本文關(guān)鍵詞：零件視覺(jué)檢測(cè)系統(tǒng)的開(kāi)發(fā)與研究

  更多相關(guān)文章： 零件檢測(cè) 相機(jī)標(biāo)定 二次線性插值 梯度方向直方圖 概率神經(jīng)網(wǎng)絡(luò) SVM

【摘要】：數(shù)字圖像處理技術(shù)是一個(gè)新興的技術(shù)行業(yè),已在自動(dòng)化系統(tǒng)、汽車(chē)零部件檢測(cè)和智能識(shí)別等領(lǐng)域有廣泛的應(yīng)用。它已經(jīng)成為傳統(tǒng)人工檢測(cè)速度慢、檢測(cè)效率低的重要解決辦法之一。由于實(shí)際生產(chǎn)中,工業(yè)零件在細(xì)節(jié)方面會(huì)有諸多缺陷,因此,有必要選用合適的算法對(duì)其進(jìn)行準(zhǔn)確的識(shí)別和檢測(cè)。本文針對(duì)汽車(chē)吸能盒背板零件,設(shè)計(jì)了圖像檢測(cè)系統(tǒng)的整體方案,搭建了實(shí)驗(yàn)硬件平臺(tái),并詳細(xì)介紹了視覺(jué)系統(tǒng)采用的各種器件和照明系統(tǒng)的組成,再進(jìn)行攝像系統(tǒng)標(biāo)定,完成了畸變效應(yīng)的矯正。在獲取矯正后的圖像后,對(duì)圖像的預(yù)處理、邊緣檢測(cè)、零件幾何參數(shù)測(cè)量等關(guān)鍵技術(shù)進(jìn)行了重點(diǎn)研究。在預(yù)處理中,首先分析了圖像的噪聲類(lèi)別,比較了多種濾波算法,找出適合本文圖像的濾波算法。進(jìn)而,在圖像邊緣檢測(cè)中,對(duì)比了經(jīng)典的邊緣檢測(cè)算法,為后續(xù)的特征提取提供了基礎(chǔ)。在檢測(cè)圖像基本特征時(shí),分別檢測(cè)圖像中的圓和直線,并對(duì)檢測(cè)結(jié)果的參數(shù)進(jìn)行了優(yōu)化,提高了圓和直線的檢測(cè)效果。在對(duì)圖像中的槽進(jìn)行檢測(cè)時(shí),采用了模板匹配算法,對(duì)槽的位置進(jìn)行了準(zhǔn)確的識(shí)別。在進(jìn)了了零件尺寸的檢測(cè)之后,文中還研究了完好零件、焊點(diǎn)零件和劃痕零件三種情況的分類(lèi)識(shí)別方法。首先,通過(guò)邊緣檢測(cè),在保證圖像邊緣清晰、完整的基礎(chǔ)上,利用梯度方向直方圖算法進(jìn)行特征提取,并采用概率神經(jīng)網(wǎng)絡(luò)和SVM進(jìn)行分類(lèi)識(shí)別,取得了不錯(cuò)的分類(lèi)效果。然而,特征向量維度較高,特征提取信息混疊,以致圖像關(guān)鍵信息難以充分利用。文中對(duì)梯度方向直方圖算法進(jìn)行了改進(jìn),對(duì)梯度方向直方圖特征提取算法進(jìn)行雙線性插值,得到了更能夠體現(xiàn)細(xì)節(jié)特征的特征向量,再用神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)進(jìn)行識(shí)別,在提高特征值抗混疊效應(yīng)的同時(shí),也提高了圖像的分類(lèi)識(shí)別準(zhǔn)確率。本課題所有模塊的實(shí)現(xiàn)都是基于Visual C++和MATLAB的,包括視覺(jué)系統(tǒng)界面開(kāi)發(fā)和算法的編寫(xiě)。本文實(shí)現(xiàn)了零件特征的檢測(cè),與不同種類(lèi)的零件分類(lèi)識(shí)別。文中的研究結(jié)果體現(xiàn)了一定的工程價(jià)值,同時(shí)對(duì)圖像測(cè)量技術(shù)的應(yīng)用和零件的分類(lèi)識(shí)別提供一定的借鑒意義。
【學(xué)位授予單位】：上海工程技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U468.2;TP391.41

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 楊凌霄;朱亞麗;;基于概率神經(jīng)網(wǎng)絡(luò)的高壓斷路器故障診斷[J];電力系統(tǒng)保護(hù)與控制;2015年10期

2 宋勇;董鐵;吳紀(jì)國(guó);;機(jī)器視覺(jué)非接觸測(cè)量系統(tǒng)在線校準(zhǔn)及不確定度分析[J];機(jī)械;2014年10期

3 王紅霞;劉倩倩;;基于二次線性插值的測(cè)試性分配方法研究[J];計(jì)算機(jī)測(cè)量與控制;2014年07期

4 胡文軍;王娟;王培良;王士同;;適合大樣本的線性SVMs快速集成模型[J];計(jì)算機(jī)科學(xué);2014年05期

5 高佳琴;胡江;于旭;;一種快速判定原始數(shù)據(jù)集合線性可分的充分條件[J];計(jì)算機(jī)應(yīng)用與軟件;2013年11期

6 陳銳;彭啟民;;基于穩(wěn)定區(qū)域梯度方向直方圖的行人檢測(cè)方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年03期

7 李昕;高東林;黃歡;;數(shù)字圖像處理技術(shù)在膜圖像處理中的應(yīng)用[J];北京理工大學(xué)學(xué)報(bào);2011年12期

8 姚林朋;王輝;錢(qián)勇;黃成軍;江秀臣;;應(yīng)用VC理論結(jié)構(gòu)風(fēng)險(xiǎn)最小原則的局部放電信號(hào)消噪方法[J];高電壓技術(shù);2011年05期

9 王耀南;劉良江;周博文;張輝;;一種基于混沌優(yōu)化算法的PCB板元件檢測(cè)方法[J];儀器儀表學(xué)報(bào);2010年02期

10 任超;吳嗣亮;焦李成;;Edge Detection Algorithm of SAR Images with Wedgelet Filter[J];Journal of Beijing Institute of Technology;2008年03期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 余金棟;基于計(jì)算機(jī)微視覺(jué)的亞微米特征尺寸測(cè)量理論與實(shí)驗(yàn)研究[D];華南理工大學(xué);2014年

2 徐曉秋;機(jī)器視覺(jué)球面孔位快速精密測(cè)量系統(tǒng)的研究[D];四川大學(xué);2006年

3 陳向偉;機(jī)械零件計(jì)算機(jī)視覺(jué)檢測(cè)關(guān)鍵技術(shù)的研究[D];吉林大學(xué);2005年

4 朱錚濤;基于計(jì)算機(jī)視覺(jué)圖像精密測(cè)量的關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2004年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

1 朱玉濱;基于SIFT的圖像檢索技術(shù)研究[D];吉林大學(xué);2014年

2 宋晗;20世紀(jì)30年代至60年代美國(guó)西部科技發(fā)展研究[D];遼寧大學(xué);2013年

3 池成全;基于數(shù)字圖像處理的木質(zhì)板材缺陷識(shí)別DSP系統(tǒng)實(shí)現(xiàn)[D];東北林業(yè)大學(xué);2013年

4 尚俊;基于HOG特征的目標(biāo)識(shí)別算法研究[D];華中科技大學(xué);2012年

5 張玲艷;基于Canny理論的自適應(yīng)邊緣檢測(cè)方法研究[D];西北大學(xué);2009年

6 鄒義平;CMOS圖像傳感器的圖像降噪技術(shù)的研究[D];北京郵電大學(xué);2009年

7 鄭麗麗;基于圖像識(shí)別的零件幾何尺寸檢測(cè)問(wèn)題的研究[D];吉林大學(xué);2004年

8 王訓(xùn)四;視覺(jué)測(cè)量系統(tǒng)中的標(biāo)定技術(shù)及其應(yīng)用研究[D];合肥工業(yè)大學(xué);2004年

，

本文編號(hào)：1202865