隨著微納米技術(shù)的成熟,越來越多的精密型微小器件被生產(chǎn)和制造出來。對于這些精密、易損的微小器件來說,檢測加工制造的誤差越來越有難度,原始的人工檢測微小器件的誤差已經(jīng)不能滿足現(xiàn)代的發(fā)展要求,因此,對于精密型微小器件的誤差檢測已經(jīng)成為了業(yè)內(nèi)的關(guān)注焦點(diǎn)。本文針對視覺檢測,做了以下的研究:1.設(shè)計了視覺檢測系統(tǒng)的總體設(shè)計、驗證了硬件與軟件進(jìn)行結(jié)合的可靠性、軟件中的各個模塊的功能以及相互之間的協(xié)作關(guān)系,提出了微小零件視覺檢測系統(tǒng)的識別和檢測的方法以及整個視覺檢測系統(tǒng)進(jìn)行總體的分析。2.為了使系統(tǒng)達(dá)到更高的識別精度和特征提取精度,對視覺檢測系統(tǒng)采集圖像和預(yù)處理模塊,并提出了一種基于模板面積的二分法來自動選取閾值的方法,該方法與傳統(tǒng)的閾值自動選取方法相比,能夠達(dá)到更高的識別和特征提取精度,得到了高清晰的零件圖像。3.利用了各向異性雙邊濾波完成目標(biāo)零件的平滑,采用閾值分割和面積去噪相結(jié)合的方法提取目標(biāo)區(qū)域,并添加了以NMI特征目標(biāo)匹配和形狀模板匹配算法進(jìn)行零件圖像的識別,應(yīng)用兩種算法針對不同類型的零件的圖像識別。4.用C++和opencv庫函數(shù),編寫了視覺檢測系統(tǒng),主要包括圖像預(yù)處理模塊、圖像識別模塊和... 

【文章來源】：沈陽理工大學(xué)遼寧省

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的背景與意義
    1.2 視覺檢測技術(shù)在國內(nèi)外的發(fā)展的現(xiàn)狀
        1.2.1 視覺檢測在國外發(fā)展的現(xiàn)狀
        1.2.2 視覺檢測在國內(nèi)發(fā)展的現(xiàn)狀
    1.3 本文的主要研究內(nèi)容
第2章 視覺檢測系統(tǒng)的總體設(shè)計
    2.1 系統(tǒng)設(shè)計的總體要求
        2.1.1 系統(tǒng)的識別要求和測試要求
        2.1.2 視覺檢測系統(tǒng)的設(shè)計思路
    2.2 硬件要求
        2.2.1 光源的選取
        2.2.2 相機(jī)的選取
        2.2.3 鏡頭的選取
        2.2.4 圖像采集卡的選取
        2.2.5 其它硬件設(shè)備
    2.3 軟件的總體框架設(shè)計
    2.4 本章小結(jié)
第3章 圖像的預(yù)處理
    3.1 零件圖像增強(qiáng)
        3.1.1 基于拉普拉斯算子的圖像增強(qiáng)
        3.1.2 基于對數(shù)Log變換的圖像增強(qiáng)
    3.2 零件圖像的二值化
        3.2.1 二分法的動態(tài)閾值
    3.3 零件圖像的濾波
        3.3.1 高斯濾波
        3.3.2 中值濾波
        3.3.3 均值濾波法以及與高斯濾波法的比較
    3.4 零件圖像的邊緣檢測
        3.4.1 介紹幾種常見的邊緣檢測算子
        3.4.2 基于小波的邊緣檢測算法
        3.4.3 圖像邊緣算法結(jié)果與對比
    3.5 本章小結(jié)
第4章 視覺檢測系統(tǒng)各個模塊的算法研究
    4.1 視覺檢測系統(tǒng)的操作流程
    4.2 視覺檢測系統(tǒng)主要模塊的算法研究
        4.2.1 零件圖像預(yù)處理模塊的算法研究
        4.2.2 零件圖像的精確識別算法模塊
        4.2.3 零件幾何特征的誤差測量算法模塊
    4.3 本章小結(jié)
第5章 零件特征的識別和尺寸的檢測以及實(shí)驗
    5.1 零件的幾何形狀特征的識別算法
        5.1.1 非內(nèi)嵌式零件圖像識別策略
        5.1.2 內(nèi)嵌式零件圖像識別算法
    5.2 零件尺寸的檢測以及誤差分析
        5.2.1 零件的幾何形狀誤差檢測和實(shí)驗
        5.2.2 用零件的標(biāo)準(zhǔn)的模板CAD文件和零件的圖像進(jìn)行匹配
        5.2.3 標(biāo)準(zhǔn)的零件CAD文件需要滿足以下的條件:
        5.2.4 經(jīng)過圖像的預(yù)處理系統(tǒng)的圖像
        5.2.5 零件圖像的像素變換后再進(jìn)行識別匹配
        5.2.6 邊緣間距離的精度測量
        5.2.7 重復(fù)定位精度的測量
    5.3 誤差檢測及實(shí)驗
        5.3.1 對所加工制造的同一個零件測量多次,觀察其測量的結(jié)果
        5.3.2 改變零件的尺寸來測試軟件系統(tǒng)的誤差
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和獲得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于顯微視覺的微小型零件邊緣檢測技術(shù)研究[J]. 吳葉蘭,秦艷紅,張之敬.  計算機(jī)工程與應(yīng)用. 2016(17)
[2]陳小平:欲與世界一流試比高——智能機(jī)器人研發(fā)的領(lǐng)頭羊[J]. 袁一雪.  決策與信息. 2015(08)
[3]改進(jìn)型中值濾波在圖像處理中的應(yīng)用[J]. 趙建春,葉麗娜,劉芳,張兵兵.  四川兵工學(xué)報. 2013(06)
[4]基于視覺的微裝配軟件系統(tǒng)[J]. 邵偉平,劉周林,郝永平,張嘉易.  計算機(jī)與數(shù)字工程. 2013(02)
[5]梯度邊緣檢測算子綜述[J]. 劉春閣.  科技視界. 2012(28)
[6]基于鄰域均方連續(xù)差分的SAR圖像邊緣提取算法[J]. 傅興玉,尤紅建,付琨.  電子與信息學(xué)報. 2012(05)
[7]一種從圖像中檢測多種圓的新方法[J]. 于永彥,王志堅.  微電子學(xué)與計算機(jī). 2011(11)
[8]CCD視覺檢測系統(tǒng)的整體標(biāo)定[J]. 唐啟敬,田行斌,耿明超,周游,趙鐵石.  光學(xué)精密工程. 2011(08)
[9]基于CCD的軸徑檢測方法[J]. 孫秋成,譚慶昌,唐武生,鄭福勝,侯躍謙.  吉林大學(xué)學(xué)報(工學(xué)版). 2010(05)
[10]圖像邊緣檢測算法的比較與實(shí)現(xiàn)[J]. 李婭婭,李志潔,鄭海旭,王存睿.  計算機(jī)工程與設(shè)計. 2010(09)

碩士論文
[1]基于灰度的模板匹配算法研究[D]. 張建華.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2013



本文編號：3472354