漆包線是現(xiàn)代工業(yè)的重要材料,其表面質(zhì)量的好壞會直接影響產(chǎn)品的綜合性能。隨著數(shù)學(xué)和計(jì)算機(jī)的發(fā)展推動,機(jī)器視覺技術(shù)也得到了迅猛發(fā)展。將機(jī)器視覺檢測技術(shù)應(yīng)用到漆包線表面疵病檢測中,替代傳統(tǒng)的人工檢測、有損接觸式檢測,實(shí)現(xiàn)高效在線檢測,從而提升漆包線產(chǎn)量,根據(jù)疵病的數(shù)量、類型和出現(xiàn)位置,為生產(chǎn)設(shè)備檢修提供參考具有重要意義。機(jī)器視覺檢測系統(tǒng)的核心是數(shù)字圖形處理,難點(diǎn)在于圖像全景采集、疵病的高檢準(zhǔn)率。本文設(shè)計(jì)了基于單相機(jī)的漆包線疵病檢測系統(tǒng),主要研究內(nèi)容有如下四方面。首先,設(shè)計(jì)單相機(jī)配合四面平面反射鏡,實(shí)現(xiàn)直徑2.5-4mm漆包線圖像的360°全景采集,根據(jù)圖像采集要求,合理選擇工業(yè)相機(jī)和鏡頭,設(shè)計(jì)提出雙低角度環(huán)形光照明。然后,設(shè)計(jì)漆包線圖像預(yù)處理算法,采用仿射變換對圖像進(jìn)行傾斜矯正,提取ROI屏蔽無用信息,論證冪律變換對漆包線圖像增強(qiáng)效果最優(yōu),高斯濾波對圖像去噪效果最優(yōu)。其次,利用閾值分割算法分割漆包線區(qū)域,提出邊緣改進(jìn)閾值分割算法分割疵病區(qū)域,分析疵病區(qū)域形狀特征,提出多特征組合法檢測分類疵病,分析疵病局部灰度特征,提出灰度水平投影曲線二次擬合法檢測疵病有無,最終通過分析對比確定兩種方法結(jié)合對... 

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要?jiǎng)?chuàng)新與貢獻(xiàn)
    1.4 本文主要工作及章節(jié)安排
第2章 疵病檢測系統(tǒng)的總體設(shè)計(jì)
    2.1 漆包線疵病檢測的實(shí)現(xiàn)原理及功能
    2.2 系統(tǒng)設(shè)計(jì)的總體方案
    2.3 光學(xué)圖像采集系統(tǒng)設(shè)計(jì)
    2.4 工業(yè)相機(jī)的選型
    2.5 鏡頭的選型
    2.6 照明設(shè)計(jì)
    2.7 本章小結(jié)
第3章 漆包線圖像預(yù)處理
    3.1 引言
    3.2 圖像位置矯正
    3.3 漆包線區(qū)域提取
    3.4 圖像增強(qiáng)
        3.4.1 灰度變換圖像增強(qiáng)
        3.4.2 直方圖均衡增強(qiáng)
        3.4.3 圖像增強(qiáng)實(shí)驗(yàn)對比與結(jié)論
    3.5 圖像濾波
        3.5.1 噪聲來源
        3.5.2 濾波算法
        3.5.3 濾波結(jié)果評價(jià)方法
        3.5.4 濾波實(shí)驗(yàn)對比與結(jié)論
    3.6 本章小結(jié)
第4章 圖像分割和漆包線疵病檢測識別研究
    4.1 基于閾值的漆包線區(qū)域圖像分割
        4.1.1 閾值分割的常用方法
        4.1.2 結(jié)合形態(tài)學(xué)處理和區(qū)域填充的閾值分割
        4.1.3 漆包線區(qū)域圖像分割實(shí)驗(yàn)
    4.2 基于邊緣改善的疵病區(qū)域分割提取
        4.2.1 邊緣提取
        4.2.2 邊緣提取實(shí)驗(yàn)對比與分析
        4.2.3 疵病區(qū)域分割實(shí)驗(yàn)
    4.3 基于形狀特征的疵病檢測方法設(shè)計(jì)
    4.4 基于灰度投影的疵病檢測方法設(shè)計(jì)
    4.5 檢測方法分析與確定
    4.6 本章小結(jié)
第5章 疵病檢測系統(tǒng)軟件設(shè)計(jì)及實(shí)驗(yàn)驗(yàn)證
    5.1 疵病檢測系統(tǒng)軟件設(shè)計(jì)要求
    5.2 軟件開發(fā)工具
        5.2.1 HALCON軟件的簡介
        5.2.2 C#簡介
    5.3 軟件系統(tǒng)結(jié)構(gòu)和設(shè)計(jì)流程
    5.4 人機(jī)交互界面設(shè)計(jì)
    5.5 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于圖像處理技術(shù)的目標(biāo)識別方法綜述[J]. 王偉男,楊朝紅.  電腦與信息技術(shù). 2019(06)
[2]基于區(qū)域檢測分割的運(yùn)動模糊圖像復(fù)原[J]. 胡紹海,王敏茜.  北京交通大學(xué)學(xué)報(bào). 2019(05)
[3]工件表面低對比度缺陷快速準(zhǔn)確識別方法[J]. 邵偉,彭鵬,周阿維,趙迪.  計(jì)量學(xué)報(bào). 2019(05)
[4]攝像機(jī)CCD與CMOS圖像傳感器工作原理[J]. 李育林.  科技經(jīng)濟(jì)導(dǎo)刊. 2019(25)
[5]光纜表面缺陷視覺在線高速檢測算法研究[J]. 吉咸陽,徐寧,楊庚,劉逢清,金仙力.  高技術(shù)通訊. 2019(08)
[6]基于機(jī)器視覺測量技術(shù)的城市軌道交通車輛門鎖安全監(jiān)測方法[J]. 顧壹,蔣書波,繆小冬.  城市軌道交通研究. 2019(08)
[7]基于增強(qiáng)的低對比度印品缺陷的識別技術(shù)研究[J]. 張雷洪,熊銳.  包裝工程. 2019(13)
[8]機(jī)器視覺在設(shè)施育苗作物生長監(jiān)測中的研究與應(yīng)用[J]. 楊斯,黃鋁文,張馨.  江蘇農(nóng)業(yè)科學(xué). 2019(06)
[9]圓形線材表面缺陷識別的圖像處理研究[J]. 盧黎明,谷開,盧晉夫,楊培義,唐俊濤.  機(jī)床與液壓. 2019(01)
[10]機(jī)器視覺在工業(yè)發(fā)展中的創(chuàng)新應(yīng)用[J]. 李佳航.  科技與創(chuàng)新. 2018(24)

博士論文
[1]面向鐵路運(yùn)行環(huán)境檢測的圖像復(fù)原、增強(qiáng)及配準(zhǔn)方法研究[D]. 呂國豪.北京交通大學(xué) 2017

碩士論文
[1]基于機(jī)器視覺竹條缺陷識別技術(shù)研究[D]. 盧秋芬.福建農(nóng)林大學(xué) 2019
[2]線纜表面缺陷檢測機(jī)器視覺系統(tǒng)研究[D]. 劉勛.成都理工大學(xué) 2019
[3]高反射表面缺陷檢測技術(shù)研究[D]. 郭志燁.廈門大學(xué) 2018
[4]一種基于紋理合成的疏松缺陷圖像生成方法[D]. 張園.華南理工大學(xué) 2018
[5]基于機(jī)器視覺的軸承表面缺陷檢測與分類系統(tǒng)研究[D]. 宇文旋.電子科技大學(xué) 2018
[6]基于雙目視覺的大尺寸航天產(chǎn)品三維測量方法及應(yīng)用研究[D]. 韓敏.哈爾濱工業(yè)大學(xué) 2017
[7]機(jī)器視覺照明技術(shù)與裝置實(shí)驗(yàn)研究[D]. 楊銳.中原工學(xué)院 2016
[8]光學(xué)表面疵病檢測系統(tǒng)及圖像處理技術(shù)研究[D]. 張家偉.南京理工大學(xué) 2016
[9]基于多目標(biāo)進(jìn)化算法的圖像配準(zhǔn)方法[D]. 付小東.西安電子科技大學(xué) 2016
[10]基于JPEG的圖像編輯與增強(qiáng)方法的研究與設(shè)計(jì)[D]. 張靜.北方工業(yè)大學(xué) 2014



本文編號：3695886