隨著生產技術的不斷提高,使汽車鈑金件不僅在產量方面做到了逐年提高,也使其產品的質量越來越高。這就使得檢測鈑金件產品是否存在問題的情況成為了一種龐大數據量中的小概率事件。而傳統(tǒng)的人工檢測方式不僅浪費人力、消耗大量的精力和金錢,而且也很難對這種產量較大的全部鈑金件做出細致而全面的檢查。隨著計算機視覺的不斷發(fā)展,為工業(yè)自動化檢測方法提供了全新的思路。本文利用卷積神經網絡技術對汽車鈑金件的螺栓螺帽檢測進行了研究。具體研究內容如下:首先,對鈑金件的圖片數據進行標注,標注后利用企業(yè)所提供的少量數據進行數據采樣擴大數據樣本。本文采用針對前景的采樣和針對背景的采樣兩次采樣實現數據擴充。為了進一步擴大樣本,本文采樣所得到的數據基礎上還進行了一些圖像變換進行進一步的樣本擴容,為后續(xù)訓練模型做數據準備。其次,針對圖片本身較大而檢測目標較小可能會導致較大計算量和檢測不準確的問題。本文設計并實現了初步判定圖像是否為前景圖片的分類器,該分類器的作用是將鈑金件前景和背景進行區(qū)分。用它來進行初步粗略的識別出螺栓螺帽所在的前景區(qū)域,這樣做相當于為后續(xù)的目標檢測模型添加一層注意力機制,方便后續(xù)利用目標檢測模型檢測出準確的... 

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

【文章頁數】：65 頁

【學位級別】：碩士

【部分圖文】：

汽車鈑金件與工業(yè)相機隨著計算機視覺、圖像處理等計算機技術的不斷發(fā)展和演變，極大的推動了計算機視覺在工業(yè)領域中的應用，并且誕生出了很多全新的工業(yè)檢測方

圖 1-3LeNet-5 網絡結構[28]卷積神經網絡的思路是受到了科學家們對生物視覺系統(tǒng)研究過程啟發(fā)而形成的，20 世紀 70 年代 Wiesel 和 Hubel 等學者通過對貓科動物的視覺中樞系統(tǒng)進行了一系列的研究和探索，他們發(fā)現在貓科動物的大腦皮層中的視覺中樞神經區(qū)域選擇性地對視覺圖案的局部特征進行相應，如特定的線條和邊緣的方向等[25]。隨后 Sato，Bruce，Desimone 等人發(fā)現在視覺中樞皮層的較高處，發(fā)現存在對一些較為復雜的圖形，如三角形，正方形，圓形，甚至人臉等有選擇性響應的細胞[26]。因此，研究者們認為視覺中樞系統(tǒng)是采用了一

哈爾濱工業(yè)大學碩士學位論文在測試和使用階段將原始圖像的分片輸入到模型之中，根據其分類的結果再將其采樣得到的圖像送入到目標檢測模型之中。如果分類結果為前景圖片則再將該圖片在送入到目標檢測模型之中檢測出目標的具體位置。如果輸入的圖片為背景圖片則舍棄該樣本，不將其樣本送入到檢測模型之中。

【參考文獻】：
期刊論文
[1]遷移學習模式下基于GoogLeNet網絡的風電機組視覺檢測[J]. 徐一鳴,張娟,劉成成,顧菊平,潘高超.  計算機科學. 2019(05)
[2]基于機器視覺的航空接頭氣密性全自動檢測儀[J]. 姜斌,廖俊必,高中有.  儀表技術與傳感器. 2009(03)
[3]基于灰色關聯分析和區(qū)域生長的微小缺陷提取[J]. 王中宇,付繼華,孟浩,楊文平.  農業(yè)機械學報. 2008(12)
[4]一種基于計算機視覺的織物疵點自動檢測方法[J]. 蔣蕾,尹業(yè)安,常利利.  計算機與現代化. 2008(12)
[5]一種基于視覺的三維輪廓檢測系統(tǒng)[J]. 呂偉新,印麗穎.  華中科技大學學報(自然科學版). 2008(S1)
[6]基于機器視覺的鋼棒自動計數系統(tǒng)[J]. 成鵬飛,楊帆,言立強,張馬林,王仲.  冶金自動化. 2008(01)
[7]一種新型的物體三維輪廓非接觸測量系統(tǒng)[J]. 尹茂東,方漪,杜娜,喬甜,劉文學.  青島大學學報(自然科學版). 2007(01)
[8]機器視覺在流水線條形碼識別中的應用[J]. 王燁青,楊永躍.  電子測量與儀器學報. 2006(06)
[9]基于計算機視覺的汽車整車尺寸測量系統(tǒng)[J]. 翟乃斌,蘇建,劉玉梅,陳友誼,歐陽新.  交通與計算機. 2006(03)
[10]基于線陣CCD鋼板表面缺陷在線檢測系統(tǒng)的研究[J]. 胡亮,段發(fā)階,丁克勤,葉聲華.  計量學報. 2005(03)



本文編號：2926764