【摘要】：產(chǎn)品機柜表面的缺陷不僅會嚴(yán)重影響產(chǎn)品的銷售,也會增大產(chǎn)品返修、退貨的概率,造成經(jīng)濟損失,企業(yè)越來越重視機柜的表面質(zhì)量檢測。然而,針對大尺寸產(chǎn)品進(jìn)行表面缺陷視覺檢測鮮有研究,本文基于深圳市某不間斷電源(Uninterruptible Power System,UPS)機柜生產(chǎn)廠商對大尺寸機柜表面缺陷自動檢測系統(tǒng)具體需求,開展基于機器視覺的大尺寸機柜表面缺陷檢測系統(tǒng)研究,重點研究了低對比度圖像增強、邊緣檢測優(yōu)化、特征點匹配等問題,主要工作如下:(1)研究明確了大尺寸機柜表面缺陷檢測系統(tǒng)檢測技術(shù)指標(biāo),闡述了表面缺陷檢測原理,分析了獲取高質(zhì)量圖像的關(guān)鍵因素,設(shè)計了合理的照明方案和圖像采集系統(tǒng)結(jié)構(gòu),分析了光源類型、光源顏色及光照角度選擇的依據(jù),合理選擇了工業(yè)相機和鏡頭,最后搭建了基于機器視覺的產(chǎn)品表面缺陷檢測系統(tǒng)。(2)針對低對比度缺陷無法采用傳統(tǒng)檢測方法進(jìn)行檢測的問題,提出衡量圖像對比度的評價方法,分析了Gabor變換的原理及參數(shù)意義,研究了常用的圖像增強方法,并進(jìn)行對比實驗,實驗結(jié)果表明經(jīng)過Gabor變換增強的低對比度缺陷圖像對比度得到提高,增強了缺陷檢測系統(tǒng)對于光照干擾的魯棒性。(3)明確了評價邊緣檢測效果質(zhì)量的主要根據(jù),分析了典型的邊緣檢測算法基本原理并進(jìn)行了對比實驗,針對邊緣檢測中出現(xiàn)的噪聲及不連續(xù)問題,研究了一種基于錨點的邊緣檢測優(yōu)化算法并進(jìn)行了實驗,實驗結(jié)果表明優(yōu)化的算法可準(zhǔn)確檢測機柜圖像的邊緣且具有較高的邊緣質(zhì)量,具有通用性。(4)研究了圖像匹配技術(shù),推導(dǎo)了圖像變換模型,分析SIFT特征點提取與匹配算法原理,研究RANSAC特征點提純算法,開展了提取和匹配機柜表面圖像特征點實驗,實驗表明提純后的SIFT算法能夠有效提取出機柜表面的特征點,圖像匹配結(jié)果良好,基于圖像差分法實現(xiàn)配準(zhǔn)后的圖像缺陷檢測。研究結(jié)果表明設(shè)計的缺陷檢測系統(tǒng)能夠較好的識別機柜表面的凹坑、劃痕、商標(biāo)等缺陷,可以檢測出缺陷寬度1mm內(nèi)的細(xì)微缺陷,驗證了系統(tǒng)方案的可行性和算法的有效性,具有工程應(yīng)用價值。
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F273.2;TP391.41
【圖文】：

本論文工作受國家自然科學(xué)基金項目 (51677120)、深圳市科技計劃項目(JCYJ20170818100522101)與深圳大學(xué)青年教師科研啟動項目(2017032)資助。不間斷電源（Uninterruptible Power System，UPS）常用于維持醫(yī)院、服務(wù)器、鐵路調(diào)度中心等不能斷電場所的持續(xù)運行[1]，一旦出現(xiàn)供電中斷現(xiàn)象，UPS 中的逆變器立即轉(zhuǎn)化其之前存儲的電能，持續(xù)不斷為負(fù)載提供穩(wěn)定優(yōu)質(zhì)的交流電源。近年來，企業(yè)對電力的需求迅猛增長，對于 UPS 的需求也不斷擴大。然而，UPS 生產(chǎn)企業(yè)在生產(chǎn)加工過程中，由于受到原材料、軋制工藝和系統(tǒng)控制等諸多技術(shù)因素的影響，成品機柜表面難免會產(chǎn)生一些如凹坑、結(jié)疤、滴漆、螺孔堵塞、刮痕和孔洞等缺陷，如圖 1-1 所示。隨著生活水平的提高以及消費觀念的轉(zhuǎn)變，人們對產(chǎn)品的外觀質(zhì)量，如包裝設(shè)計、外形輪廓和表面紋理等愈發(fā)重視。因此，表面缺陷不僅會嚴(yán)重影響成品機柜的銷售，也會增大產(chǎn)品返修、退貨的概率，造成重大經(jīng)濟損失。為提高 UPS 機柜產(chǎn)品在市場中的競爭力，有關(guān)廠商已經(jīng)越來越重視機柜的表面質(zhì)量檢測。

需接觸待檢測物體即可完成缺陷檢測，不面缺陷檢測的智能化和自動化實現(xiàn)有重要要包括以下幾個方面：效率和質(zhì)量。根據(jù)缺陷的分析結(jié)果，挖掘率的同時，及時有效地優(yōu)化生產(chǎn)線，改善。在連續(xù)的機柜生產(chǎn)線上，工作人員需要進(jìn)行表面質(zhì)量檢測可極大降低人工勞動強力。機柜生產(chǎn)企業(yè)因產(chǎn)品質(zhì)量存在問題引發(fā)。表面缺陷檢測的自動化實現(xiàn)，可維護(hù)廠

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝永華;徐趙飛;范文曉;;基于高斯尺度空間粗糙度描述子的花粉圖像分類識別[J];計算機應(yīng)用;2015年07期

2 陳方涵;趙光宇;蔣仕龍;彭文達(dá);;ITO導(dǎo)電薄膜透明圖案對比度增強方法[J];光子學(xué)報;2015年05期

3 梁傳暉;王玉丹;杜國浩;鄧彪;謝紅蘭;肖體喬;;同步輻射X射線圖像對比度增強算法研究[J];光學(xué)學(xué)報;2015年03期

4 WANG Yong;GUO Hui;;Application of Support Vector Machine in Weld Defect Detection and Recognition of X-ray Images[J];Computer Aided Drafting,Design and Manufacturing;2014年03期

5 趙娟;彭彥昆;Sagar Dhakal;張雷蕾;;基于機器視覺的蘋果外觀缺陷在線檢測[J];農(nóng)業(yè)機械學(xué)報;2013年S1期

6 徐建元;于鴻洋;;基于計算機視覺的電池表面探傷方法[J];計算機應(yīng)用;2013年07期

7 孫雪晨;姜肖楠;傅瑤;韓誠山;文明;;基于機器視覺的凸輪軸表面缺陷檢測系統(tǒng)[J];紅外與激光工程;2013年06期

8 張闖;王婷婷;孫冬嬌;葛益嫻;常建華;;基于歐氏距離圖的圖像邊緣檢測[J];中國圖象圖形學(xué)報;2013年02期

9 方翔;江新光;吳逢鐵;程治明;范丹丹;;非相干LED白光產(chǎn)生無衍射光的光源設(shè)計[J];紅外與激光工程;2013年01期

10 王雪;李偉;王偉;;數(shù)字圖像處理中邊緣檢測算子優(yōu)缺點探討[J];科技創(chuàng)新導(dǎo)報;2011年16期

相關(guān)博士學(xué)位論文 前2條

1 李喜朋;變厚度板超聲導(dǎo)波檢測理論與技術(shù)[D];北京理工大學(xué);2014年

2 楊水山;冷軋帶鋼表面缺陷機器視覺自動檢測技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 胡建明;模塊化UPS若干關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2017年

2 宗艷芬;基于計算機視覺的微小零件質(zhì)量檢測系統(tǒng)和方法研究[D];哈爾濱理工大學(xué);2017年

3 曹衛(wèi)強;基于機器視覺的白車身頂蓋焊接質(zhì)量控制方法研究[D];合肥工業(yè)大學(xué);2017年

4 劉雙春;基于機器視覺的USB插頭表面缺陷檢測技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所);2017年

5 趙蘭鵬;基于機器視覺的硅鋼鋼帶表面缺陷自動檢測識別研究[D];東華大學(xué);2017年

6 徐殷;零件表面缺陷檢測中基于壓縮感知的圖像拼接算法研究與應(yīng)用[D];華東交通大學(xué);2016年

7 郭桂平;基于多模板匹配的絲印缺陷自動檢測系統(tǒng)設(shè)計[D];五邑大學(xué);2016年

8 郝永興;基于機器視覺的鐵路貨車滾動軸承表面缺陷檢測技術(shù)研究[D];蘭州交通大學(xué);2016年

9 牛r

本文編號：2741110