本文關(guān)鍵詞：基于機(jī)器視覺的磁瓦表面缺陷檢測系統(tǒng)

  更多相關(guān)文章： 磁瓦表面缺陷 同態(tài)濾波 圖像分塊 視覺注意機(jī)制 隨機(jī)森林

【摘要】：磁瓦是永磁電機(jī)的組成部分,其表面缺陷檢測是磁瓦生產(chǎn)過程中的一個重要環(huán)節(jié)。目前磁瓦生產(chǎn)企業(yè)常用的措施是人工目測檢測,嚴(yán)重影響了生產(chǎn)效率和產(chǎn)品質(zhì)量。因此本文提出了一種基于機(jī)器視覺的磁瓦表面檢測方法,可實(shí)現(xiàn)實(shí)時、非接觸、高效率、高精度的磁瓦表面缺陷在線檢測。該方法在磁瓦生產(chǎn)線上的合理運(yùn)用對企業(yè)自動化生產(chǎn)具有重要意義。具體研究內(nèi)容如下:首先在分析磁瓦表面缺陷種類和特點(diǎn)的基礎(chǔ)上,對圖像處理平臺、相機(jī)、鏡頭進(jìn)行選型,針對性地設(shè)計了弧形直射型光源,以獲取高質(zhì)量的磁瓦表面圖像,并對圖像進(jìn)行濾波處理。針對磁瓦表面亮度不均勻問題,通過對三種常用的亮度不均勻校正算法結(jié)果進(jìn)行對比,提出了一種改進(jìn)同態(tài)濾波算法,并用形態(tài)學(xué)頂帽和底帽變換增強(qiáng)圖像對比度。該方法能有效均衡圖像亮度,并一定程度上凸顯缺陷區(qū)域。其次,結(jié)合圖像分塊思想,提出采用改進(jìn)均值、熵值和方差灰度特征量描述圖像塊特征。通過對比灰度特征量快速判斷磁瓦表面是否存在缺陷。針對圖像紋理情況,采用基于視覺注意機(jī)制的方法分割缺陷圖像塊,并提出了從視覺特征選擇方法、融合特征顯著圖的角度改進(jìn)Itti視覺顯著計算模型的方案。再次,通過對各種圖像特征的分析,選擇改進(jìn)均值、熵值和方差灰度特征量和閾值化圖像的七個Hu不變矩作為缺陷分類的依據(jù)。利用隨機(jī)森林分類器將缺陷圖像塊分類,識別出缺陷種類。最后在上述分析研究的基礎(chǔ)上,搭建系統(tǒng)軟件,并對軟件平臺和算法進(jìn)行測試,驗(yàn)證平臺的穩(wěn)定性和算法的可靠性。本文提出的算法能夠有效地檢測磁瓦表面缺陷,具有較好的實(shí)時性和可靠性,為后續(xù)在現(xiàn)場環(huán)境的在線缺陷檢測奠定堅實(shí)的基礎(chǔ)。
【關(guān)鍵詞】：磁瓦表面缺陷 同態(tài)濾波 圖像分塊 視覺注意機(jī)制 隨機(jī)森林
【學(xué)位授予單位】：安徽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TM351
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-12
• 1.1 課題研究背景和意義8
• 1.2 機(jī)器視覺檢測技術(shù)研究現(xiàn)狀8-10
• 1.2.1 機(jī)器視覺檢測定義8-9
• 1.2.2 國內(nèi)外研究現(xiàn)狀9-10
• 1.3 磁瓦表面缺陷視覺檢測技術(shù)10-11
• 1.4 課題提出和研究內(nèi)容11-12
• 第二章 檢測裝置總體設(shè)計12-19
• 2.1 磁瓦典型缺陷分析12-13
• 2.2 檢測裝置硬件設(shè)計13-17
• 2.2.1 圖像處理平臺14
• 2.2.2 光源設(shè)計14-15
• 2.2.3 相機(jī)選型15-17
• 2.2.4 鏡頭選型17
• 2.3 檢測算法思路17-18
• 2.4 本章小結(jié)18-19
• 第三章 磁瓦表面圖像預(yù)處理19-28
• 3.1 中值濾波19-20
• 3.2 亮度不均勻處理20-27
• 3.2.1 磁瓦表面亮度分析20
• 3.2.2 亮度不均勻處理方法20-25
• 3.2.3 基于改進(jìn)同態(tài)濾波的亮度不均勻校正25-27
• 3.3 本章小結(jié)27-28
• 第四章 磁瓦表面缺陷檢測和分割28-49
• 4.1 磁瓦表面缺陷快速檢測28-36
• 4.1.1 磁瓦表面圖像分塊28
• 4.1.2 圖像塊灰度特征量28-33
• 4.1.3 基于改進(jìn)的灰度特征量的缺陷檢測33-36
• 4.2 磁瓦表面圖像分割36-40
• 4.2.1 圖像分割簡述36-38
• 4.2.2 磁瓦表面圖像分割算法分析38-40
• 4.3 基于視覺注意機(jī)制的磁瓦表面缺陷分割40-48
• 4.3.1 視覺注意簡介40
• 4.3.2 視覺顯著度計算模型40-43
• 4.3.3 基于改進(jìn)Itti模型的磁瓦表面缺陷分割43-48
• 4.4 本章小結(jié)48-49
• 第五章 磁瓦表面缺陷特征提取和分類49-58
• 5.1 缺陷圖像特征提取49-51
• 5.2 基于隨機(jī)森林缺陷分類51-54
• 5.2.1 決策樹51-52
• 5.2.2 隨機(jī)森林52-54
• 5.3 基于隨機(jī)森林的磁瓦缺陷分類實(shí)驗(yàn)分析54-56
• 5.4 本章小結(jié)56-58
• 第六章 磁瓦缺陷檢測系統(tǒng)軟件設(shè)計與測試58-66
• 6.1 軟件流程和模塊化設(shè)計58-62
• 6.1.1 系統(tǒng)軟件流程58-59
• 6.1.2 軟件平臺模塊化設(shè)計59-62
• 6.2 軟件測試62-65
• 6.2.1 軟件平臺測試62-63
• 6.2.2 算法測試63-65
• 6.3 本章小結(jié)65-66
• 第七章 總結(jié)與展望66-68
• 7.1 總結(jié)66
• 7.2 展望66-68
• 參考文獻(xiàn)68-72
• 附錄A 插圖清單72-74
• 附錄B 表格清單74-75
• 附錄C 程序源碼75-86
• 在學(xué)研究成果86-87
• 致謝87

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 尤政,胡慶英,林閩,李建;用于表面缺陷檢測的激光超聲技術(shù)[J];宇航計測技術(shù);1998年06期

2 羅磊;張二虎;;基于圖像分析的紙張表面缺陷檢測系統(tǒng)的研究與實(shí)現(xiàn)[J];西安理工大學(xué)學(xué)報;2014年02期

3 王義文;藺勇智;賈冬開;張中然;劉獻(xiàn)禮;;空氣與油液介質(zhì)下鋼球表面缺陷檢測效果對比分析[J];軸承;2010年05期

4 蔣新苗;劉獻(xiàn)禮;王鵬;趙彥玲;馬振鋒;;基于圖像技術(shù)的鋼球表面缺陷檢測研究[J];哈爾濱理工大學(xué)學(xué)報;2006年02期

5 馮蒙麗;王麗;丁紅勝;;電磁反演與交變磁場方法的金屬表面缺陷檢測[J];測試技術(shù)學(xué)報;2007年04期

6 盧湖川,王友軍,李輝;火車輪對表面缺陷檢測[J];大連理工大學(xué)學(xué)報;2004年06期

7 樂靜;郭俊杰;朱虹;;基于EMD和Snakes模型信息融合的表面缺陷檢測方法[J];儀器儀表學(xué)報;2006年12期

8 羅志勇，王斌，劉棟玉，呂新民，，江濤;帶鋼表面缺陷檢測系統(tǒng)的發(fā)展[J];鋼鐵;1996年S1期

9 朱光;朱學(xué)芳;張華坤;;復(fù)雜背景下TFT-LCD表面缺陷檢測系統(tǒng)的設(shè)計[J];電子測量與儀器學(xué)報;2011年12期

10 李煒,黃心漢,王敏,萬國紅;基于機(jī)器視覺的帶鋼表面缺陷檢測系統(tǒng)[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2003年02期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 韓立強(qiáng);;基于圖像分割技術(shù)的汽車發(fā)動機(jī)缸體表面缺陷檢測[A];面向21世紀(jì)的科技進(jìn)步與社會經(jīng)濟(jì)發(fā)展（下冊）[C];1999年

2 郭慶華;田陸;袁英宏;黃郁君;;嵌入式系統(tǒng)在鋼板表面缺陷檢測中的應(yīng)用[A];2012第四屆先進(jìn)軋鋼精整及鋼材包裝技術(shù)學(xué)術(shù)研討會文集[C];2012年

3 郭慶華;田陸;袁英宏;黃郁君;;嵌入式系統(tǒng)在鋼板表面缺陷檢測中的應(yīng)用[A];2012年全國軋鋼生產(chǎn)技術(shù)會論文集（下）[C];2012年

4 張鳳全;高娜;于明;趙曉安;張慧娟;;圖像處理在物體表面缺陷檢測中的應(yīng)用[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

5 劉乃強(qiáng);徐科;;形態(tài)學(xué)梯度在帶鋼表面缺陷檢測中的應(yīng)用[A];全國煉鋼連鑄過程自動化技術(shù)交流會論文集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 王世通;精密表面缺陷檢測散射成像理論建模及系統(tǒng)分析研究[D];浙江大學(xué);2015年

2 程萬勝;鋼板表面缺陷檢測技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2008年

3 王義文;鋼球表面缺陷檢測關(guān)鍵技術(shù)研究及樣機(jī)研制[D];哈爾濱理工大學(xué);2010年

4 趙立明;基于激光掃描成像與異源CCD融合的連鑄熱坯表面缺陷檢測方法研究[D];重慶大學(xué);2014年

5 叢家慧;引入人類視覺特性的帶鋼表面缺陷檢測與識別方法研究[D];東北大學(xué);2010年

6 王鵬;基于運(yùn)動視覺技術(shù)的鋼球表面缺陷檢測[D];哈爾濱理工大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 于躍;基于PMP的鋼軌表面缺陷檢測研究[D];西南交通大學(xué);2015年

2 汪磊;鋁箔復(fù)卷機(jī)運(yùn)動仿真分析及表面缺陷檢測系統(tǒng)研究[D];浙江大學(xué);2015年

3 付邦瑞;鋼坯表面裂紋圖像檢測[D];電子科技大學(xué);2015年

4 楊林;冷態(tài)熱軋鋼板表面缺陷檢測系統(tǒng)技術(shù)研究[D];重慶大學(xué);2015年

5 李嬌嬌;基于改進(jìn)DAGSVM的鋼板表面缺陷檢測系統(tǒng)設(shè)計與實(shí)現(xiàn)[D];重慶大學(xué);2015年

6 王松芳;基于特征分類的低分辨率觸摸屏表面缺陷檢測[D];北京交通大學(xué);2016年

7 李幫建;基于計算機(jī)視覺的表面缺陷檢測及應(yīng)用[D];東南大學(xué);2015年

8 楊建華;多口徑發(fā)動機(jī)包覆層表面缺陷檢測方法研究[D];中北大學(xué);2016年

9 張露林;基于GPU的衛(wèi)生用品表面缺陷檢測軟件設(shè)計[D];浙江大學(xué);2016年

10 朱健;基于機(jī)器視覺的連接器表面缺陷檢測算法研究[D];南京理工大學(xué);2016年

本文編號：1110969