發(fā)布時間：2021-03-26 10:33

　　隨著人們對玻璃器皿品質(zhì)要求的不斷提高,玻璃器皿的質(zhì)量檢測在玻璃生產(chǎn)中顯得尤為重要。目前我國的主要玻璃器皿生產(chǎn)廠商的質(zhì)量檢測大都還是依靠人工燈檢,這種檢測方式存在檢測效率低下、檢測結(jié)果受到人為因素影響以及成本較高等問題,難以滿足生產(chǎn)需要。隨著機器視覺、模式識別等理論快速發(fā)展,機器檢測被越來越多的應用到工業(yè)檢測領域當中。本文設計了一套基于機器視覺技術的玻璃器皿缺陷檢測識別系統(tǒng),來代替?zhèn)鹘y(tǒng)人工檢測的方法,從而提高了檢測的效率和精度。本論文的主要研究內(nèi)容如下:根據(jù)玻璃器皿實際生產(chǎn)過程和環(huán)境,結(jié)合機器視覺檢測技術的基本原理,在研究分析了大量文獻的基礎上,設計了玻璃器皿缺陷檢測系統(tǒng)的整體方案,包括硬件系統(tǒng)的構成、選型,光源照明方案和軟件系統(tǒng)的檢測算法流程等。分析了玻璃器皿圖像的獲取過程中噪聲產(chǎn)生的原因和類型,在此基礎上設計了玻璃器皿缺陷檢測系統(tǒng)的圖像預處理算法。對加權均值濾波進行了改進,設計了自適應加權掩模均值濾波算法。然后對圖像進行了銳化和增強處理,采用了灰度變換和直方圖均衡化對玻璃器皿圖像分別從灰度值線性映射和灰度值動態(tài)拉伸兩個角度進行增強,為下一步的缺陷分割奠定了基礎。研究了玻璃器皿缺陷的檢... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：97 頁

【學位級別】：碩士

【部分圖文】：

圖１－１視覺檢測系統(tǒng)構成??其中，工業(yè)相機作為整個檢測系統(tǒng)中圖像獲取與感知的核心單元，主要功??

—．??圖２－１玻璃器皿自動檢測系統(tǒng)??玻璃器皿自動檢測系統(tǒng)如圖２－１所示，包括硬件和軟件兩個子系統(tǒng)。硬??件系統(tǒng)主要負責玻璃器皿輸送、工裝定位、器皿翻轉(zhuǎn)、稱重及成像采集和機械??７??

據(jù)并給出器皿是否合格的檢測結(jié)果；??視覺檢測系統(tǒng)：其功能是對器皿進行全面檢測，判斷器皿是否合格，記錄??并給出判斷結(jié)果。機器視覺檢測系統(tǒng)構成圖如圖２－２所示：??工業(yè)相機??視覺光源工業(yè)計??ｒ?１?雜＇??１＾＂＇＇?■?－?機械手??圖２－２玻璃器皿視覺檢測系統(tǒng)構成??２．２．２相機和鏡頭的選型??圖像的獲取在整個機器視覺檢測系統(tǒng)中占據(jù)著重要地位，成像質(zhì)量較好的??圖像對后續(xù)檢測、分類算法的穩(wěn)定運行起著事半功倍的效果，可以起到簡化檢??測算法的作用，甚至關系到整個檢測、分類算法的成敗。??８??

【參考文獻】：
期刊論文
[1]Morphological Undecimated Wavelet Decomposition Fusion Algorithm and Its Application on Fault Feature Extraction of Hydraulic Pump[J]. 孫健,李洪儒,王衛(wèi)國,葉鵬.  Transactions of Nanjing University of Aeronautics and Astronautics. 2015(03)
[2]Feature Extraction of Bearing Vibration Signals Using Second Generation Wavelet and Spline-Based Local Mean Decomposition[J]. 文成玉,董良,金欣.  Journal of Shanghai Jiaotong University（Science）. 2015(01)
[3]基于機器視覺的半導體表面缺陷檢測研究[J]. 董先飛,韓震宇,廖聲洋,儀向向.  計測技術. 2014(05)
[4]Study of a New Improved PSO-BP Neural Network Algorithm[J]. Li Zhang,Jia-Qiang Zhao,Xu-Nan Zhang,Sen-Lin Zhang.  Journal of Harbin Institute of Technology. 2013(05)
[5]玻璃缺陷特征提取[J]. 郭振鐸,劉洲峰,徐慶偉,朱永勝.  中原工學院學報. 2010(02)
[6]基于不變矩特征的圖像識別[J]. 杜慶海,于忠清,張佳.  信息技術與信息化. 2008(06)
[7]基于不變矩特征及BP神經(jīng)網(wǎng)絡的圖像模式識別[J]. 田華,石圣羽,宗曉萍.  河北大學學報(自然科學版). 2008(02)
[8]一種透視變換圖像金字塔匹配改進算法[J]. 金勇俊,李言俊,張科.  計算機工程與應用. 2007(24)
[9]基于Haar小波的圖像變換方法的研究[J]. 薛智剛,李巴津.  微計算機信息. 2006(30)
[10]BP算法分析與改進[J]. 賈麗會,張修如.  計算機技術與發(fā)展. 2006(10)

博士論文
[1]模板圖像快速可靠匹配技術研究[D]. 董晶.國防科學技術大學 2015
[2]神經(jīng)網(wǎng)絡的優(yōu)化與用于優(yōu)化的神經(jīng)網(wǎng)絡[D]. Atlas Khan.大連理工大學 2013
[3]BP神經(jīng)網(wǎng)絡分類器優(yōu)化技術研究[D]. 高鵬毅.華中科技大學 2012
[4]產(chǎn)品表面缺陷在線檢測方法研究及系統(tǒng)實現(xiàn)[D]. 彭向前.華中科技大學 2008
[5]邊緣檢測的若干技術研究[D]. 董鴻燕.國防科學技術大學 2008

碩士論文
[1]基于機器視覺的西林瓶缺陷檢測算法及系統(tǒng)研究[D]. 楊宗芳.太原科技大學 2016
[2]基于雙閾值分割的玻璃缺陷特征提取方法研究[D]. 楊繼亮.中北大學 2012
[3]圖像閾值分割算法研究[D]. 謝鵬鶴.湘潭大學 2012
[4]基于機器視覺的玻璃質(zhì)量在線檢測系統(tǒng)研究[D]. 王飛.河南科技大學 2010
[5]浮法玻璃缺陷的智能識別方法[D]. 胡亮.武漢理工大學 2010
[6]基于小波變換的圖像分割技術[D]. 毛安定.昆明理工大學 2009
[7]基于小波變換技術的圖像壓縮研究[D]. 陳宏曙.南京理工大學 2004



本文編號：3101439