發(fā)布時(shí)間：2020-10-20 17:43

　　 當(dāng)前工業(yè)生產(chǎn)應(yīng)用中,對釩電池(全釩氧化還原液流電池)碳?xì)职搴鸵毫骺虬宓某叽绲臏?zhǔn)確測量是實(shí)現(xiàn)電池高性能組裝的關(guān)鍵環(huán)節(jié)。本文在了解機(jī)器視覺的基本原理和查閱有關(guān)邊緣檢測和尺寸測量文獻(xiàn)的基礎(chǔ)上,完成了針對碳?xì)职搴鸵毫骺虬宓倪吘壱曈X檢測算法設(shè)計(jì),搭建實(shí)驗(yàn)檢測平臺(tái),分析算法工業(yè)應(yīng)用場景,設(shè)計(jì)編寫碳?xì)职搴鸵毫骺虬宄叽缫曈X檢測平臺(tái)軟件。論文的主要研究內(nèi)容包括:(1)構(gòu)建圖像采集系統(tǒng)平臺(tái)。依據(jù)系統(tǒng)的性能要求,完成硬件選型,包括光源、相機(jī)、鏡頭以及系統(tǒng)計(jì)算機(jī)。通過搭建的檢測平臺(tái),采集實(shí)際碳?xì)趾鸵毫骺虬宓膱D像。(2)設(shè)計(jì)基于改進(jìn)PCNN(Pulse Coupled Neural Network,脈沖耦合神經(jīng)網(wǎng)絡(luò))的邊緣檢測算法�；跈C(jī)器視覺的理論方法,針對測量目標(biāo)特征,添加抑制因子、去紋理算子,設(shè)計(jì)一種合理的基于改進(jìn)PCNN的像素級(jí)邊緣尺寸檢測方法。同時(shí),基于圖像處理效率最大的原則,完成了網(wǎng)絡(luò)模型的參數(shù)自適應(yīng)設(shè)置。針對應(yīng)用中對輪廓細(xì)節(jié)的不同需求,分別結(jié)合三次樣條插值算法和拋物線擬合算法,設(shè)計(jì)兩種基于改進(jìn)PCNN的亞像素級(jí)邊緣檢測方法。完成了尺寸檢測以及算法的噪聲污染對比試驗(yàn)。最后采用計(jì)算機(jī)產(chǎn)生的標(biāo)準(zhǔn)直線圖像對亞像素級(jí)邊緣檢測算法進(jìn)行算法精度測試。(3)針對工業(yè)應(yīng)用需求,設(shè)計(jì)系統(tǒng)檢測算法并完成完整的測量任務(wù)。分析兩種應(yīng)用情境,設(shè)計(jì)碳?xì)职搴鸵毫骺虬蹇壮叽鐪y量流程,標(biāo)定平臺(tái)相機(jī)參數(shù)。結(jié)合標(biāo)定參數(shù),重新推導(dǎo)適用于電池生產(chǎn)應(yīng)用中視覺檢測的逆透視公式。最后運(yùn)用本文設(shè)計(jì)的算法對采集到的圖像上的直線、圓柱孔圓進(jìn)行測量,對比工件實(shí)際測量尺寸,進(jìn)行算法有效性與檢測精度測試。(4)設(shè)計(jì)編寫視覺檢測平臺(tái)軟件。針對課題需求,設(shè)計(jì)基于視覺的尺寸檢測系統(tǒng)的平臺(tái)軟件界面,介紹軟件設(shè)計(jì)思路及各部分功能。在MATLAB的開發(fā)平臺(tái)上,編寫軟件并完成實(shí)際對碳?xì)职宀牧贤鈬叽绾鸵毫骺虬寰植砍叽绲臏y量檢測實(shí)驗(yàn)。
【學(xué)位單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TM911
【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 課題背景及其研究意義
    1.2 國內(nèi)外研究現(xiàn)狀及分析
        1.2.1 液流電池制備工藝現(xiàn)狀及分析
        1.2.2 視覺尺寸檢測現(xiàn)狀及分析
    1.3 本文的主要工作和章節(jié)安排
        1.3.1 本文的主要工作
        1.3.2 本文的章節(jié)安排
第二章 釩電池材料視覺檢測基礎(chǔ)
    2.1 釩電池系統(tǒng)
    2.2 電池制備工藝檢測的要求及技術(shù)難點(diǎn)
        2.2.1 檢測要求
        2.2.2 技術(shù)難點(diǎn)
    2.3 基于視覺的檢測平臺(tái)硬件組成及選型
        2.3.1 工業(yè)相機(jī)的選型
        2.3.2 鏡頭的選型
        2.3.3 光源的選型
        2.3.4 系統(tǒng)計(jì)算機(jī)的選型
    2.4 視覺檢測系統(tǒng)平臺(tái)整體方案
    2.5 本章小結(jié)
第三章 基于改進(jìn)PCNN的邊緣檢測方法
    3.1 圖像邊緣檢測
        3.1.1 邊緣檢測原理
        3.1.2 傳統(tǒng)邊緣檢測算法
    3.2 PCNN
        3.2.1 PCNN網(wǎng)絡(luò)模型
        3.2.2 PCNN的特性及工作機(jī)制
        3.2.3 改進(jìn)的PCNN模型與參數(shù)自適應(yīng)設(shè)置
    3.3 基于改進(jìn)PCNN的圖像邊緣檢測模型
    3.4 基于改進(jìn)PCNN的圖像邊緣檢測算法
    3.5 本章小結(jié)
第四章 基于改進(jìn)PCNN的亞像素級(jí)精度邊緣檢測算法
    4.1 亞像素級(jí)精度檢測原理
    4.2 基于改進(jìn)PCNN的插值邊緣檢測
    4.3 基于改進(jìn)PCNN的擬合邊緣檢測
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 像素精度算法抗噪效果對比
        4.4.2 亞像素級(jí)精度算法實(shí)驗(yàn)與分析
        4.4.3 理想邊緣檢測
    4.5 本章小結(jié)
第五章 邊緣檢測算法在釩電池材料檢測中的應(yīng)用
    5.1 尺寸測量
        5.1.1 視覺尺寸測量流程
        5.1.2 相機(jī)的標(biāo)定
        5.1.3 圖像預(yù)處理
        5.1.4 基于工作臺(tái)標(biāo)記線的逆透視算法
        5.1.5 實(shí)驗(yàn)結(jié)果及分析
    5.2 工件裝配
        5.2.1 孔型工件裝配需求
        5.2.2 圓孔輪廓檢測流程
        5.2.3 工件尺寸裝配誤差分析
        5.2.4 實(shí)驗(yàn)結(jié)果及分析
    5.3 檢測軟件平臺(tái)
        5.3.1 設(shè)計(jì)思路
        5.3.2 功能介紹
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王曉麗;張宇;李穎;張華民;;全釩液流電池技術(shù)與產(chǎn)業(yè)發(fā)展?fàn)顩r[J];儲(chǔ)能科學(xué)與技術(shù);2015年05期

2 尹英杰;徐德;張正濤;王欣剛;屈穩(wěn)太;;基于單目視覺的平面測量[J];電子測量與儀器學(xué)報(bào);2013年04期

3 陸凱;李成金;趙勛杰;鄒薇;張雪松;;一種快速的亞像素圖像配準(zhǔn)算法[J];紅外技術(shù);2013年01期

4 來躍深;陳琛;田軍委;程鋼;;高斯插值亞像素邊緣檢測算法的優(yōu)化[J];西安工業(yè)大學(xué)學(xué)報(bào);2012年10期

5 張美靜;石振剛;;改進(jìn)形態(tài)學(xué)梯度的樣條插值亞像素邊緣檢測方法[J];沈陽理工大學(xué)學(xué)報(bào);2012年03期

6 胡樹杰;;圖像亞像素邊緣檢測的新方法[J];制造業(yè)自動(dòng)化;2012年02期

7 韓延祥;張志勝;戴敏;;用于目標(biāo)測距的單目視覺測量方法[J];光學(xué)精密工程;2011年05期

8 袁啟平;宋金澤;吳濤;;基于逆透視投影變換的圖像拼接方法[J];微計(jì)算機(jī)信息;2010年21期

9 魏本征;趙志敏;華晉;;基于改進(jìn)形態(tài)學(xué)梯度和Zernike矩的亞像素邊緣檢測方法[J];儀器儀表學(xué)報(bào);2010年04期

10 李顥;楊明;;基于非線性逆透視變換的攝像機(jī)畸變參數(shù)標(biāo)定[J];上海交通大學(xué)學(xué)報(bào);2008年10期

相關(guān)博士學(xué)位論文 前3條

1 劉勍;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像處理若干問題研究[D];西安電子科技大學(xué);2011年

2 陳偉;基于PSO的復(fù)雜工業(yè)環(huán)境視覺目標(biāo)檢測算法應(yīng)用研究[D];武漢科技大學(xué);2008年

3 伍濟(jì)鋼;薄片零件尺寸機(jī)器視覺檢測系統(tǒng)關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前9條

1 呂曉龍;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像邊緣檢測算法研究[D];哈爾濱工業(yè)大學(xué);2016年

2 趙晗;脈沖耦合神經(jīng)網(wǎng)絡(luò)用于圖像分割若干問題研究[D];中國礦業(yè)大學(xué);2015年

3 凌云志;基于機(jī)器視覺的AGV結(jié)構(gòu)設(shè)計(jì)與導(dǎo)航算法研究[D];華南理工大學(xué);2015年

4 王為;基于FPGA-DSP的浮選圖像系統(tǒng)多通道采集裝置研制[D];中南大學(xué);2014年

5 王雙印;全釩氧化還原液流電池電極材料的改性及電堆結(jié)構(gòu)設(shè)計(jì)[D];蘭州交通大學(xué);2014年

6 董菲;一維視覺巖心圖像掃描系統(tǒng)的研究[D];天津科技大學(xué);2014年

7 傅駿;基于機(jī)器視覺的汽車換熱器尺寸測量及外觀檢測系統(tǒng)設(shè)計(jì)[D];南京理工大學(xué);2014年

8 喬玲玲;圖像分割算法研究及實(shí)現(xiàn)[D];武漢理工大學(xué);2009年

9 賈丹;攝像機(jī)現(xiàn)場標(biāo)定算法研究[D];哈爾濱工程大學(xué);2007年

本文編號(hào)：2848964