當代工業(yè)自動化中,機械零部件的設(shè)計指標及質(zhì)檢隨著其制造過程的高性能化與高速化而日趨嚴格。其中,表面質(zhì)量檢測作為甄別金屬產(chǎn)品優(yōu)劣與否的重要指標,直接影響著眾多器件產(chǎn)品的用戶體驗、使用性能及使用壽命。當下,圖像檢測技術(shù)的運用已成為表面缺陷檢測的主流,研發(fā)道路方興未艾,適逢其會。據(jù)此,本文以具有高亮回轉(zhuǎn)表面的工件為實驗對象,遵循低成本、低時延、模塊化的原則,展開表面缺陷識別方法的研究工作。本文在綜述國內(nèi)外關(guān)于金屬表面缺陷檢測系統(tǒng)及相關(guān)技術(shù)的研究現(xiàn)狀和發(fā)展趨勢的基礎(chǔ)上,綜合利用精密儀器、圖像處理技術(shù)、計算機等學科技術(shù),獨立完成了高亮回轉(zhuǎn)表面缺陷識別算法的設(shè)計,同時對所涉及的高亮表面缺陷檢測、缺陷圖像預(yù)處理、圖像分割、圖像識別與分類、表征缺陷數(shù)據(jù)管理與數(shù)據(jù)分析等部分進行了研究。第一,圖像處理中的圖像分割和識別是圖像檢測需要解決的關(guān)鍵問題。為此,本文將傳統(tǒng)檢測算子分步抽象為若干環(huán)節(jié),提出了一種具備一定閾值自適應(yīng)調(diào)整的高亮表面缺陷識別算法,使得在滿足檢測需求的前提下,實現(xiàn)對高亮回轉(zhuǎn)表面缺陷的識別。該方法在構(gòu)造兼顧空域信息和值域信息的濾波方式的基礎(chǔ)上,對待測原始圖像進行濾波預(yù)處理,其最終目的是保護缺陷... 

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景和意義
    1.2 高亮回轉(zhuǎn)表面缺陷檢測技術(shù)與視覺檢測的研究及發(fā)展綜述
        1.2.1 常見表面缺陷
        1.2.2 實驗表面缺陷
    1.3 金屬回轉(zhuǎn)表面缺陷檢測技術(shù)的研究及應(yīng)用現(xiàn)狀
        1.3.1 國內(nèi)金屬表面檢測技術(shù)發(fā)展綜述
        1.3.2 國外金屬表面檢測技術(shù)的研究及應(yīng)用
        1.3.3 基于圖像檢測技術(shù)的表面缺陷檢測技術(shù)的研究及應(yīng)用
        1.3.4 高亮回轉(zhuǎn)表面缺陷識別算法綜述
    1.4 機器視覺表面缺陷檢測面臨的主要問題
    1.5 課題來源及主要研究內(nèi)容
2 高亮回轉(zhuǎn)表面檢測系統(tǒng)研究
    2.1 引言
    2.2 測量系統(tǒng)的測量原理
    2.3 測量系統(tǒng)的圖像處理
    2.4 測量系統(tǒng)的圖像采集單元
        2.4.1 機械系統(tǒng)架構(gòu)
        2.4.2 均勻光源系統(tǒng)
        2.4.3 光源調(diào)制單元
        2.4.4 機器視覺單元
    2.5 本章小結(jié)
3 高亮表面缺陷的提取
    3.1 引言
    3.2 圖像去噪預(yù)處理
        3.2.1 圖像噪聲產(chǎn)生及分析
        3.2.2 空域濾波器
        3.2.3 雙邊濾波及其加速
    3.3 圖像分割與識別
        3.3.1 基于邊界的圖像分割
        3.3.2 基于區(qū)域的圖像分割
    3.4 數(shù)學形態(tài)學操作
    3.5 本章小結(jié)
4 缺陷分類及數(shù)據(jù)管理
    4.1 引言
    4.2 缺陷幾何表征參數(shù)
    4.3 缺陷表征計算及分類閾值討論
        4.3.1 缺陷目標面積特征S
        4.3.2 缺陷目標歐拉數(shù)特征N_(Euler)
        4.3.3 缺陷目標短/長徑比特征R_b
        4.3.4 缺陷目標周長C
    4.4 缺陷圖像的特征識別
        4.4.1 缺陷圖像識別
        4.4.2 分類閾值決定
    4.5 表征信息數(shù)據(jù)管理
        4.5.1 數(shù)據(jù)表建立
        4.5.2 數(shù)據(jù)管理
    4.6 本章小結(jié)
5 表面缺陷檢測實驗及其分析
    5.1 引言
    5.2 實驗環(huán)境搭建
    5.3 缺陷識別分步實驗和分析
    5.4 缺陷識別分類實驗和分析
    5.5 缺陷識別對比實驗和分析
    5.6 本章小結(jié)
6 結(jié)論及展望
    6.1 本文主要結(jié)論
    6.2 工作展望
致謝
參考文獻
在校期間發(fā)表的論文及專利


【參考文獻】：
期刊論文
[1]全局閾值自適應(yīng)的高亮金屬表面缺陷識別新方法[J]. 郭皓然,邵偉,周阿維,楊宇祥,劉凱斌.  儀器儀表學報. 2017(11)
[2]金屬表面缺陷自適應(yīng)分割算法[J]. 馬云鵬,李慶武,何飛佳,劉艷,席淑雅.  儀器儀表學報. 2017(01)
[3]基于背景差分的高鐵鋼軌表面缺陷圖像分割[J]. 賀振東,王耀南,劉潔,印峰.  儀器儀表學報. 2016(03)
[4]一種基于改進Canny的邊緣檢測算法[J]. 許宏科,秦嚴嚴,陳會茹.  紅外技術(shù). 2014(03)
[5]超聲紅外鎖相熱像技術(shù)檢測金屬板材表面裂紋[J]. 秦雷,劉俊巖,龔金龍,姜斌,王揚.  紅外與激光工程. 2013(05)
[6]空氣與油液介質(zhì)下鋼球表面缺陷檢測效果對比分析[J]. 王義文,藺勇智,賈冬開,張中然,劉獻禮.  軸承. 2010(05)
[7]軸承鋼球表面缺陷的快速檢測方法[J]. 楊東林,于正林.  兵工學報. 2009(06)
[8]基于Otsu準則及圖像熵的閾值分割算法[J]. 肖超云,朱偉興.  計算機工程. 2007(14)
[9]鋼球表面缺陷渦流探傷儀分析[J]. 張艷萍.  哈爾濱軸承. 2007(02)
[10]圖像分割的閾值法研究[J]. 楊暉.  遼寧大學學報(自然科學版). 2006(02)

博士論文
[1]基于運動視覺技術(shù)的鋼球表面缺陷檢測[D]. 王鵬.哈爾濱理工大學 2008
[2]基于圖像技術(shù)的鋼球表面缺陷分析與識別[D]. 趙彥玲.哈爾濱理工大學 2008
[3]鋼板表面缺陷檢測技術(shù)的研究[D]. 程萬勝.哈爾濱工業(yè)大學 2008
[4]基于VI的鋼球表面裂紋電渦流檢測方法研究[D]. 丁建軍.武漢理工大學 2007
[5]基于坐標和圖像技術(shù)的三維表面特征區(qū)域的檢測[D]. 樂靜.西安理工大學 2007
[6]鋼球表面質(zhì)量自動評價體系建立及其應(yīng)用的研究[D]. 潘洪平.哈爾濱工業(yè)大學 2000

碩士論文
[1]高亮異型曲面表面缺陷檢測系統(tǒng)研究[D]. 陳松赟.哈爾濱工業(yè)大學 2017
[2]軸承鋼球質(zhì)量在線檢測與分選控制[D]. 于潤祥.濟南大學 2010



本文編號：3717497