小型鍛件在加工過程中受鍛造加工工藝、相關鍛壓設備等因素的影響,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)價值。人工檢測小型鍛件表面缺陷具有效率低、成本高、勞動強度大及漏檢等缺點,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)量的關鍵所在。近年來,機器視覺檢測技術在科學信息技術高速發(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。本文以管接頭為例研究了小型鍛件表面缺陷圖像的預處理算法、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,并設計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、特點以及檢測系統(tǒng)的技術指標;對管接頭檢測系統(tǒng)進行整體設計,包括硬件設計和軟件設計。2.研究了管接頭表面缺陷圖像的前景提取算法、預處理算法、圖像初檢算法、圖像分割及缺陷區(qū)域目標定位算法。采用GMM算法提取圖像的前景區(qū)域;自適應中值濾波和分段線性變換對管接頭表面缺陷圖像進行預處理;局部二進制模式檢測算法判斷采集的管接頭... 

【文章來源】：江蘇大學江蘇省

【文章頁數(shù)】：84 頁

【學位級別】：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)，并得到了應用和推廣。圖 1.2 是國外一些公司研發(fā)的視覺檢測設備。軸承缺陷檢測設備 鈑金缺陷檢測設備 針頭缺陷檢測設備

墊片檢測設備 無紡布表面污點檢測設備 薄膜質(zhì)量檢測設備圖 1.3 國內(nèi)視覺檢測設備Fig.1.3 Domestic visual inspection equipment1.2.2 機器視覺技術在小型鍛件表面缺陷檢測中的關鍵技術分析在實現(xiàn)小型鍛件表面缺陷視覺檢測的過程中，需要解決的關鍵技術如下：（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，合理選擇硬件設備和設計照明方案，是采集小型鍛件表面缺陷高質(zhì)量圖像的關鍵。（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)的缺陷判別和整個檢測系統(tǒng)的準確率，針對小型鍛件的表面缺陷圖像研究魯棒性較強的圖像分割算法是實現(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】：
期刊論文
[1]基于自適應學習率BP神經(jīng)網(wǎng)絡的火點定位模型[J]. 王古森,高波.  計算機系統(tǒng)應用. 2019(03)
[2]基于改進多尺度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.  計算機科學. 2019(03)
[3]機器視覺系統(tǒng)關鍵技術分析及應用[J]. 侯遠韶.  科技資訊. 2019(08)
[4]基于FPGA的圖像自適應加權均值濾波設計[J]. 武昊男,儲成群,任勇峰,焦新泉.  電子技術應用. 2019(03)
[5]基于模糊數(shù)學模型的艦船紅外成像目標智能識別方法[J]. 荊天.  艦船科學技術. 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)大學學報. 2019(01)
[7]基于獨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.  計算機工程. 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.  北京理工大學學報. 2019(01)
[9]基于多分類問題處理機制的研究[J]. 李浩,舒炫煜,何楚,田恬恬,王勝春,張錦.  電腦知識與技術. 2018(36)
[10]用于剎車片外觀質(zhì)量檢驗的照明系統(tǒng)質(zhì)量檢驗[J]. 項榮,徐晗升.  儀器儀表學報. 2018(11)

博士論文
[1]基于2D/3D復合機器視覺的三維鋼軌表面缺陷檢測技術研究[D]. 石甜.武漢科技大學 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 2016
[3]產(chǎn)品表面缺陷視覺檢測數(shù)據(jù)處理關鍵技術研究[D]. 袁小翠.南昌大學 2015
[4]表面缺陷視覺在線檢測關鍵技術研究[D]. 韓芳芳.天津大學 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 2011

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡的人臉面部表情識別方法研究[D]. 張璐璐.河北科技大學 2019
[2]顯著性檢測的優(yōu)化模型及在圖像壓縮中的應用[D]. 葉潤春.中國科學技術大學 2018
[3]二極管玻殼表面缺陷檢測技術研究[D]. 牛乾.西南科技大學 2018
[4]基于機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 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 2018
[6]基于YellowFin聲納的信息提取與利用技術[D]. 胡克明.哈爾濱工程大學 2018
[7]基于機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 2018
[8]基于機器視覺的禽蛋外部缺陷檢測[D]. 賈咪咪.浙江工業(yè)大學 2017
[9]圖像泊松去噪算法研究[D]. 張芳.杭州電子科技大學 2017
[10]基于視頻的車流量檢測系統(tǒng)研究與實現(xiàn)[D]. 姚偉.南昌航空大學 2015



本文編號：3229767