小型鍛件在加工過程中受鍛造加工工藝、相關(guān)鍛壓設(shè)備等因素的影響,表面往往存在質(zhì)量缺陷。這些缺陷不僅影響小型鍛件的外觀,更影響其商業(yè)價(jià)值。人工檢測小型鍛件表面缺陷具有效率低、成本高、勞動強(qiáng)度大及漏檢等缺點(diǎn),已經(jīng)不能滿足鍛造企業(yè)的發(fā)展需求。因此,如何在生產(chǎn)過程中高效、準(zhǔn)確的檢測出小型鍛件的表面缺陷,成為提升小型鍛件表面質(zhì)量的關(guān)鍵所在。近年來,機(jī)器視覺檢測技術(shù)在科學(xué)信息技術(shù)高速發(fā)展的帶動下得到了快速發(fā)展,為小型鍛件表面缺陷檢測提供了基礎(chǔ)。本文以管接頭為例研究了小型鍛件表面缺陷圖像的預(yù)處理算法、圖像初檢算法、圖像分割算法、特征提取與選擇算法及模式識別算法,并設(shè)計(jì)了管接頭表面缺陷檢測的總體方案。主要完成以下工作:1.介紹了管接頭的表面特性、生產(chǎn)工藝流程、常見的缺陷類型并分析其產(chǎn)生的原因、特點(diǎn)以及檢測系統(tǒng)的技術(shù)指標(biāo);對管接頭檢測系統(tǒng)進(jìn)行整體設(shè)計(jì),包括硬件設(shè)計(jì)和軟件設(shè)計(jì)。2.研究了管接頭表面缺陷圖像的前景提取算法、預(yù)處理算法、圖像初檢算法、圖像分割及缺陷區(qū)域目標(biāo)定位算法。采用GMM算法提取圖像的前景區(qū)域;自適應(yīng)中值濾波和分段線性變換對管接頭表面缺陷圖像進(jìn)行預(yù)處理;局部二進(jìn)制模式檢測算法判斷采集的管接頭... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

人工檢測Fig.1.1Manualdetection

司研發(fā)的纖維玻璃檢測設(shè)備，能夠快速識別分類缺陷并記錄數(shù)據(jù)[19]。意大利MARINO 等研制的軌道巡檢車對扣件的丟失檢測率達(dá)到 95%[20]。具體對于表面檢測，美國的 COGNEX、NI、VSCAN、Wintriss 公司，瑞士的 BOBST 公司，意大利的 Eudidlabs 公司，加拿大的 Hexsight 公司，德國的 Parsytec 公司，荷蘭MOBA 公司、日本的 KEYENCE、THK、OMRON、Nabel 公司研制了很多檢測表面缺陷的系統(tǒng)，并得到了應(yīng)用和推廣。圖 1.2 是國外一些公司研發(fā)的視覺檢測設(shè)備。軸承缺陷檢測設(shè)備 鈑金缺陷檢測設(shè)備 針頭缺陷檢測設(shè)備

墊片檢測設(shè)備 無紡布表面污點(diǎn)檢測設(shè)備 薄膜質(zhì)量檢測設(shè)備圖 1.3 國內(nèi)視覺檢測設(shè)備Fig.1.3 Domestic visual inspection equipment1.2.2 機(jī)器視覺技術(shù)在小型鍛件表面缺陷檢測中的關(guān)鍵技術(shù)分析在實(shí)現(xiàn)小型鍛件表面缺陷視覺檢測的過程中，需要解決的關(guān)鍵技術(shù)如下：（1）獲得高質(zhì)量的小型鍛件表面缺陷圖像。小型鍛件表面輪廓復(fù)雜，表面缺陷位置各異，有些缺陷的顏色和背景的對比度相對較低，因此，合理選擇硬件設(shè)備和設(shè)計(jì)照明方案，是采集小型鍛件表面缺陷高質(zhì)量圖像的關(guān)鍵。（2）小型鍛件缺陷圖像分割。缺陷分割的好壞直接影響后續(xù)的缺陷判別和整個(gè)檢測系統(tǒng)的準(zhǔn)確率，針對小型鍛件的表面缺陷圖像研究魯棒性較強(qiáng)的圖像分割算法是實(shí)現(xiàn)缺陷檢測的首要條件。（3）小型鍛件缺陷圖像的分類及識別。缺陷分割后，需要通過特征提取算

【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)學(xué)習(xí)率BP神經(jīng)網(wǎng)絡(luò)的火點(diǎn)定位模型[J]. 王古森,高波.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(03)
[2]基于改進(jìn)多尺度LBP算法的肝臟CT圖像特征提取方法[J]. 劉曉虹,朱玉全,劉哲,宋余慶,朱彥,袁德琪.  計(jì)算機(jī)科學(xué). 2019(03)
[3]機(jī)器視覺系統(tǒng)關(guān)鍵技術(shù)分析及應(yīng)用[J]. 侯遠(yuǎn)韶.  科技資訊. 2019(08)
[4]基于FPGA的圖像自適應(yīng)加權(quán)均值濾波設(shè)計(jì)[J]. 武昊男,儲成群,任勇峰,焦新泉.  電子技術(shù)應(yīng)用. 2019(03)
[5]基于模糊數(shù)學(xué)模型的艦船紅外成像目標(biāo)智能識別方法[J]. 荊天.  艦船科學(xué)技術(shù). 2019(04)
[6]基于顯著性檢測的聲吶圖像快速降噪研究[J]. 金磊磊,梁紅,楊長生.  西北工業(yè)大學(xué)學(xué)報(bào). 2019(01)
[7]基于獨(dú)立空譜殘差融合的聯(lián)合稀疏表示高光譜圖像分類[J]. 盧佳,保文星.  計(jì)算機(jī)工程. 2019(01)
[8]基于電流的主軸性能退化評估方法[J]. 王紅軍,鄒安南,左云波.  北京理工大學(xué)學(xué)報(bào). 2019(01)
[9]基于多分類問題處理機(jī)制的研究[J]. 李浩,舒炫煜,何楚,田恬恬,王勝春,張錦.  電腦知識與技術(shù). 2018(36)
[10]用于剎車片外觀質(zhì)量檢驗(yàn)的照明系統(tǒng)質(zhì)量檢驗(yàn)[J]. 項(xiàng)榮,徐晗升.  儀器儀表學(xué)報(bào). 2018(11)

博士論文
[1]基于2D/3D復(fù)合機(jī)器視覺的三維鋼軌表面缺陷檢測技術(shù)研究[D]. 石甜.武漢科技大學(xué) 2017
[2]鐵路扣件圖像特征提取與識別方法研究[D]. 劉甲甲.西南交通大學(xué) 2016
[3]產(chǎn)品表面缺陷視覺檢測數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D]. 袁小翠.南昌大學(xué) 2015
[4]表面缺陷視覺在線檢測關(guān)鍵技術(shù)研究[D]. 韓芳芳.天津大學(xué) 2012
[5]基于圖像處理的鋼板表面缺陷成像優(yōu)化與深度信息提取方法研究[D]. 劉源泂.武漢科技大學(xué) 2011

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉面部表情識別方法研究[D]. 張璐璐.河北科技大學(xué) 2019
[2]顯著性檢測的優(yōu)化模型及在圖像壓縮中的應(yīng)用[D]. 葉潤春.中國科學(xué)技術(shù)大學(xué) 2018
[3]二極管玻殼表面缺陷檢測技術(shù)研究[D]. 牛乾.西南科技大學(xué) 2018
[4]基于機(jī)器視覺的鐵芯表面缺陷檢測系統(tǒng)研究[D]. 胡秀珍.山東大學(xué) 2018
[5]基于模糊邏輯的彩色圖像對等組矢量濾波算法研究[D]. 李紅陽.吉林大學(xué) 2018
[6]基于YellowFin聲納的信息提取與利用技術(shù)[D]. 胡克明.哈爾濱工程大學(xué) 2018
[7]基于機(jī)器視覺的鋼球表面缺陷檢測算法[D]. 董百川.哈爾濱理工大學(xué) 2018
[8]基于機(jī)器視覺的禽蛋外部缺陷檢測[D]. 賈咪咪.浙江工業(yè)大學(xué) 2017
[9]圖像泊松去噪算法研究[D]. 張芳.杭州電子科技大學(xué) 2017
[10]基于視頻的車流量檢測系統(tǒng)研究與實(shí)現(xiàn)[D]. 姚偉.南昌航空大學(xué) 2015



本文編號：3229767