當(dāng)代工業(yè)自動(dòng)化中,機(jī)械零部件的設(shè)計(jì)指標(biāo)及質(zhì)檢隨著其制造過程的高性能化與高速化而日趨嚴(yán)格。其中,表面質(zhì)量檢測(cè)作為甄別金屬產(chǎn)品優(yōu)劣與否的重要指標(biāo),直接影響著眾多器件產(chǎn)品的用戶體驗(yàn)、使用性能及使用壽命。當(dāng)下,圖像檢測(cè)技術(shù)的運(yùn)用已成為表面缺陷檢測(cè)的主流,研發(fā)道路方興未艾,適逢其會(huì)。據(jù)此,本文以具有高亮回轉(zhuǎn)表面的工件為實(shí)驗(yàn)對(duì)象,遵循低成本、低時(shí)延、模塊化的原則,展開表面缺陷識(shí)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(cè)系統(tǒng)及相關(guān)技術(shù)的研究現(xiàn)狀和發(fā)展趨勢(shì)的基礎(chǔ)上,綜合利用精密儀器、圖像處理技術(shù)、計(jì)算機(jī)等學(xué)科技術(shù),獨(dú)立完成了高亮回轉(zhuǎn)表面缺陷識(shí)別算法的設(shè)計(jì),同時(shí)對(duì)所涉及的高亮表面缺陷檢測(cè)、缺陷圖像預(yù)處理、圖像分割、圖像識(shí)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(jìn)行了研究。第一,圖像處理中的圖像分割和識(shí)別是圖像檢測(cè)需要解決的關(guān)鍵問題。為此,本文將傳統(tǒng)檢測(cè)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(shí)別算法,使得在滿足檢測(cè)需求的前提下,實(shí)現(xiàn)對(duì)高亮回轉(zhuǎn)表面缺陷的識(shí)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(duì)待測(cè)原始圖像進(jìn)行濾波預(yù)處理,其最終目的是保護(hù)缺陷... 

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)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(cè)技術(shù)與視覺檢測(cè)的研究及發(fā)展綜述
        1.2.1 常見表面缺陷
        1.2.2 實(shí)驗(yàn)表面缺陷
    1.3 金屬回轉(zhuǎn)表面缺陷檢測(cè)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(cè)技術(shù)發(fā)展綜述
        1.3.2 國外金屬表面檢測(cè)技術(shù)的研究及應(yīng)用
        1.3.3 基于圖像檢測(cè)技術(shù)的表面缺陷檢測(cè)技術(shù)的研究及應(yīng)用
        1.3.4 高亮回轉(zhuǎn)表面缺陷識(shí)別算法綜述
    1.4 機(jī)器視覺表面缺陷檢測(cè)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(cè)系統(tǒng)研究
    2.1 引言
    2.2 測(cè)量系統(tǒng)的測(cè)量原理
    2.3 測(cè)量系統(tǒng)的圖像處理
    2.4 測(cè)量系統(tǒng)的圖像采集單元
        2.4.1 機(jī)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(jī)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?yàn)V波器
        3.2.3 雙邊濾波及其加速
    3.3 圖像分割與識(shí)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(xué)形態(tài)學(xué)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(jì)算及分類閾值討論
        4.3.1 缺陷目標(biāo)面積特征S
        4.3.2 缺陷目標(biāo)歐拉數(shù)特征N_(Euler)
        4.3.3 缺陷目標(biāo)短/長徑比特征R_b
        4.3.4 缺陷目標(biāo)周長C
    4.4 缺陷圖像的特征識(shí)別
        4.4.1 缺陷圖像識(shí)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(cè)實(shí)驗(yàn)及其分析
    5.1 引言
    5.2 實(shí)驗(yàn)環(huán)境搭建
    5.3 缺陷識(shí)別分步實(shí)驗(yàn)和分析
    5.4 缺陷識(shí)別分類實(shí)驗(yàn)和分析
    5.5 缺陷識(shí)別對(duì)比實(shí)驗(yàn)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(xiàn)
在校期間發(fā)表的論文及專利


【參考文獻(xiàn)】：
期刊論文
[1]全局閾值自適應(yīng)的高亮金屬表面缺陷識(shí)別新方法[J]. 郭皓然,邵偉,周阿維,楊宇祥,劉凱斌.  儀器儀表學(xué)報(bào). 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(xué)報(bào). 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(xué)報(bào). 2016(03)
[4]一種基于改進(jìn)Canny的邊緣檢測(cè)算法[J]. 許宏科,秦嚴(yán)嚴(yán),陳會(huì)茹.  紅外技術(shù). 2014(03)
[5]超聲紅外鎖相熱像技術(shù)檢測(cè)金屬板材表面裂紋[J]. 秦雷,劉俊巖,龔金龍,姜斌,王揚(yáng).  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(cè)效果對(duì)比分析[J]. 王義文,藺勇智,賈冬開,張中然,劉獻(xiàn)禮.  軸承. 2010(05)
[7]軸承鋼球表面缺陷的快速檢測(cè)方法[J]. 楊東林,于正林.  兵工學(xué)報(bào). 2009(06)
[8]基于Otsu準(zhǔn)則及圖像熵的閾值分割算法[J]. 肖超云,朱偉興.  計(jì)算機(jī)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(xué)學(xué)報(bào)(自然科學(xué)版). 2006(02)

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

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



本文編號(hào)：3717497