為實(shí)現(xiàn)乳液泵的高精度、高效率自動(dòng)檢測(cè)作業(yè),降低生產(chǎn)成本,本文采用機(jī)器視覺(jué)技術(shù)開(kāi)發(fā)一套全新的乳液泵缺陷檢測(cè)系統(tǒng),替代人工實(shí)現(xiàn)合格品和缺陷品的分揀。本文完成的主要工作包括:首先,從系統(tǒng)的功能需求和設(shè)計(jì)指標(biāo)入手,根據(jù)設(shè)計(jì)思路在宏觀上給出系統(tǒng)的總體方案,然后對(duì)系統(tǒng)的各個(gè)部分進(jìn)行了詳細(xì)設(shè)計(jì)。系統(tǒng)的總體方案采用多工位布局,包括乳液泵進(jìn)料工位、視覺(jué)檢測(cè)工位、合格品分揀工位以及缺陷品分揀工位,乳液泵的傳送方案為通過(guò)分割器間歇轉(zhuǎn)動(dòng)實(shí)現(xiàn)傳送。其次,視覺(jué)硬件設(shè)計(jì)部分,本文詳細(xì)論述了工業(yè)相機(jī)、光學(xué)鏡頭、光源、網(wǎng)卡的選型,計(jì)算機(jī)的配置,偏光鏡在圖像消眩的應(yīng)用,乳液泵照明方案等情況。介紹了系統(tǒng)本體結(jié)構(gòu),包括各個(gè)工位的分布情況、各裝置的詳細(xì)設(shè)計(jì)過(guò)程和結(jié)構(gòu)的整體工作機(jī)理。在系統(tǒng)軟件部分,介紹了軟件的開(kāi)發(fā)環(huán)境、工作流程和模塊化設(shè)計(jì)的情況。實(shí)現(xiàn)了圖像的采集、處理、分析、決策以及對(duì)下位機(jī)的控制。然后,論文重點(diǎn)論述了乳液泵缺陷檢測(cè)算法的設(shè)計(jì)。根據(jù)采用方法不同,將檢測(cè)算法分為兩類(lèi)。第一類(lèi),對(duì)于受乳液泵結(jié)構(gòu)或位姿干擾較少的檢測(cè)問(wèn)題采用了傳統(tǒng)圖像處理方法,如按頭鎖緊檢測(cè)、泵嘴缺膠檢測(cè)、瓶蓋缺膠檢測(cè)、瓶蓋油污劃痕檢測(cè)、吸管正反插檢測(cè)... 

【文章頁(yè)數(shù)】：108 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景與研究意義
    1.2 機(jī)器視覺(jué)概述
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 研究?jī)?nèi)容與論文安排
第二章 乳液泵缺陷檢測(cè)系統(tǒng)總體設(shè)計(jì)
    2.1 乳液泵缺陷檢測(cè)系統(tǒng)總體方案
        2.1.1 系統(tǒng)功能需求與設(shè)計(jì)指標(biāo)
        2.1.2 設(shè)計(jì)思路與系統(tǒng)總體方案
    2.2 乳液泵缺陷檢測(cè)系統(tǒng)本體結(jié)構(gòu)設(shè)計(jì)
        2.2.1 結(jié)構(gòu)方案
        2.2.2 工作原理
    2.3 乳液泵缺陷檢測(cè)系統(tǒng)視覺(jué)硬件設(shè)計(jì)
        2.3.1 工業(yè)相機(jī)選型
        2.3.2 光學(xué)鏡頭選型
        2.3.3 光源與照明方案
        2.3.4 起偏與檢偏
        2.3.5 計(jì)算機(jī)及網(wǎng)卡
    2.4 乳液泵缺陷檢測(cè)系統(tǒng)軟件設(shè)計(jì)
        2.4.1 軟件開(kāi)發(fā)環(huán)境
        2.4.2 軟件工作流程
        2.4.3 軟件模塊設(shè)計(jì)
    2.5 本章小結(jié)
第三章 圖像處理關(guān)鍵技術(shù)
    3.1 圖像去噪
        3.1.1 濾波方法
        3.1.2 實(shí)驗(yàn)分析
    3.2 對(duì)比度提升
        3.2.1 直方圖均衡化
        3.2.3 冪律變換
        3.2.4 魯棒歸一化變換
        3.2.5 同態(tài)濾波
    3.3 邊緣提升
    3.4 邊緣檢測(cè)
        3.4.1 Canny邊緣檢測(cè)
        3.4.2 一維邊緣檢測(cè)
    3.5 圖像二值化
        3.5.1 自適應(yīng)閾值方法
        3.5.2 實(shí)驗(yàn)對(duì)比
    3.6 區(qū)域形態(tài)學(xué)
        3.6.1 腐蝕與膨脹
        3.6.2 開(kāi)運(yùn)算與閉運(yùn)算
    3.7 乳液泵圖像傾斜矯正
        3.7.1 基于正交多項(xiàng)式的亞像素邊緣提取
        3.7.2 基于最小二乘法的直線擬合
        3.7.3 仿射變換與灰度插值
    3.8 本章小結(jié)
第四章 基于圖像處理的乳液泵缺陷檢測(cè)算法
    4.1 乳液泵表面缺陷概述
    4.2 按頭鎖緊檢測(cè)算法
        4.2.1 形態(tài)學(xué)匹配
        4.2.2 間隙測(cè)量
    4.3 泵嘴缺膠檢測(cè)算法
        4.3.1 按頭圓心檢測(cè)
        4.3.2 泵嘴中線角度矯正
        4.3.3 一維邊緣點(diǎn)檢測(cè)
        4.3.4 泵嘴缺膠檢測(cè)
    4.4 瓶蓋缺膠檢測(cè)算法
        4.4.1 瓶蓋區(qū)域提取
        4.4.2 基于最小凸包的缺膠檢測(cè)
        4.4.3 基于四點(diǎn)擬合法的缺膠檢測(cè)
    4.5 瓶蓋油污劃痕檢測(cè)算法
        4.5.1 瓶蓋摩擦紋區(qū)域提取
        4.5.2 基于局部動(dòng)態(tài)閾值的缺陷檢測(cè)
    4.6 吸管正反插檢測(cè)算法
        4.6.1 簡(jiǎn)易矩形度
        4.6.2 最小平行外接矩形
        4.6.3 尾管正反插檢測(cè)
        4.6.4 矩形度閾值
    4.7 泵體上端檢測(cè)
        4.7.1 泵體上端ROI提取
        4.7.2 基于局部動(dòng)態(tài)閾值的缺陷檢測(cè)
    4.8 實(shí)驗(yàn)結(jié)果與分析
    4.9 本章小結(jié)
第五章 基于卷積神經(jīng)網(wǎng)絡(luò)的泵體檢測(cè)模型
    5.1 卷積神經(jīng)網(wǎng)絡(luò)
        5.1.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        5.1.2 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法
        5.1.3 卷積神經(jīng)網(wǎng)絡(luò)性能的提升
    5.2 泵體檢測(cè)模型的實(shí)現(xiàn)
        5.2.1 樣本標(biāo)記與樣本集劃分
        5.2.2 檢測(cè)模型的設(shè)計(jì)與訓(xùn)練
        5.2.3 基于遷移學(xué)習(xí)改進(jìn)模型
    5.3 泵體檢測(cè)模型的測(cè)試
        5.3.1 評(píng)估方法
        5.3.2 測(cè)試結(jié)果
    5.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于Freeman鏈碼的幾何圖形識(shí)別算法[J]. 裴姍,章騰.  計(jì)算技術(shù)與自動(dòng)化. 2018(03)
[2]模式識(shí)別的概述及其應(yīng)用[J]. 余卓宇.  通訊世界. 2018(08)
[3]基于同態(tài)濾波及多尺度Retinex的低照度圖像增強(qiáng)算法[J]. 董靜薇,徐博,馬曉峰,韓闖.  科學(xué)技術(shù)與工程. 2018(22)
[4]基于混合高斯和HOG+SVM的行人檢測(cè)模型[J]. 龔露鳴,徐美華,劉冬軍,張發(fā)宇.  上海大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[5]基于最小外接矩形的SOP貼片元件的定位識(shí)別[J]. 林德育,肖曙紅,麥智偉.  現(xiàn)代制造工程. 2017(09)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法研究[J]. 岳曉東.  數(shù)字通信世界. 2017(09)
[7]圖像紋理分類(lèi)方法研究進(jìn)展和展望[J]. 劉麗,趙凌君,郭承玉,王亮,湯俊.  自動(dòng)化學(xué)報(bào). 2018(04)
[8]機(jī)器視覺(jué)在我國(guó)農(nóng)業(yè)中的應(yīng)用研究進(jìn)展分析[J]. 王風(fēng)云,鄭紀(jì)業(yè),唐研,劉延忠,李喬宇,穆元杰,王磊.  山東農(nóng)業(yè)科學(xué). 2016(04)
[9]基于Halcon的硒鼓缺陷檢測(cè)與一維尺寸測(cè)量[J]. 朱先鋒,潘洪軍.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2014(03)
[10]基于正交多項(xiàng)式的數(shù)據(jù)擬合方法[J]. 常錦才,趙龍,楊倩麗.  河北理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(04)

碩士論文
[1]深溝球軸承裝配缺陷機(jī)器視覺(jué)檢測(cè)方法研究[D]. 趙翔.華東交通大學(xué) 2018
[2]基于機(jī)器學(xué)習(xí)方法的管材缺陷識(shí)別方法研究[D]. 郭潤(rùn)元.西安理工大學(xué) 2018
[3]基于機(jī)器視覺(jué)的玻璃邊部磨削缺陷檢測(cè)的研究與應(yīng)用[D]. 趙俊冉.煙臺(tái)大學(xué) 2018
[4]基于機(jī)器視覺(jué)的自動(dòng)驗(yàn)布系統(tǒng)研究與開(kāi)發(fā)[D]. 張美杰.廣東工業(yè)大學(xué) 2018
[5]基于機(jī)器視覺(jué)的電子元器件表面缺陷檢測(cè)技術(shù)研究[D]. 陳濟(jì)楠.貴州大學(xué) 2018
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的鐵軌表面缺陷識(shí)別研究[D]. 劉雄祥.西南科技大學(xué) 2018
[7]基于機(jī)器視覺(jué)的鐵芯表面缺陷檢測(cè)系統(tǒng)研究[D]. 胡秀珍.山東大學(xué) 2018
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的矽鋼片缺陷分類(lèi)與定位研究[D]. 孫鋮.成都理工大學(xué) 2018
[9]基于機(jī)器視覺(jué)的發(fā)動(dòng)機(jī)零件智能檢測(cè)系統(tǒng)[D]. 黎欣.廣東工業(yè)大學(xué) 2018
[10]基于機(jī)器視覺(jué)的鞋底精加工輪廓檢測(cè)系統(tǒng)的研發(fā)[D]. 區(qū)建聰.廣東工業(yè)大學(xué) 2018



本文編號(hào)：3658469