在工业生产中，为了保证产品的质量，必须对产品进行诸如尺寸、表面光洁度以及强度等参数的检测。随着企业生产规模化，传统的人工检测方法会因检测工作量变大、检测速度和精度提高等影响，导致检测质量波动较大。

基于机器视觉的检测技术由于具有自动化程度高、精确性好，并且可以实现非接触测量等优点，被广泛地应用于工业检测和质量控制领域。为了顺应现代工业检测的发展趋势，本项目利用机器视觉与图像处理技术，在现有的实验条件下以测量吻合器的仓钉高度差作为研究对象，对基于机器视觉的吻合器仓钉二维尺寸测量方法开展了深入的研究和分析。概括本项目所做的研究工作，主要包括以下几点:1)硬件平台搭建。在分析系统构成以及各个硬件性能参数的基础上，从实际需求出发，选择合适的硬件，搭建出包括计算机、CCD图像传感器、镜头等在内的测量平台。同时，对测量系统的软件结构和工作流程也做了简要地介绍。2)图像预处理方法分析与选择。对常用的图像滤波、阈值分割、边缘检测等算法进行研究，通过试验比较它们对吻合器仓钉图像的处理效果，找到适合本项目的图像处理和检测方法。3)提出了一种基于人工鱼群算法(AFSA)的吻合器仓钉的检测方法，以实现通过较少的内存资源和时间消耗，快速而准确地进行吻合器的仓钉高度差检测。

客户评价：系统实现了高精度的尺寸测量。