本文關(guān)鍵詞：基于機(jī)器視覺的鋼球表面質(zhì)量分揀系統(tǒng)，由筆耕文化傳播整理發(fā)布。

【摘要】：本文設(shè)計了一種基于機(jī)器視覺的鋼球自動分揀系統(tǒng),該系統(tǒng)以鋼球表面質(zhì)量為研究對象,以快速定位鋼球表面缺陷,并準(zhǔn)確實現(xiàn)鋼球的優(yōu)劣分揀為工作目的。在對傳統(tǒng)邊緣檢測算法進(jìn)行系統(tǒng)研究的基礎(chǔ)上,提出了自適應(yīng)多方向灰度形態(tài)學(xué)圖像邊緣檢測算法。實驗結(jié)果表明,本文提出的改進(jìn)的邊緣檢測算法可提高鋼球表面質(zhì)量的檢測精度,所設(shè)計的分揀系統(tǒng)具有較高的可靠性,可以實現(xiàn)對鋼球表面質(zhì)量的檢測。本文主要工作如下:(1)鋼球分揀系統(tǒng)軟、硬件設(shè)計。通過Halcon和VS2008混合編程,完成鋼球表面自動檢測系統(tǒng)的軟件設(shè)計。通過對CCD相機(jī)、照明系統(tǒng)的設(shè)計,完成硬件部分的選取。(2)鋼球表面圖像預(yù)處理。通過圖像分割、平滑去噪和圖像二值化等預(yù)處理環(huán)節(jié),對CCD相機(jī)采集到的鋼球表面圖像進(jìn)行處理,以便獲取鋼球表面圖像的真實信息。(3)對多方向灰度形態(tài)學(xué)圖像邊緣檢測算法進(jìn)行研究與改進(jìn)。在對傳統(tǒng)邊緣檢測算法進(jìn)行研究與分析的基礎(chǔ)上,提出多方向灰度形態(tài)學(xué)圖像邊緣檢測算法。并以灰度圖像和鋼球表面圖像為對象,對改進(jìn)的邊緣檢測算法進(jìn)行了實驗驗證。實驗結(jié)果表明,本文改進(jìn)算法較傳統(tǒng)算法可以快速有效的提取灰度圖像和鋼球表面圖像的邊緣信息。(4)本文設(shè)計鋼球分揀系統(tǒng)的可行性驗證。由本文設(shè)計的鋼球分揀系統(tǒng)分別對不同直徑的鋼球進(jìn)行分揀實驗。實驗結(jié)果表明,該系統(tǒng)的工作效率與分揀準(zhǔn)確性均能達(dá)到生產(chǎn)實際的要求,證明本文設(shè)計的鋼球分揀系統(tǒng)切實可行。
【關(guān)鍵詞】：機(jī)器視覺 自動分揀 邊緣檢測 圖像預(yù)處理 灰度形態(tài)學(xué)
【學(xué)位授予單位】：山東理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TH133.3;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-15
• 1.1 引言8
• 1.2 基于機(jī)器視覺的鋼球分揀系統(tǒng)概述8-11
• 1.2.1 鋼球分揀系統(tǒng)研究背景及意義8-9
• 1.2.2 基于機(jī)器視覺的鋼球分揀系統(tǒng)研究現(xiàn)狀9-11
• 1.3 基于機(jī)器視覺的圖像邊緣檢測技術(shù)研究11-13
• 1.3.1 圖像邊緣檢測技術(shù)的研究歷史11-12
• 1.3.2 圖像邊緣檢測技術(shù)的發(fā)展趨勢12-13
• 1.4 論文研究內(nèi)容及章節(jié)安排13-15
• 1.4.1 研究內(nèi)容13-14
• 1.4.2 章節(jié)安排14-15
• 第二章 基于機(jī)器視覺的鋼球分揀系統(tǒng)15-22
• 2.1 系統(tǒng)工作原理及過程15-17
• 2.2 系統(tǒng)軟件配置17-18
• 2.2.1 Halcon簡介17
• 2.2.2 Halcon與VS2008混合編程17
• 2.2.3 鋼球分揀系統(tǒng)軟件工作流程17-18
• 2.3 系統(tǒng)硬件配置及相關(guān)參數(shù)18-21
• 2.3.1 CCD相機(jī)的選取18-19
• 2.3.2 照明系統(tǒng)設(shè)計19-21
• 2.4 本章小結(jié)21-22
• 第三章 鋼球表面圖像預(yù)處理22-36
• 3.1 圖像分割22-25
• 3.1.1 圖像分割的概述及意義22-23
• 3.1.2 全局閾值分割23-25
• 3.2 鋼球表面圖像平滑去噪25-31
• 3.2.1 圖像噪聲及去噪方法25-29
• 3.2.2 鋼球表面圖像去噪方法29-31
• 3.3 圖像二值化31-35
• 3.3.1 圖像二值化原理及方法31-33
• 3.3.2 鋼球表面圖像二值化方法33-35
• 3.4 本章小結(jié)35-36
• 第四章 鋼球表面圖像特征邊緣檢測36-46
• 4.1 傳統(tǒng)邊緣檢測算法及其在鋼球表面缺陷檢測中的不足36-42
• 4.1.1 基于梯度的邊緣檢測算子36-39
• 4.1.2 二階微分算子39-42
• 4.2 Canny邊緣檢測算法42-43
• 4.3 自適應(yīng)多方向灰度形態(tài)學(xué)圖像邊緣檢測算法43-46
• 4.3.1 傳統(tǒng)數(shù)學(xué)形態(tài)學(xué)邊緣檢測算法43-44
• 4.3.2 本文改進(jìn)的數(shù)學(xué)形態(tài)學(xué)邊緣檢測算法44-46
• 第五章 實驗結(jié)果分析46-61
• 5.1 圖像邊緣檢測的評估方法46-49
• 5.2 灰度圖像邊緣檢測效果49-53
• 5.2.1 主觀評價50-51
• 5.2.2 客觀評價51-53
• 5.2.3 總結(jié)53
• 5.3 鋼球表面圖像邊緣檢測實驗53-55
• 5.3.1 鋼球表面圖像邊緣檢測及主觀評價53-55
• 5.3.2 客觀評價55
• 5.3.3 總結(jié)55
• 5.4 鋼球分揀實驗55-60
• 5.4.1 實驗方法及步驟56-58
• 5.4.2 實驗結(jié)果58-60
• 5.5 本章小結(jié)60-61
• 第六章 總結(jié)與展望61-62
• 6.1 總結(jié)61
• 6.2 展望61-62
• 參考文獻(xiàn)62-66
• 在讀期間公開發(fā)表的論文66-67
• 致謝67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王娜,李霞;一種新的改進(jìn)Canny邊緣檢測算法[J];深圳大學(xué)學(xué)報;2005年02期

2 王小華;錢月晶;;一種改進(jìn)的Canny邊緣檢測算法[J];機(jī)電工程;2008年12期

3 片兆宇;高立群;郭麗;王坤;;多階段邊緣檢測算法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2008年05期

4 劉川來;王慧敏;朱毅;寧通;;輪胎氣泡邊緣檢測算法的研究[J];電子測量與儀器學(xué)報;2009年12期

5 李海華;齊紅敏;萬亮亮;;一種改進(jìn)的六邊形結(jié)構(gòu)的Canny邊緣檢測算法[J];光學(xué)儀器;2011年01期

6 肖梅;張雷;寇雯玉;苗永祿;劉偉;;一種新的邊緣檢測算法研究[J];鄭州大學(xué)學(xué)報(工學(xué)版);2012年04期

7 牟宇飛;張文普;彭uQ;;基于遺傳算法閾值優(yōu)化的模糊邊緣檢測[J];重慶理工大學(xué)學(xué)報(自然科學(xué));2012年08期

8 劉雅琴;;圖像邊緣檢測在輸電線巡檢中的應(yīng)用[J];數(shù)字技術(shù)與應(yīng)用;2013年05期

9 吳坤;孟飛;慕連好;張合新;;激光主動成像圖像邊緣檢測[J];電光與控制;2013年09期

10 張汀汀,柳健;邊緣檢測的分層松弛方法[J];華中理工大學(xué)學(xué)報;1990年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王巖;勒中鑫;;邊緣檢測中幾種方法的比較[A];1998年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1998年

2 孟偉;王秀澤;張巖;;離散Canny邊緣檢測算法的實現(xiàn)[A];走近CIE 26th——中國照明學(xué)會（2005）學(xué)術(shù)年會論文集[C];2005年

3 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

4 任獲榮;楊夏穎;何培培;孫建維;高敏;;邊緣檢測技術(shù)發(fā)展現(xiàn)狀及其在零件識別中的應(yīng)用綜述[A];第三屆數(shù)控機(jī)床與自動化技術(shù)專家論壇論文集[C];2012年

5 王巖;勒中鑫;;幾種邊緣檢測方法及其比較[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 葉樂軍;王強(qiáng);;基于自適應(yīng)邊緣檢測的大空間火災(zāi)目標(biāo)監(jiān)測技術(shù)[A];中國職業(yè)安全健康協(xié)會2007年學(xué)術(shù)年會論文集[C];2007年

7 沈亮;潘德爐;王迪峰;;機(jī)載多通道掃描儀圖像的邊緣檢測初步研究[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會論文集（Ⅰ）[C];2008年

8 李文輝;郭寧寧;郝鑫;;優(yōu)化邊緣檢測的分析和解決方案[A];“加入WTO和科學(xué)技術(shù)與吉林經(jīng)濟(jì)發(fā)展——機(jī)遇·挑戰(zhàn)·責(zé)任”吉林省第二屆科學(xué)技術(shù)學(xué)術(shù)年會論文集（上）[C];2002年

9 王培珍;孟祥昊;張克;鄭詩程;潘瑞雪;;板材圖像邊緣檢測算法研究[A];第25屆中國控制與決策會議論文集[C];2013年

10 王海嵐;樊紹勝;;一種改進(jìn)的模糊形態(tài)學(xué)邊緣檢測算法[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 鳴人;Photoshop CS5:三大功能再進(jìn)化[N];中國攝影報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 磨少清;邊緣檢測及其評價方法的研究[D];天津大學(xué);2011年

2 董鴻燕;邊緣檢測的若干技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

3 王媛妮;順序形態(tài)邊緣檢測及分水嶺圖像分割研究[D];武漢大學(xué);2010年

4 遲健男;圖像形態(tài)學(xué)和小波分析在圖像增強(qiáng)與邊緣檢測中的應(yīng)用[D];東北大學(xué);2005年

5 李杏梅;Contourlet變換在圖像去噪與邊緣檢測中的應(yīng)用研究[D];華中科技大學(xué);2011年

6 丁興號;基于小波分析的視覺檢測技術(shù)研究[D];合肥工業(yè)大學(xué);2003年

7 閆海霞;基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測和增強(qiáng)算法的研究[D];吉林大學(xué);2009年

8 謝松法;模式特征的提取與應(yīng)用研究[D];華中科技大學(xué);2007年

9 吳慶崗;復(fù)雜背景輸電線圖像中部件邊緣提取算法研究[D];大連海事大學(xué);2012年

10 Ali Abdullah Yahya;[D];合肥工業(yè)大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 林江;基于邊緣檢測和馬爾可夫隨機(jī)場的AD癥腦MRI分割方法研究[D];西南交通大學(xué);2015年

2 呂威駿;基于分?jǐn)?shù)階傅里葉變換和多尺度跟蹤的邊緣檢測算法[D];鄭州大學(xué);2015年

3 亓?xí)酝?基于攝影測量的板類件孔位檢測方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

4 孫浩軒;基于Matlab的電力線實時檢測的算法研究[D];中國海洋大學(xué);2015年

5 付偉;紙張折痕恢復(fù)性能測試儀的研究[D];中國海洋大學(xué);2014年

6 楊豐駿;基于改進(jìn)蟻群算法的圖像邊緣檢測[D];太原理工大學(xué);2016年

7 郭爽;電力線檢測的算法研究[D];中國海洋大學(xué);2015年

8 聶愷;復(fù)雜天氣條件下的太陽質(zhì)心位置檢測方法研究[D];太原科技大學(xué);2015年

9 仝海峰;基于FPGA的視頻圖像邊緣檢測優(yōu)化設(shè)計[D];安徽理工大學(xué);2016年

10 徐曉瑩;基于灰色關(guān)聯(lián)度和紋理分析邊緣檢測算法的研究[D];東北石油大學(xué);2010年

  本文關(guān)鍵詞：基于機(jī)器視覺的鋼球表面質(zhì)量分揀系統(tǒng)，由筆耕文化傳播整理發(fā)布。

，

本文編號：476443