织针是针织加工中的关键核心件,其精度要求高,直接关系到针织品的产量、质量以及成本。织针精细多样,加工过程中容易产生左右和前后方向的变形,检测检验是织针生产的必须环节。目前,国内制针企业高度依赖于人工检测手段并进行手动分拣,检测效率低、检测准确性差、人为因素影响较大,人工检测已经越来越难以适应高品质织针生产的要求。改进检测方法和检测手段、提高检测水平,是织针生产行业亟待解决的重要课题。本文作者应用机器视觉技术,通过对课题组原有硬件和软件系统进行优化调整,实现了花边针的自动分拣任务。在系统平台的整体设计改进、系统相机标定、图像处理方面进行了深入的研究。主要研究内容和结果如下:首先,进行视觉分拣系统的整体设计。具体包括光学成像系统设计和自动分针机构设计。通过对比104槽针,根据花边针的形状特征以及系统性能需求,分析确定了成像系统的光源和照明方式,并确定了相机、镜头型号;针对花边针轮廓特征,研制了新的自动分针送针机构。其次,通过深入分析视觉分拣系统相机标定的理论,完成了参数标定和畸变矫正。通过分析相机标定原理,采用张氏相机标定法采集棋盘格标定图对系统相机进行标定;使用已知物理尺寸的矩形金属块,对像素当量进行计算校准;并利用相机1的内外参数以及畸变参数,对适配的镜头1矫正图像的径向畸变。为相机2选择使用远心镜头2,畸变可以忽略不计。然后,对视觉分拣系统的花边针左右图像进行处理算法设计。花边针“弓”型弯曲的形状特点,导致失焦模糊问题。通过调整相机的景深无法解决,为此采用了图像锐化处理方法。经过多种锐化算法实验比较,引入非线性反锐化掩膜算法进行边缘锐化处理;利用阈值分割、面积筛选和最小外接矩形完成左右方向图像分割、定位,通过分段检测测量针身较长的左右花边针物像与倒影之间的间隙值,将间隙值作为合格判定依据完成左右变形测量;并通过实验可知,未去镜头畸变的间隙值稍大于去除畸变后的间隙值,锐化后的图像在进行左右检测时可以减少数值跳动范围,减少了左右检测误差,提高了检测稳定性。最后,对视觉分拣系统的花边针前后图像进行处理算法设计。通过实验对比滤波效果,采用中值滤波算法减少噪声对图像质量的损害;根据花边针在图像中的大致位姿范围,引入基于中值滤波的局部滤波算法,提高了滤波速度;利用对称结构元素闭运算去除前后图像中针身和背景部分的毛刺、颗粒;通过基于形状的模板匹配算法和轮廓对比法完成花边针的前后变形检测。对花边针进行了机器视觉检测分拣实验,结果表明经过分拣系统分拣后的花边针,左右、前后方向的一致性均较好。系统检测精度可达到0.0135mm以上,检测速度可以达到70枚/min。