摘要：通为了提高加热炉内异常情况图像识别的识别率和识别效率，提出基于机器视觉的加热炉内异常情况图像识别方法。设计采集模块结构和连接结构，实现加热炉内异常情况图像的采集；通过加权平均的方法处理图像灰度；归一化图像尺寸，通过图像增强操作提高加热炉内图像的识别率；采用Niblack算法完成图像的二值化处理，缩短识别时间；设计特征匹配模板，提取图像特征，以此完成加热炉内异常情况图像的识别。实验结果表明，所提方法的识别率高达90%,虚报率控制在2%,识别时间为0.03s,提高了识别率和识别效率。 关键词：机器视觉；加热炉异常；图像识别；特征提取 下载高清全文——基于机器视觉的加热炉内异常情况图像识别方法研究.pdf