。该方案以单片机作为主控制器，通过电流采集模块采集信号灯的电流并将其转换为单片机能识别的电流逻辑值，控制信号采集模块采集信号灯的控制信号，GPRS通信模块将数据远程传输到远处的监控终端，主控制器通过对数据进行分析从而判断信号灯状态。

乔志龙^[9]等于2015年提出了一种新型的信号灯检测方法。该方法基于电磁互感原理。将信号灯驱动电流转换为二次电流，然后对二次电流采样，再通过整流电路将采样电压将整流、放大，最后送到ADC进行处理，得到驱动回路电流。利用光耦合器检测驱动回路电压，从而判断信号灯状态。

综上所述，信号灯的检测识别大致有两种方法，一种是基于信号灯内部的电参量信息，通过检测信号灯内部的电压、电流等参数识别信号灯状态；还有一种是基于图像处理的信号灯识别，这种方法也主要分为两类。一类是利用颜色信息的信号灯识别。此方法在信号灯与背景对比强烈或背景比较简单的情况下较为实用，但对复杂环境或光照强烈的情况识别率略显不足。另一类是根据形状特征识别信号灯。此方法对颜色和光照的要求不高，但是当环境中存在形状特征与信号灯相似的物体时，很大概率会导致识别失败。当综合考虑颜色信息和形状信息时，可以有效排除使用单种方法带来的局限性，但是系统的实时性会受影响。

1.3 信号灯识别的难题

虽然计算机视觉和图像处理技术在飞速发展，但是在当前情况下，还是存在着许多因素影响着信号灯的检测与识别的效率和准确率，制约着信号灯检测识别系统的实用化。总结起来，大体主要有以下几种：

（1）光照条件的影响。在实际的车间使用中，由于可能存在光照不足或是光照强烈的情况，导致摄像头拍摄的车间信号灯的颜色也会有差别。

（2）环境背景复杂。在车间中，由于空间使用率较高，导致不同设备间距离很近，加上摆放的各种工具，人员的走动，这在一定程度上会增加背景的复杂性。

（3）实时性和识别率要求较高。由于车间信号灯是用于指示各种设备的运行情况，因此对系统实时性的要求和识别率的要求都较高，如果作复杂的增强图像的处理则会导致实时性不能满足；如果要满足实时性则图像处理的速度要快，识别的条件要少，但是识别率就达不到要求。

1.4 论文的工作内容与结构安排

1.4.1 论文的主要工作

通过对国内外现有的信号灯检测与识别算法的现状和发展的分析，发现大部分算法都只支持对圆形信号灯的检测，而对车间常使用的柱状信号灯的检测与识别算法几乎没有，因此选择车间信号灯作为研究对象，研究重点为车间信号灯的状态识别。

由于车间信号灯大都使用红、绿、黄三种颜色指示设备的运行情况，且三种颜色的排列顺序基本都为红灯在上，黄灯在中间，绿灯在最下边的竖直排列。因此将车间信号灯各灯的颜色结合排列顺序综合考虑，在图像中提取出信号灯并进行状态识别，这样能排除绝大部分干扰且实时性也能得到满足。

1.4.2 论文组织结构

基于图像处理的车间信号灯的检测与识别目前面临很多难题，需要做大量的深入研究。考虑到系统的实用化要求，设计车间信号灯的检测与识别方法，希望能为以后的车间信号灯检测识别技术提供借鉴和帮助。

具体的组织安排如下：

第1章 绪论。对研究内容的意义和现状进行总体论述，对当前国内外的一些信号灯检测识别技术做介绍，指出其中的特点和不足之处。同时，对车间信号灯的检测识别所面临的难点进行说明，最后介绍研究内容。

第2章 系统理论知识。介绍车间信号灯形状、颜色特点和基本安装位置，对摄像头数量、参数、安装位置等做阐述，对怎样选择适合车间信号灯的颜色空间问题进行解释，最后介绍系统整体方案。

第3章 信号灯检测。首先将摄像头采集的RGB图像转换到HSV颜色空间，根据设置的颜色阈值滤掉大部分背景得到各颜色灯候选区域，对候选区域进行形态学滤波处理并通过判断各灯候选区域的排列顺序来提取信号灯。

第4章 信号灯状态识别。将摄像头采集的图像灰度化，通过前后帧图像灰度平均值对比，判断各颜色灯的状态。

第5章 结果远程传输。使用TCP/IP协议将识别结果远程传输。

第6章 系统实验分析。对设计的系统做实验分析，找到系统的缺陷，根据在各种环境下的使用结果，得到系统的性能指标。

第7章 总结与展望。总结论文的全部内容，对今后车间信号灯检测识别的系统的发展作出展望。

第2章 系统理论知识

2.1 视觉系统选取与安装

对车间的每一台信号灯都需要安装一个摄像头。摄像头应安装在距离信号灯80到100厘米，高度与黄色灯中间平齐的位置，保证能将整个信号灯完整的捕捉进图像中。

因为后期处理主要基于信号灯的颜色进行，对其他的细节要求不高，所以摄像头的分辨率也不用很高，高分辨率虽然使图像更清晰，但是相应的图像质量也会更大，会增加后期处理时间，因此，摄像头分辨率选择640，但需要彩色摄像头采集彩色图像。为了防止摄像头抖动或者信号灯的位置变化带来对焦的问题，摄像头应具有自动调焦的功能。因为RGB最常用的色彩空间，且后期需要用到RGB图像，jpg为最常用的图像格式，所以摄像头输出格式为RGB，拍照格式为jpg格式。摄像头的参数如表2.1所示。

表2.1 摄像头基础参数

2.2 颜色空间选择

世界之所以如此丰富多彩是因为世界上充斥着无数的颜色，人们通过眼睛捕捉颜

色，并在大脑里面留下了“美”的感受。色彩不仅能让人感受世界之美，在机器视觉、图形图像处理方面也有着及其广阔的应用。在可接受的条件下，为了使得颜色规范更简

洁，人们用数字信息建立了抽象的颜色模型，并将其称为色彩模型^[10]。根据色彩的感知角度不同，色彩模型可以分为以下几类：

（1）强度/色度/饱和度色彩空间。利用亮度、明度、色度、饱和度等概念，通过色度和饱和度来表征颜色信息，这种方式使颜色的表示更加直观，而且可以消除亮度阴影的影响。典型的色彩空间有：HSI、HSV^[11]等。

（2）混合型色彩空间。通过混合的原色比例不同来表征颜色，典型的色彩空间有

CMYK、RGB等。

（3）亮度/非线性色度色彩空间。用两个分量表达色彩，只利用其中的一个分量表

示非色彩。如YCbCr^[12]等。

在车间信号灯的检测过程中，最重要的是怎样使用信号灯的颜色信息来分割出候选区域。所以，能否选择一个恰当的色彩空间，会对目标的检测结果产生极大的影响，关乎检测的成败，下面简要介绍几种常用的色彩空间：

（1）RGB色彩空间。RGB色彩空间是图像处理中最常用的色彩空间。一般摄像头采集到的图像就是分成R、G、B三个分量保存的。这三个分量受亮度的影响很大，会随着亮度的变化而改变，所以RGB图像容易受到光线强度和阴影等方面的影响，用于颜色描述时有诸多限制。所以，RGB色彩模型适合于显示系统而不适合于图像处理。因此，需要将RGB彩色图像转换到其他更合适的色彩模型中处理^[13]。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：