發(fā)布時間：2018-01-12 04:13

  本文關(guān)鍵詞：基于機器視覺的工件尺寸檢測系統(tǒng)研究　出處：《長春工業(yè)大學》2016年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 視覺測量 Canny邊緣檢測 亞像素 相機標定 最小二乘法

【摘要】：尺寸測量是獲得數(shù)據(jù)的重要方法,也是衡量產(chǎn)品是否合格的重要技術(shù)手段。傳統(tǒng)的尺寸測量方法是人工手動測量,其耗時費力且精度不高。隨著技術(shù)的發(fā)展,手動測量精度及效率已經(jīng)不適應工業(yè)自動化,尤其是高精度產(chǎn)品的要求。隨著機器視覺的發(fā)展,視覺檢測技術(shù)得到了不斷發(fā)展,它具有精度高、速度快、非接觸等優(yōu)點,在工業(yè)現(xiàn)場得到了廣泛應用,具有廣闊的發(fā)展前景。本文以齒輪為研究對象,以機器視覺基本原理和數(shù)字圖像處理技術(shù)為基礎(chǔ),從提高齒輪數(shù)據(jù)檢測精度入手,對齒輪檢測系統(tǒng)搭建及采集以及軟件設(shè)計、圖像預處理技術(shù)、邊緣檢測技術(shù)、亞像素細分、相機標定進行了詳細分析,實現(xiàn)了齒輪數(shù)據(jù)的精確測量。主要研究內(nèi)容有:首先,完成了機器視覺工件尺寸檢測系統(tǒng)硬件和軟件設(shè)計。按照齒輪尺寸檢測的具體要求,簡要介紹了硬件的性能,同時進行了設(shè)備選型,在實驗室環(huán)境中搭建了所用的檢測平臺,并且獲得了齒輪圖像。在軟件方面,利用MATLAB圖形用戶界面設(shè)計工具設(shè)計齒輪圖像處理界面,并詳細介紹了該界面的設(shè)計流程及處理過程。其次,對采集到的齒輪圖像進行預處理。采集到的圖像不可避免的含有不同程度的噪聲,對圖像進行濾波處理以得到有利于邊緣檢測的圖像。針對齒輪圖像二值化分割方面,利用OTSU法獲取閾值,進而對圖像進行分割。然后,齒輪圖像邊緣檢測及亞像素細分算法研究。針對邊緣檢測方面,通過對經(jīng)典邊緣檢測算法分析,并利用標準Lena圖像進行實驗對比,選用Canny算子提取齒輪圖像的邊緣。邊緣檢測算法得到的精度較低,利用亞像素邊緣檢測算法細分邊緣,從而提高邊緣定位精度。采用Zernike矩亞像素算法進行邊緣細分,然后優(yōu)化了一些數(shù)據(jù),通過兩組實驗驗證改進算法的有效性。實驗結(jié)果表明,改進算法能夠更加有效地檢測出圖像的邊緣,提高了定位精度。最后,攝像機標定和尺寸測量結(jié)果及誤差分析。利用標定板得到了計算齒輪尺寸所需要的標定系數(shù)。利用搭建好的硬件平臺和設(shè)計好的軟件系統(tǒng)完成齒輪圖像的處理過程,得到齒輪尺寸數(shù)據(jù)。詳細分析了可能影響尺寸檢測精度的誤差因素。本文設(shè)計的基于機器視覺的工件尺寸檢測系統(tǒng),能夠精確檢測出齒輪的各個尺寸數(shù)據(jù)信息。通過實驗驗證,本文算法能夠滿足檢測精度以及速度的要求,是一種有效的檢測算法。該系統(tǒng)能夠提高工業(yè)現(xiàn)場的檢測效率,具有一定的理論和實用價值。
[Abstract]:Dimension measurement is not only an important method to obtain data, but also an important technical means to measure whether the product is qualified. The traditional measurement method is manual measurement, which is time-consuming and low precision. With the development of technology. Manual measurement accuracy and efficiency have not been adapted to the requirements of industrial automation, especially high-precision products. With the development of machine vision, visual inspection technology has been continuously developed, it has high accuracy and fast speed. Non-contact has been widely used in industrial field and has a broad prospect. This paper takes gear as the research object, based on the basic principles of machine vision and digital image processing technology. In order to improve the accuracy of gear data detection, this paper analyzes in detail the construction and acquisition of gear detection system and software design, image preprocessing technology, edge detection technology, sub-pixel subdivision, camera calibration. The main research contents are as follows: firstly, the hardware and software design of the machine vision workpiece size detection system is completed, according to the specific requirements of gear size detection. This paper briefly introduces the performance of hardware, at the same time carries on the equipment selection, sets up the testing platform in the laboratory environment, and obtains the gear image. In the aspect of software. The gear image processing interface is designed by using the MATLAB graphical user interface design tool, and the design flow and processing process of the interface are introduced in detail. Secondly. The gear image is preprocessed. The image inevitably contains different degrees of noise. The image is filtered to get the image which is favorable for edge detection. In the aspect of binary segmentation of gear image, the threshold is obtained by OTSU method, and then the image is segmented. Then the image is segmented. Gear image edge detection and sub-pixel subdivision algorithm research. For edge detection, through the analysis of classical edge detection algorithm, and use standard Lena image for experimental comparison. Using Canny operator to extract the edge of gear image, the accuracy of edge detection algorithm is low, and sub-pixel edge detection algorithm is used to subdivide the edge. In order to improve the accuracy of edge location, the Zernike moment sub-pixel algorithm is used to subdivide the edge, and then some data are optimized. The effectiveness of the improved algorithm is verified by two groups of experiments. The experimental results show that the improved algorithm is effective. The improved algorithm can detect the edge of the image more effectively and improve the positioning accuracy. Finally. Camera calibration and dimension measurement results and error analysis. Calibration coefficients needed to calculate gear dimensions are obtained by using calibration plate. Gear image processing is accomplished by using built hardware platform and designed software system. Cheng. The gear dimension data are obtained and the error factors that may affect the accuracy of the dimension measurement are analyzed in detail. A workpiece dimension detection system based on machine vision is designed in this paper. Can accurately detect the gear dimensions of the data information. Through experimental verification, the algorithm can meet the detection accuracy and speed requirements. The system can improve the detection efficiency of industrial field and has certain theoretical and practical value.
【學位授予單位】：長春工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;TG86

【相似文獻】

相關(guān)期刊論文 前10條

1 劉曙光,屈萍鴿,費佩燕;機器視覺在紡織檢測中的應用[J];紡織學報;2003年06期

2 趙茂程;侯文軍;;我國基于機器視覺的水果自動分級技術(shù)及研究進展[J];包裝與食品機械;2007年05期

3 張五一;趙強松;王東云;;機器視覺的現(xiàn)狀及發(fā)展趨勢[J];中原工學院學報;2008年01期

4 牛一帆;;機器視覺在印刷質(zhì)量檢測中的應用[J];印刷質(zhì)量與標準化;2009年09期

5 牛一帆;;機器視覺在印刷質(zhì)量檢測中的應用[J];廣東印刷;2009年05期

6 楊繼志;郭敬;;機器視覺在煙草行業(yè)的應用[J];機電產(chǎn)品開發(fā)與創(chuàng)新;2011年06期

7 王蕾;劉建立;高衛(wèi)東;;基于機器視覺的織物洗滌后尺寸穩(wěn)定性評價[J];紡織學報;2012年07期

8 張晶;劉東明;;基于機器視覺的工件檢測系統(tǒng)研究[J];硅谷;2012年09期

9 張樹君;辛瑩瑩;陳大千;;基于機器視覺的飲料瓶標簽檢測設(shè)備[J];食品研究與開發(fā);2014年03期

10 黃星奕;錢媚;徐富斌;;基于機器視覺和近紅外光譜技術(shù)的杏干品質(zhì)無損檢測[J];農(nóng)業(yè)工程學報;2012年07期

相關(guān)會議論文 前10條

1 趙磊;董吉文;李金屏;;拓撲理論在機器視覺中的研究進展[A];全國第十五屆計算機科學與技術(shù)應用學術(shù)會議論文集[C];2003年

2 張彥東;;基于機器視覺的連接器裝配機床改造研究[A];首屆珠中江科協(xié)論壇論文集[C];2011年

3 蔡小秧;陳文楷;;機器視覺中的魯棒估計技術(shù)[A];計算機技術(shù)與應用進展·2007——全國第18屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集[C];2007年

4 劉雅舉;李娜;張莉;李東明;;機器視覺在藥用玻璃瓶質(zhì)量檢測中的研究[A];2007年河北省電子學會、河北省計算機學會、河北省自動化學會、河北省人工智能學會、河北省計算機輔助設(shè)計研究會、河北省軟件行業(yè)協(xié)會聯(lián)合學術(shù)年會論文集[C];2007年

5 吳慶華;代娜;黃俊敏;程志輝;何濤;;基于機器視覺的軸承二維尺寸檢測[A];第六屆全國信息獲取與處理學術(shù)會議論文集（1）[C];2008年

6 馬連峰;張秋菊;;基于機器視覺的彩色套印檢測技術(shù)研究[A];第十一屆全國包裝工程學術(shù)會議論文集（二）[C];2007年

7 金守峰;張慧;;面向機器視覺的織物緯斜檢測方法[A];全國先進制造技術(shù)高層論壇暨第九屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2010年

8 管庶安;周龍;陳永強;廖明潮;;機器視覺在糧食品質(zhì)檢測中的應用研究[A];中國糧油學會第三屆學術(shù)年會論文選集（下冊）[C];2004年

9 張偉華;陳軍;連世江;賈海政;;機器視覺及其在農(nóng)業(yè)機械中的應用綜述[A];2007年中國農(nóng)業(yè)工程學會學術(shù)年會論文摘要集[C];2007年

10 沈?qū)殗?陳樹人;尹建軍;;基于機器視覺的棉田雜草精確定位研究[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術(shù)年會（CSAE 2009）論文集[C];2009年

相關(guān)重要報紙文章 前10條

1 本報記者 李劍琦;機器視覺行業(yè)整合正熱 中國市場尚處萌芽期[N];機電商報;2005年

2 本報記者 董碧娟;解密機器視覺“第三只眼”[N];經(jīng)濟日報;2013年

3 本報記者 郭濤;機器視覺：為機器裝上“眼睛”和“大腦”[N];中國高新技術(shù)產(chǎn)業(yè)導報;2014年

4 張均;德國機器視覺傳感器市場前景好[N];中國貿(mào)易報;2007年

5 金剛;給機器一雙慧眼[N];計算機世界;2007年

6 朱廣菁;機器視覺怎樣“看”不合格產(chǎn)品[N];大眾科技報;2008年

7 宋昆;用機器視覺控制煙草質(zhì)量[N];計算機世界;2007年

8 張棟;西安光電子專業(yè)孵化器舉辦專業(yè)展覽會[N];中國高新技術(shù)產(chǎn)業(yè)導報;2007年

9 王遐;機器視覺:藥品包裝在線檢測系統(tǒng)開發(fā)成功[N];中國包裝報;2010年

10 點評人 高炎 黃牧青 劉笑一 李士杰 北京大學技術(shù)轉(zhuǎn)移中心;機器視覺輔助冬季道路狀況監(jiān)測[N];科技日報;2014年

相關(guān)博士學位論文 前10條

1 梁卓銳;機器視覺手勢交互的交互映射研究[D];華南理工大學;2015年

2 孟慶寬;基于機器視覺的農(nóng)業(yè)車輛—農(nóng)具組合導航系統(tǒng)路徑識別及控制方法研究[D];中國農(nóng)業(yè)大學;2014年

3 葛動元;面向精密制造與檢測的機器視覺及智能算法研究[D];華南理工大學;2013年

4 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農(nóng)業(yè)大學;2006年

5 龔愛平;基于嵌入式機器視覺的信息采集與處理技術(shù)研究[D];浙江大學;2013年

6 陳麗君;基于機器視覺的變量噴霧控制系統(tǒng)研究[D];沈陽農(nóng)業(yè)大學;2009年

7 徐曉秋;機器視覺球面孔位快速精密測量系統(tǒng)的研究[D];四川大學;2006年

8 成芳;稻種質(zhì)量的機器視覺無損檢測研究[D];浙江大學;2004年

9 程洪;面向園藝應用的機器視覺目標辨識方法創(chuàng)新[D];中國農(nóng)業(yè)大學;2015年

10 許海霞;機器視覺標定與目標檢測跟蹤方法及其應用研究[D];湖南大學;2011年

相關(guān)碩士學位論文 前10條

1 冼志軍;錫膏印刷機誤差與錫膏印刷質(zhì)量檢測技術(shù)研究[D];華南理工大學;2015年

2 孫斌;基于FPGA的壓力表盤機器視覺研究與實現(xiàn)[D];昆明理工大學;2015年

3 許哲;基于機器視覺的快速測溫熱電偶焊接技術(shù)研究[D];河北聯(lián)合大學;2014年

4 李鵬;基于機器視覺的PCB工業(yè)在線檢測系統(tǒng)研究[D];昆明理工大學;2015年

5 佘燕玲;以用戶為中心的機器視覺手勢交互空間映射關(guān)系研究[D];華南理工大學;2015年

6 孫中國;基于機器視覺的面粉袋碼垛機器人研究[D];山東建筑大學;2015年

7 漆靜;基于機器視覺集裝箱吊具智能定位系統(tǒng)研究[D];西南交通大學;2015年

8 張文;基于機器視覺的通信裝備故障識別研究[D];西南交通大學;2015年

9 冉寶山;基于機器視覺的裝料系統(tǒng)試驗研究[D];長安大學;2015年

10 馮康;基于機器視覺的棉花識別與定位技術(shù)的研究[D];石河子大學;2015年

，

本文編號：1412622