【摘要】：在子彈生產的過程中,不可避免地會生產出不合格的彈殼,或者是尺寸不符合要求,或者是彈殼表面有卡傷、撞凹等缺陷,因此要在生產中對彈殼進行檢測。目前主要依靠人工檢測,由于人眼鑒別不僅效率低下,也會因為疲勞造成檢測結果的不穩(wěn)定,因此需要設計一個自動化檢測方法,提升彈殼檢測環(huán)節(jié)的效率和準確率。本文設計了一套彈殼自動視覺檢測系統(tǒng),具體工作如下:(1)分析了視覺測量技術和彈殼檢測技術的國內外研究現狀,設計了基于計算機視覺的彈殼檢測系統(tǒng),包括檢測彈殼的尺寸測量和表面缺陷分類,并搭建了實驗平臺,具有視場大、多工位的特點。(2)在尺寸檢測方面,根據彈殼測量的指標要求,通過對比檢測工位的圖像去噪、圖像增強、圖像分割和特征提取算法的實驗效果,選擇最適合的算法。通過對實驗臺的精確標定,計算出彈殼測量的尺寸結果,并對其進行誤差分析,實現高精度、自動化的彈殼檢測系統(tǒng)。(3)在表面缺陷分類方面,首先給出了彈殼表面的三種缺陷:卡傷、撞凹和挫傷,再加入背景噪聲作為偽損傷,確定缺陷分類的類別為4類。然后介紹了一種改進的局部信噪比方法,將彈殼的表面缺陷提取出770個,并將每個缺陷表征成13維的特征向量。通過對比7種機器學習算法,即支持向量機、正態(tài)貝葉斯、KNN算法、Adaboost算法、決策樹、隨機森林和gc Forest算法,并通過實驗分析,最終選擇gc Forest算法。本文分析了彈殼檢測的國內外研究現狀,設計了基于計算機視覺的彈殼檢測系統(tǒng),實現了尺寸測量和表面缺陷分類。尺寸測量的精度達到了彈殼的精度要求;對于缺陷檢測,將缺陷采用13維特征向量進行表征,采用gc Forest算法,實現了正確率為96.1%的損傷分類。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;TJ410.5
【圖文】：

哈爾濱工業(yè)大學工程碩士學位論文第 2 章 系統(tǒng)總體方案設計言針對彈殼尺寸測量的指標要求，進行了總體的方案設計，重點結構進行設計，并對其中的關鍵器件進行選型和分析，最后設程。殼測量的指標要求檢測主要包括尺寸檢測和外觀檢測。彈殼的外形圖如圖 2-1 所示指標如表 2-1 所示，若被檢測的部位的測量結果不在合格尺寸定彈殼不合格。

哈爾濱工業(yè)大學工程碩士學位論文2.3 總體方案設計系統(tǒng)的總體結構設計如圖 2-2 所示，由上料機構、理料機構、擺料機構、視覺檢測系統(tǒng)及分選機構組成。首先，通過上料機構將彈殼運送至中間的震料盤，震料盤使彈殼擺正位置，呈碗口朝上的方向逐個羅列，再通過擺料機構將彈殼按照視覺檢測的間距要求間隔開，依次輸送到傳送帶上，并在傳送帶上進行視覺檢測環(huán)節(jié)，最后將不合格的產品篩選掉。

【參考文獻】

相關期刊論文 前10條

1 茍文韜;諸洪;劉彬;謝蔚卿;熊長江;;一種基于自適應閾值的彈殼表面缺陷分割方法[J];四川兵工學報;2015年01期

2 史進偉;郭朝勇;劉紅寧;喬坤;;基于Hough變換和雙峰法的槍彈外觀缺陷提取[J];火力與指揮控制;2013年05期

3 史進偉;郭朝勇;劉紅寧;;基于機器視覺的槍彈外觀缺陷檢測系統(tǒng)研究[J];組合機床與自動化加工技術;2013年04期

4 曹瑩;苗啟廣;劉家辰;高琳;;AdaBoost算法研究進展與展望[J];自動化學報;2013年06期

5 孫文緞;葉玉堂;劉彬;諸洪;肖峻;謝煜;劉霖;;基于線陣相機采集平臺的槍彈表面質量檢測技術[J];兵工自動化;2013年01期

6 史進偉;郭朝勇;劉紅寧;喬坤;;基于混合顏色模型的槍彈外觀缺陷分割[J];計算機工程;2012年20期

7 張亞軍;齊杏林;董成基;;基于機器視覺的槍彈鋼芯自動檢測系統(tǒng)[J];兵工自動化;2012年07期

8 張亞軍;齊杏林;董成基;;機器視覺下基于圖像灰度值形態(tài)學的槍彈鋼芯表面檢測[J];四川兵工學報;2012年06期

9 肖季文;;人民軍隊武器裝備現代化建設[J];探索與爭鳴;2011年06期

10 張強,黃道君;CCD光電測徑儀的在線應用[J];儀器儀表與分析監(jiān)測;2003年03期

相關博士學位論文 前3條

1 伊衛(wèi)國;基于關聯規(guī)則與決策樹的預測方法研究及其應用[D];大連海事大學;2012年

2 彭志濤;強激光復雜光機組件光學元件激光損傷在線檢測技術研究[D];中國工程物理研究院;2011年

3 孫雙花;視覺測量關鍵技術及在自動檢測中的應用[D];天津大學;2007年

相關碩士學位論文 前10條

1 張麗鵬;基于機器視覺的齒輪多參數測量技術研究[D];江蘇大學;2017年

2 林志鋒;基于正態(tài)云模型與改進貝葉斯分類器的變壓器故障診斷[D];華北電力大學;2016年

3 呂震宇;基于ELMD和KNN分類器的船體砰擊載荷檢測算法研究[D];哈爾濱工程大學;2016年

4 呂旭冬;基于機器學習的終端光學元件損傷識別及分類研究[D];哈爾濱工業(yè)大學;2015年

5 尹志強;基于AOI的子彈表觀缺陷檢測系統(tǒng)的研究[D];電子科技大學;2014年

6 劉建強;子彈表面缺陷在線檢測關鍵技術的研究[D];電子科技大學;2013年

7 張同心;基于量子粒子群的支持向量機算法的研究與應用[D];浙江大學;2013年

8 張美靜;亞像素邊緣檢測技術研究[D];沈陽理工大學;2013年

9 許運來;基于CCD的子彈表面檢測方法研究[D];哈爾濱工程大學;2009年

10 夏若安;基于圖像分析的小尺寸精密測量研究[D];湖南大學;2005年

本文編號：2740991