针对现有的电能表一致性检测系统需要机械固定装置、只能在室内环境运行等问题,于安卓平台开发了便携式手持终端智能电能表一致性检测系统。本文基于计算机视觉、多目视觉测量、人工神经网络等技术,设计了印制线路板图像配准和元件异常检测、外观尺寸测量与字符识别算法,然后于安卓平台制作相应的功能模块完成系统开发。实验结果表明,此系统检测正确率高,运行速度快,尺寸测量误差在3%以内,具有较好的应用价值和推广价值。 浮点类型数据以及其匹配过程以欧氏距离为度量[5]。综合考虑手持终端硬件性能限制以及算法的时间空间复杂度，系统开发时配准模块选用计算速度更快、电能表一致性检测系统-电动折弯机数控钢管缩管机张家港液压钢管滚圆机滚弧机折弯机描述子为二进制数据、以汉明距离为度量的BRISK特征点为配准依据，经改进后可以满足实际配准需求。在实验过程中发现，即使是表现最好SIFT特征点在本系统应用场景下匹配正确率也仅有65%~75%（如图1所示），直接用来计算透视变换矩阵极易产生错误的结果。针对复杂场景下特征点匹配正确率低的问题，改进描述子或特征点定位流程是一种常见做法[6][7]。但在本系统应用场景中，  

转载中国知网整理! www.suoguanjixie.name元件位置存在微量偏移、焊点形状不一致、元件字符有漏印叠印等情况，这使得图像细节的相似性较差，改进特征点的描述子不能稳定提高匹配正确率。鉴于特征点描述子只能表征特征点附近区域的图像信息忽略了其他有用信息，本文选择添加匹配点对间的距离比值信息作为约束条件对原始匹配结果进行筛眩图1原始SIFT算法配准结果原始匹配结果存在以下几种现象：匹配结果中错误的匹配点对数目一般小于总的匹配点对数目的30%；将模板上的点与无关背景上的点配对是很大一部分错误点对产生的原因；取两正确匹配点对，其在模板图上两点距离与测试图上两点距离的比值大致恒定。基于上述现象，本算法采用匹配点对间的距离比值信息作为筛选标准。具体做法如下：（1）仅根据特征点特征向量的相近程度生成匹配点对V匹配点对Vi中包含模板中一点vio及测试图中一点vit。（2）对每两对匹配点Vi和Vj(i≠j)计算并记录它们在测试图中两点的距离与模板图中两点的距离形成的比值i电能表一致性检测系统-电动折弯机数控钢管缩管机张家港液压钢管滚圆机滚弧机折弯机   转载中国知网整理! www.suoguanjixie.name