厚壁鋼管主要用作液體氣體輸送管以及一些建筑結(jié)構(gòu)用管,其端面質(zhì)量的好壞將直接影響裝配精度,從而影響到鋼管的使用性能。目前,國內(nèi)外鋼管生產(chǎn)企業(yè)大多數(shù)為通過人工目視來完成對鋼管的缺陷檢測,但人工目視檢測往往會受到較大的人為因素的影響,且還會出現(xiàn)檢測效率低、速度慢、誤檢、漏檢以及成本高等問題。機器視覺技術(shù)憑借其速度快、精度高、穩(wěn)定性強等優(yōu)點,在未來代替人工進行表面缺陷檢測已成為必不可擋的趨勢。本文針對厚壁鋼管端面的特點,利用機器視覺技術(shù)設(shè)計出一種適用于厚壁鋼管端面的缺陷檢測與識別分類的方法,搭建了一套鋼管端面缺陷檢測裝置進行實驗驗證。本論文的主要工作內(nèi)容如下:1.根據(jù)厚壁鋼管端面的特點以及檢測的需求,選擇合適的照明方案、圖像采集相關(guān)設(shè)備。2.分析端面圖像的特點,制定相應(yīng)的圖像分割算法,最終采用二級分割的處理方式。先利用固定閾值完成對倒角區(qū)域的分割并利用最小二乘法完成對鋼管倒角區(qū)域的圓輪廓擬合,根據(jù)歐式距離來判斷倒角偏心的情況。而后采用OSTU算法和Canny算法相結(jié)合的方法提取端平面中缺陷的輪廓。3.針對擦傷缺陷不連續(xù)的情況,提出一種新的用于離散缺陷合并的算法,該算法的主要思想為判斷相鄰離散缺... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

缺陷檢測系統(tǒng)流程圖

廣東工業(yè)大學(xué)碩士學(xué)位論文2.1 端面缺陷圖像采集系統(tǒng)厚壁鋼管端面圖像的采集系統(tǒng)主要由相機、鏡頭、光源、計算機組成，圖像采集示意圖如圖 2-2 所示。它是整個檢測系統(tǒng)運行的第一步，其采集圖像質(zhì)量的好壞將直接影響到后續(xù)處理過程的選擇和結(jié)果，因此，它是整個系統(tǒng)的基礎(chǔ)環(huán)節(jié)，也是重要的一個環(huán)節(jié)。

由表 2-1 結(jié)合本課題研究的厚壁鋼管分析，本文需要檢測的區(qū)域包括倒角區(qū)端平面區(qū)域。因為若將環(huán)形光源放置在鋼管端面正上方，即如圖 2-2 中所示的，可以使光線很好的均勻分布在鋼管的端面上，且光源完全覆蓋在鋼管的端面可以有效的抑制四周環(huán)境自然光線對試驗帶來的干擾[18]。經(jīng)實驗驗證，選擇環(huán)源確實可以達到預(yù)期的效果，且因環(huán)形光源中的 LED 燈管是呈現(xiàn)一定角度的在環(huán)形壁四周，在調(diào)整光源與工件的距離后，可以使得光線打在端平面區(qū)域時分因為光線角度低而沒有反射到相機中，而鋼管端面的倒角區(qū)域和端平面中的缺陷區(qū)域因為同樣存在一定的角度剛好使得更多的光線反射到相機中，最終呈效果為倒角區(qū)域和缺陷區(qū)域的灰度值比較高，而端平面區(qū)域的灰度值較低，即了分離目標和背景的目的。綜上所述，本文選擇 15 度藍色 LED 環(huán)形光源，光端平面的布置距離大約為 20mm,最終采集到的原始圖像如圖 2-3 所示。

【參考文獻】：
期刊論文
[1]基于機器視覺算法的軸承套端面缺陷檢測研究[J]. 駱騰斌,陳碩,趙紫陽,連青惠.  機電工程. 2018(02)
[2]水面無人艇運動目標檢測技術(shù)研究[J]. 董慧穎,徐鵬.  沈陽理工大學(xué)學(xué)報. 2016(05)
[3]最小二乘法和迭代法圓曲線擬合[J]. 陳明晶,方源敏,陳杰.  測繪科學(xué). 2016(01)
[4]基于三點圓弧擬合法的橢圓曲線R參數(shù)編程研究[J]. 彭美武.  制造業(yè)自動化. 2014(04)
[5]基于支持向量機和機器視覺的磁瓦缺陷檢測的研究[J]. 虞佳佳,張耀,呂俊.  制造技術(shù)與機床. 2014(02)
[6]一種基于閾值的圖像分割算法研究[J]. 王旭晨,孫愛程.  無線電工程. 2012(09)
[7]機器視覺系統(tǒng)中鏡頭的選擇[J]. 張五一,張繼超,侯遠韶,楊揚.  中原工學(xué)院學(xué)報. 2011(06)
[8]基于區(qū)域的圖像分割[J]. 張建光,李永霞.  科技資訊. 2011(26)
[9]采用薄圓筒模體和Hough變換自動確定工業(yè)CT中心的方法[J]. 王賢剛,張朝宗,郭志平.  CT理論與應(yīng)用研究. 2010(04)
[10]Hu不變矩的構(gòu)造與推廣[J]. 張偉,何金國.  計算機應(yīng)用. 2010(09)

博士論文
[1]基于機器視覺技術(shù)的南美白對蝦分類算法研究與在線實現(xiàn)[D]. 劉子豪.浙江大學(xué) 2017

碩士論文
[1]基于FPGA的實時彩色圖像邊緣檢測系統(tǒng)設(shè)計[D]. 王海彥.哈爾濱工程大學(xué) 2017
[2]基于機器視覺的瓷環(huán)表面缺陷檢測系統(tǒng)研究[D]. 路璐.上海交通大學(xué) 2014
[3]圖像去噪方法的研究[D]. 劉祝華.江西師范大學(xué) 2005



本文編號：3315685