振动筛厂家提出了一种超声波振（zhèn）动筛网经丝和纬丝夹角的自动检测方法，首先用改（gǎi）进的Harris算法检测角点（diǎn），解决了Harris漏检和误检的问题，与目前的改进（jìn）的Harris算法相比，在保证检测精度的前提下提高了检测效率，为后续的边缘拟合打（dǎ）下了基础。然（rán）后用Canny算子预检测筛（shāi）孔边缘，再（zài）结合Facet做亚像素边缘检测，提高了检测精度（dù）。**后（hòu）检测（cè）出超声波振动筛网经丝和纬丝的夹角，实验证明本文所提（tí）出的方法能够提高角度检测的精度。

超声波振动筛

1.角点预（yù）筛选

考虑到判断角点分布及处理伪角点所花的（de）时间，为了提高超声波振动筛（shāi）角点的检测效率，本文先对图像的像素进行预筛选，排除一些明显不可能成为角点的像素点。传统的（de）Harris角点检测算（suàn）法是根据图像（xiàng）中每一个点的像素梯度值的（de）变化，来判定某点是否为角点。在一定范（fàn）围内梯度变化越大的（de）点越可能成为角点，也就是说（shuō）在（zài）角点周围（wéi）一定大小的邻域内，像素的灰（huī）度值变化是很大的。那（nà）么反过来，在非角（jiǎo）点像素（sù）的领域内，像素（sù）灰度值基本不变，甚至有可能相等（děng）。

2.正态法去除伪角点

根据预筛选后检测出的“角点”，求出在Y轴和X轴上的角点分布（bù），如图3和图（tú）4所示。将纵（zòng）、横角点分布按其聚（jù）集（jí）程度分成块，那么每一块实际上就是超（chāo）声波振动筛每一列或者每一行的角（jiǎo）点分布，通过Kolmogorov-Smirnov方法验证，能够得出角点在纵、横方向上的分布的确符合正态分布，与之前的假设相（xiàng）等。

对于一些分散分布在X轴或Y轴方向上的孤立点，或者点的（de）个数累计不超过行数或列数1/3的点(这1/3是经过多次实验所得)，在分块时直接将其删除，因为这些必然是伪角点。然后（hòu）求出每一行和（hé）列的正态分布，设置其置信区间，根据多次（cì）测试效果，取置（zhì）信区间为9600，去（qù）掉所有伪（wěi）角点。  

联系（xì）电话：18638319063微信同号