摘要：针对高速流水线上小视场目标检测中特征不易挖掘、毫秒级周期快速响应等问题,以香烟滤棒爆珠流水线检测为例,提出了一种基于稀疏特征的小视场高速检测算法。首先通过调整光源,设计出具有强鲁棒性的光斑特征;其次采用稀疏表示和字典学习获得光斑的投影直方图特征。为了克服非结构化背景的干扰,还结合了马尔可夫-贝叶斯推理从而减少了光斑误检率,最终实现了低对比度情况下爆珠的高速精准识别。基于稀疏特征的小视场高速检测算法分别在仿真和实验平台上进行了验证测试,结论表明提取的光斑特征可以克服爆珠颜色、尺寸和环境低对比度等干扰,保持特征的稳定性。融合的马尔可夫-贝叶斯的稀疏表示算法可以提高光斑的识别精度。该方法可以实现3 000次/min检测,检测精度可达到99.5%。

关键词：高速机器视觉 光斑 稀疏表示 字典学习 

单位：南通大学电气工程学院; 南通226007; 南通先进通信技术研究院; 南通226007; 上海大学机电工程与自动化学院上海市电站自动化技术重点实验室; 上海210053; 英国莱斯特大学信息学部; 莱斯特LEI; 7RH; 江苏大学; 浙江大学