觸點(diǎn)材料廣泛運(yùn)用于現(xiàn)代電子設(shè)備系統(tǒng)當(dāng)中,擔(dān)任著接通、斷開(kāi)電路的任務(wù),其表面質(zhì)量與系統(tǒng)能否穩(wěn)定運(yùn)行息息相關(guān)。由于觸點(diǎn)材料需求量的增加,人工檢測(cè)方法已無(wú)法滿足觸點(diǎn)材料生產(chǎn)企業(yè)的檢測(cè)需求,因此對(duì)觸點(diǎn)材料表面缺陷檢測(cè)技術(shù)的研究刻不容緩。本文針對(duì)鉚釘型觸點(diǎn)材料表面缺陷設(shè)計(jì)了全景圖像采集系統(tǒng)并基于圖像預(yù)處理、圖像分割、特征提取、機(jī)器學(xué)習(xí)等方法實(shí)現(xiàn)了對(duì)觸點(diǎn)材料表面缺陷的識(shí)別與分類。首先,設(shè)計(jì)了由遠(yuǎn)心光路圖像采集系統(tǒng)、穹頂光源照明系統(tǒng)和其他機(jī)械裝置組成的觸點(diǎn)材料全景圖像采集系統(tǒng),針對(duì)觸點(diǎn)材料表面缺陷檢測(cè)指標(biāo)要求,確定了工業(yè)相機(jī)的像素大小和遠(yuǎn)心鏡頭的視野范圍。設(shè)計(jì)了基于穹頂光源的漫反射照明系統(tǒng),完成了觸點(diǎn)材料全景圖像采集系統(tǒng)的搭建,實(shí)現(xiàn)了對(duì)鉚釘型觸點(diǎn)材料工作面、釘腳面和側(cè)面的缺損、劃傷、凹坑、銀翹、凸起、分層等六類常見(jiàn)表面缺陷圖像的采集。其次,設(shè)計(jì)了基于加權(quán)平均值的觸點(diǎn)圖像灰度化方法,通過(guò)引入峰值信噪比提出了自適應(yīng)高斯濾波算法,實(shí)現(xiàn)了觸點(diǎn)圖像異常噪聲點(diǎn)的去除。針對(duì)光照不均的觸點(diǎn)側(cè)面圖像,提出了基于最小誤差法的分段線性變換的觸點(diǎn)圖像增強(qiáng)算法;針對(duì)光照均勻的觸點(diǎn)工作面和釘腳面圖像,設(shè)計(jì)了基于自動(dòng)均衡的觸點(diǎn)圖... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

MV-UBS500C工業(yè)相機(jī)由于鉚釘觸點(diǎn)釘頭直徑最大為，觸點(diǎn)高度為釘腳高度與釘頭厚度之和，

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文12統(tǒng)中均可使用，其實(shí)物如圖2-5所示。圖2-5MV-UBS500C工業(yè)相機(jī)由于鉚釘觸點(diǎn)釘頭直徑最大為8mm，觸點(diǎn)高度為釘腳高度與釘頭厚度之和，其最大為7mm，弧面弦高最大為0.7mm，釘腳直徑最大為4mm，為了能夠滿足對(duì)不同尺寸鉚釘觸點(diǎn)的測(cè)量，所選擇的遠(yuǎn)心鏡頭視野范圍需大于8mm×8mm，綜合考慮各型號(hào)遠(yuǎn)心鏡頭的放大倍率、工作物距、視野范圍、景深效果等因素，選用深圳邁德威視科技有限公司所生產(chǎn)的MV-YD-110-05F26型物方遠(yuǎn)心鏡頭，其物距110mm，放大倍率0.5X，視野范圍為12.8mm×9.6mm，景深為3.2mm，各參數(shù)均符合檢測(cè)要求，實(shí)物如圖2-6所示。圖2-6MV-YD-110-05F26遠(yuǎn)心鏡頭將所選工業(yè)相機(jī)與遠(yuǎn)心鏡頭進(jìn)行組合，對(duì)硬件選型可行性進(jìn)行分析。因所選鏡頭放大倍率=0.5，相機(jī)像元尺寸為2.2μm2.2μm，為提高檢測(cè)準(zhǔn)確率，本文使用2個(gè)像素對(duì)應(yīng)一個(gè)檢測(cè)精度后，理論最小檢測(cè)精度達(dá)到0.005mm，CCD相機(jī)像元尺寸計(jì)算公式為：l=l像物(2-5)則理論上最小物理檢測(cè)尺寸為:2.2===4.4<5m0.5mll像物(2-6)因此滿足檢測(cè)精度要求。2.5照明系統(tǒng)方案設(shè)計(jì)光源的結(jié)構(gòu)和照射方式直接影響圖像的質(zhì)量，好的光源及照射方式可以使得

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文3422222ddccddcdc(3-28)經(jīng)過(guò)多次試驗(yàn)證明，改進(jìn)后的分段線性增強(qiáng)算法可以根據(jù)圖像數(shù)據(jù)實(shí)現(xiàn)對(duì)選定分區(qū)點(diǎn)c、d和變換系數(shù)k的自動(dòng)求取，可以改善人為設(shè)定參數(shù)對(duì)圖像增強(qiáng)效果的影響，對(duì)于光照不均的觸點(diǎn)側(cè)面圖像適用性較強(qiáng)。由圖3-14可以看出，觸點(diǎn)側(cè)面缺陷部分與其他部分的灰度值差異變大，觸點(diǎn)側(cè)面圖像中的凸起、分層等缺陷的細(xì)節(jié)信息得以增強(qiáng)，具有較好的增強(qiáng)效果。a)凸起缺陷b)分層缺陷c)混合缺陷圖3-14改進(jìn)后的分段線性增強(qiáng)3.4.3光照均勻情況光照均勻情況下，本文選擇自動(dòng)均衡算法來(lái)對(duì)觸點(diǎn)工作面和釘腳面圖像進(jìn)行增強(qiáng)[49-50]。自動(dòng)均衡算法將圖像分成低頻和高頻兩部分，其通過(guò)增強(qiáng)圖像高頻部分強(qiáng)化圖像細(xì)節(jié)。對(duì)于像素點(diǎn)x,y，其鄰域大小為2nn2n1，設(shè)增益系數(shù)為Gx,y，則區(qū)域均值與方差為：21,,21xnynikxnlynmxyfkln(3-29)2221,,,21xnyniikxnlynxyfxymxyn(3-30)式中,imxy——圖像低頻部分；此時(shí),,ifxymxy即可認(rèn)為是圖像的高頻部分，將高頻部分與增益系數(shù)相乘，有：,,,,,iigxymxyGxyfxymxy(3-31)其中增益系數(shù),,iDGxyxy，因此：

【參考文獻(xiàn)】：
期刊論文
[1]剎車片表面缺陷的圖像檢測(cè)方法[J]. 韓志瑋,高美鳳.  應(yīng)用光學(xué). 2020(03)
[2]基于機(jī)器視覺(jué)的玻璃缺陷檢測(cè)技術(shù)[J]. 苗永菲,游洋,李趙松,黎紅軍,宋康,侯朝云.  電子設(shè)計(jì)工程. 2020(08)
[3]基于機(jī)器視覺(jué)的手機(jī)電池表面缺陷檢測(cè)[J]. 鄭魁敬,劉學(xué)超,王萌萌.  制造技術(shù)與機(jī)床. 2020(04)
[4]基于機(jī)器視覺(jué)的玉米幼苗葉面積檢測(cè)裝置設(shè)計(jì)及試驗(yàn)[J]. 付豪,萬(wàn)鵬,施家偉,楊萬(wàn)能.  華中農(nóng)業(yè)大學(xué)學(xué)報(bào). 2020(01)
[5]基于圖像處理的暖血器缺陷檢測(cè)方法研究[J]. 全燕鳴,龍思慧,吳航.  半導(dǎo)體光電. 2019(06)
[6]基于機(jī)器視覺(jué)的缺陷檢測(cè)應(yīng)用綜述[J]. 韓茜茜,耿世勇,李恒毅.  電工技術(shù). 2019(14)
[7]基于機(jī)器視覺(jué)的大棗表面缺陷檢測(cè)[J]. 王春普,文懷興,王俊杰.  食品與機(jī)械. 2019(07)
[8]基于改進(jìn)高斯濾波算法的葉片圖像去噪方法[J]. 李健,丁小奇,陳光,孫旸,姜楠.  南方農(nóng)業(yè)學(xué)報(bào). 2019(06)
[9]基于機(jī)器視覺(jué)的包裝袋缺陷檢測(cè)算法研究與應(yīng)用[J]. 李丹,白國(guó)君,金媛媛,童艷.  激光與光電子學(xué)進(jìn)展. 2019(09)
[10]醫(yī)學(xué)圖像分析深度學(xué)習(xí)方法研究與挑戰(zhàn)[J]. 田娟秀,劉國(guó)才,谷珊珊,鞠忠建,劉勁光,顧冬冬.  自動(dòng)化學(xué)報(bào). 2018(03)

碩士論文
[1]繼電器觸點(diǎn)鉚合質(zhì)量在線視覺(jué)檢測(cè)技術(shù)研究[D]. 孫沛澤.浙江大學(xué) 2019
[2]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
[3]鉚釘尺寸與表面缺陷在線檢測(cè)關(guān)鍵技術(shù)研究[D]. 張磊.西南交通大學(xué) 2016
[4]基于FPGA的視頻采集及圖像處理算法實(shí)現(xiàn)[D]. 張浩然.云南大學(xué) 2015
[5]基于類推思想的車牌字符圖像清晰度提升[D]. 周茜.西安電子科技大學(xué) 2012
[6]基于機(jī)器視覺(jué)的觸點(diǎn)零件在線檢測(cè)系統(tǒng)研究[D]. 阮曉虹.上海交通大學(xué) 2010



本文編號(hào)：3123721