一、总体设计：

　　金属分选机采用 Opencv为软件开发平台，实现摄像机参数设置、图像预处理、颜色特征提取、图像匹配、结果显示等

　　二、废有色金属图像识别算法设计：

　　废金属物料表面通常有磨损，划伤，在对图像特征提取前需要进行预处理，考虑到工程的实际情况，本文选择5*5的圆形模板加窗中值滤波器对废物料图像进行处理。摄像机在工业现场采集的图像除了包含有废物料的图像外，还夹杂有复杂的背景图像，会给目标图像的特征提取造成干扰Ycrcb颜色空间能够减少RGB颜色空间色彩通道的冗余，利用该空间进行彩色图像分割，图像分割后用色调和亮度来表示颜色信息。

　　废金属物料的尺寸、大小、形状较难全统一，所以提取图像的颜色特征进行分析，金属分选机在颜色特征提取方面选择越符合人的视觉感应的HSI模型，它是由色调(H)、饱和度(S)、亮度三个分量组成。当光源和光源强度一定时，不同的废金属物料所反映的亮度特征基本相似，因此选用了较稳定的色调H和饱和度S来进行颜色特征分析，亮度在颜色特征提取中不予考虑。

　　多层感知器神经网络是在输入层与输出层之间加了个隐含层。多层感知器的分类是一种正向传播过程:需分类模式由输人层进入到神经网络，经过加权后传播到下一层的感知器，经感知器的激发函数计算后又向下层感知器传播，终端在输出层上给出分类结果。

　　金属分选机采用图像处理技术及多层感知器神经网络算法完成废有色金属的分选，有益增进了废金属识别的准确，可达90%左右。