随着加工制造业对智能化、自动化水平需求的不断提升,机器视觉作为提高企业生产效率和自动化程度的核心技术而被广泛应用在各个领域中。目标检测及跟踪技术是机器视觉的一项重要研究内容,但在复杂且对精度要求较高的工业生产车间中,如何准确、稳定地对目标进行检测、跟踪成为一大难题。本文研究了一种基于机器视觉的盘类工件检测及跟踪方法,目的在于为盘类工件制造企业在上料仓上料的过程中提供一种准确性高、鲁棒性强的检测跟踪技术手段。本文主要研究内容如下:首先,根据企业技术要求确定了盘类工件检测跟踪系统的整体设计方案,并对硬件系统的关键部件进行了选型,确定了满足系统性能指标的装置与设备,构建了基于机器视觉的盘类工件的检测跟踪系统硬件平台。其次,研究了基于机器视觉的盘类工件检测及跟踪技术的图像处理算法,在比较分析常用处理方法的基础上,给出了最适合本系统的方法;针对上料仓所处环境的复杂性,提出了基于HSV颜色空间的动态获取感兴趣区域方法,并设计了以双峰法获取阈值,结合帧间差分法和背景差分法的方式来检测运动的盘类工件;针对图像畸变,对相机进行了有效标定,结合盘类工件的先验知识,采用Canny算子对工件进行边缘提取、筛选,通过拟合圆形曲线框对工件进行跟踪。最后,完成了盘类工件检测及跟踪软件系统的设计,实现了图像采集、处理分析与显示,以及友好的人机交互等功能。现场测试结果表明:本文所提出的动态获取感兴趣区域图像处理方法简洁有效,可以大幅消除图像中的扰动信息;设计的检测算法有效、稳定,检测准确率高;设计的基于先验知识的边缘检测、筛选算法精确度高,可以满足系统的跟踪要求。综上,本文所研究并实现的盘类工件检测跟踪系统能够达到预期的项目目标。