【摘要】：本文主要研究了基于機器視覺的剎車油管鐓頭缺陷檢測系統(tǒng),旨在結(jié)合機器視覺的檢測優(yōu)點完成對剎車油管鐓頭各類缺陷的快速、準確判斷。根據(jù)剎車油管鐓頭的物理特性,有針對地完成對圖像采集系統(tǒng)的搭建,包括光源、照明方式、工業(yè)攝像機和鏡頭的選型;研究了四種傳統(tǒng)坐標系的關系和鏡頭畸變模型,分析了傳統(tǒng)張氏標定法在實際應用中一些缺陷,提出了基于滅點的自標定算法,并通過數(shù)據(jù)驗證基于滅點的自標定算法更適用于工業(yè)環(huán)境。設計多直方圖滑動窗口算法,完成了對采集圖像背景區(qū)域的分割;針對彩色圖像易受到室外光照等因素導致的光照不均問題,提出基于光場重構(gòu)的自適應光照補償算法;為了消除信號在傳輸過程中產(chǎn)生的高頻白噪聲,設計了基于決策的自適應濾波算法。根據(jù)剎車油管鐓頭缺陷分布的區(qū)域與特點不同,將剎車油管鐓頭缺陷劃分為三類。針對剎車油管鐓頭表面掉漆缺陷,設計了基于HSV顏色空間的掉漆檢測方案;針對內(nèi)輪廓缺陷,本文對內(nèi)輪廓進行閾值的分割之后,設計了基于圓度判別和探測圓逼近檢測方案;針對外輪廓缺陷,對外輪廓進行邊緣提取之后,對外輪廓進行圓擬合,計算兩輪廓邊緣的絕對距離信息,設定距離判定閾值,完成對外邊緣破損缺陷的判斷。利用以C++語言為基礎的Qt庫,搭建了剎車油管鐓頭檢測系統(tǒng),對剎車油管鐓頭檢測系統(tǒng)進行系統(tǒng)測試,測試結(jié)果表明該檢測系統(tǒng)的實時性和準確性均滿足實際檢測需求,達到了預期的目的。
【圖文】：

[1]，汽車零部件的生產(chǎn)質(zhì)量也顯得日益重要。本課題所研究的剎車油管是薄壁空心圓管結(jié)構(gòu)，是汽車制動系統(tǒng)的關鍵部件，如圖1-1所示。在剎車油管鐓頭的制造過程中，為改善其頭部強度、密封性等性能，需要對剎車油管進行再鐓頭加工。由于軋制設備、加工工藝等多方面原因，導致剎車油管在鐓頭加工過程中產(chǎn)生不同類型的缺陷，，這些缺陷不光對產(chǎn)品的美觀性產(chǎn)生嚴重影響，而且會導致應力集中，機械性能變差等問題，使得產(chǎn)品的精度、耐磨性、密封性、抗疲勞強度等性能指標大幅降低。因此在生產(chǎn)過程中需要對剎車油管鐓頭的質(zhì)量進行嚴格的把控，防止不合格的產(chǎn)品流向市場，釀成重大質(zhì)量事故。a）剎車油管鐓頭側(cè)面采集圖 b）剎車油管鐓頭端面采集放大圖圖 1-1 剎車油管鐓頭原始圖像由于剎車油管鐓頭端面尺寸較小(毫米級)，傳統(tǒng)工廠采用人工離線檢測的方式來判斷是否存在缺陷，將生產(chǎn)出的產(chǎn)品置于高倍相機下拍成圖像，再經(jīng)人工目測

圖 2-1 圖像采集系統(tǒng)真實空間的三維信息轉(zhuǎn)換到像平面的可以準確地掌握目標圖像的幾何信息成像模型；另一個是非線性成像模型義圖像左上角為原點0O ，建立以像素為圖 2-1 所示，在像素坐標系中目標點所0
【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;U463.5

【參考文獻】

相關期刊論文 前9條

1 華顯立;倪江楠;;改進自適應中值濾波算法研究[J];電子設計工程;2015年04期

2 康永林;朱國明;;中國汽車發(fā)展趨勢及汽車用鋼面臨的機遇與挑戰(zhàn)[J];鋼鐵;2014年12期

3 曹建農(nóng);;圖像分割的熵方法綜述[J];模式識別與人工智能;2012年06期

4 黃杰賢;李迪;葉峰;張舞杰;;撓性印制電路板焊盤表面缺陷的檢測[J];光學精密工程;2010年11期

5 霍炬;楊衛(wèi);楊明;;基于消隱點幾何特性的攝像機自標定方法[J];光學學報;2010年02期

6 林海平;陳靜;華艷秋;;一種新型的攝像機標定方法[J];電氣自動化;2009年05期

7 陳國君;陳鵬;張學軍;;基于計算機視覺的軸承表面缺陷檢測[J];煤礦機械;2009年02期

8 李曉飛,馬大瑋,粘永健,孫晶菁;圖像腐蝕和膨脹的算法研究[J];影像技術;2005年01期

9 段峰 ,王耀南 ,雷曉峰 ,吳立釗 ,譚文;機器視覺技術及其應用綜述[J];自動化博覽;2002年03期

相關博士學位論文 前3條

1 容典;臍橙表面缺陷的機器視覺快速檢測研究及嵌入式系統(tǒng)應用[D];浙江大學;2017年

2 畢明德;基于機器視覺的布匹疵點檢測系統(tǒng)研究[D];華中科技大學;2012年

3 段峰;啤酒瓶視覺檢測機器人研究[D];湖南大學;2007年

相關碩士學位論文 前5條

1 唐旭;基于機器視覺的雙臂機器人智能分揀系統(tǒng)關鍵技術研究[D];哈爾濱工業(yè)大學;2017年

2 黃睿;基于影像的軸承缺陷檢測系統(tǒng)的設計與實現(xiàn)[D];大連理工大學;2016年

3 鄔鋒;鐵軌表面缺陷檢測算法的研究[D];江南大學;2015年

4 王亞如;基于HSV顏色空間和SIFT特征的近似圖像檢索[D];蘭州大學;2014年

5 歐陽志熙;基于視覺測量的工件尺寸快速檢測技術[D];重慶大學;2012年

本文編號：2673960