21世紀(jì)科技飛速發(fā)展,隨之而來的是人民生活信息化和工業(yè)生產(chǎn)自動化。鋁輪轂產(chǎn)業(yè)對國家經(jīng)濟(jì)發(fā)展有著重要影響,更加需要革新。使用先進(jìn)的科學(xué)技術(shù)和設(shè)備代替人工勞動力,這不僅能夠降低勞動成本和工業(yè)事故還能提高產(chǎn)品質(zhì)量、增加產(chǎn)業(yè)科技含量,使鋁輪轂的生產(chǎn)得到更加系統(tǒng)化和智能化的管理。目前對于鋁輪轂自動化生產(chǎn)的研究相對較少,這使得鋁輪轂生產(chǎn)線無法實現(xiàn)全自動化,在產(chǎn)品分揀以及產(chǎn)品溯源方面仍然不能做到系統(tǒng)化的管理。為了彌補(bǔ)這一不足之處,推進(jìn)鋁輪轂生產(chǎn)行業(yè)的自動化進(jìn)程,本文針對鋁輪轂的特殊形狀和背腔字符的特點對鋁輪轂進(jìn)行恰當(dāng)?shù)奶幚?著重研究了鋁輪轂背腔信息的識別這一問題。主要研究內(nèi)容包括:（1）使用工業(yè)相機(jī)采集鋁輪轂背腔圖片,選擇合適的灰度化、二值化和濾波方法對原始圖片進(jìn)行預(yù)處理;將雙向投影法和霍夫圓變換法相結(jié)合來確定鋁輪轂背腔信息所在的圓環(huán)區(qū)域,并通過像素遍歷將圓環(huán)區(qū)域提取出來。（2）使用360度旋轉(zhuǎn)投影分割法將帶有鋁輪轂背腔信息的輪輻分割出來,通過對鋁輪轂圖片進(jìn)行由圓心到邊緣的旋轉(zhuǎn)投影將圓環(huán)形狀的有效區(qū)域灰度分布信息呈現(xiàn)在直方圖上,使用雙門限法對投影直方圖進(jìn)行處理并最終獲得每個輪輻的位置角度信息。（3）... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

行業(yè)關(guān)系圖

圖 1-2 全球鋁車輪產(chǎn)需量及產(chǎn)地分布由上圖可以看到我國占有很大的輪轂市場，但同時也面臨很大的市場競爭。輪轂的生產(chǎn)對人力和物力的需求很大，所以輪轂生產(chǎn)線的科技革新及自動化進(jìn)程就顯得尤為重要。而目前的輪轂生產(chǎn)行業(yè)有待改進(jìn)的重要環(huán)節(jié)就是鋁輪轂生產(chǎn)線上的輪轂自動分揀以及鋁輪轂出售之后的損壞產(chǎn)品的溯源問題。而無論是輪轂分揀還是產(chǎn)品溯源都需要用到鋁輪轂的形狀信息和身份信息，這兩大信息的提取目前還主要靠人工完成。人工分揀不僅存在效率問題，而且還易出錯，而產(chǎn)品溯源更是很難完成。所以用自動化生產(chǎn)線代替人力就顯得尤為重要，這也是我國工業(yè)化進(jìn)程中必須邁出的一步。改變國內(nèi)發(fā)展動力不足、核心競爭力弱的現(xiàn)狀，必須依靠技術(shù)創(chuàng)新，充分發(fā)揮、挖掘和利用信息化新技術(shù)。信息網(wǎng)絡(luò)化是實現(xiàn)工業(yè) 4.0 和工業(yè)互聯(lián)網(wǎng)的前提和基礎(chǔ)，通過云服務(wù)把機(jī)器和設(shè)備連接起來，能夠真正創(chuàng)造和發(fā)揮工業(yè)大數(shù)據(jù)的價值。從輪轂生產(chǎn)、檢測、追溯等環(huán)節(jié)入手，充分利用網(wǎng)絡(luò)服務(wù)模式，構(gòu)建完善的汽車輪轂發(fā)展體系，指引汽車輪轂產(chǎn)業(yè)將來的前進(jìn)方向。

第 2 章 鋁輪轂背腔圖片前期處理2.1 引言圖像的預(yù)處理是圖像處理過程中的第一個步驟也是非常重要的一個步驟，因為圖像預(yù)處理結(jié)果的好壞將影響整個圖像處理過程。在圖像的預(yù)處理過程中雖然都是一些比較簡單常用的灰度化、二值化、去噪、形態(tài)化處理等操作，但是選出適合實驗過程的準(zhǔn)確方法能夠決定整個實驗的成功與否。本文的圖像預(yù)處理主要選取了合適的灰度化、二值化和去噪方法以及合適的試驗參數(shù)，對采集的鋁輪轂背腔圖片進(jìn)行初步的處理，使其能夠更好的服務(wù)于下一步操作。2.2 圖像灰度化處理在處理鋁輪轂之前要先對相機(jī)采集的鋁輪轂圖片進(jìn)行預(yù)處理，相機(jī)采集的圖像是彩色圖像如圖 2-1 所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于小遞歸卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨算法[J]. 馬昊宇,徐之海,馮華君,李奇,陳躍庭.  光子學(xué)報. 2018(04)
[2]用改進(jìn)的投影法實現(xiàn)車牌字符分割[J]. 楊峰,潘越,李建奇.  湖南文理學(xué)院學(xué)報(自然科學(xué)版). 2017(04)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)改進(jìn)的圖像自動分割方法[J]. 溫佩芝,苗淵淵,周迎,馮麗園.  計算機(jī)應(yīng)用研究. 2018(09)
[4]基于雞群優(yōu)化算法的SAR圖像快速分割[J]. 梁建慧,王麗芳,蔣澤軍,馬苗.  計算機(jī)應(yīng)用研究. 2018(09)
[5]一種有效的提高車牌字符分割率的方法[J]. 呂文強(qiáng),王啟愛.  信息化研究. 2017(04)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的車牌字符識別[J]. 董峻妃,鄭伯川,楊澤靜.  計算機(jī)應(yīng)用. 2017(07)
[7]基于前饋神經(jīng)網(wǎng)絡(luò)控制的球桿系統(tǒng)位置控制[J]. 朱堅民,謝平,黃春燕,齊北川.  控制工程. 2017(06)
[8]基于改進(jìn)置信度函數(shù)及匹配準(zhǔn)則的圖像修復(fù)算法[J]. 何凱,高俊俏,盧雯霞.  天津大學(xué)學(xué)報(自然科學(xué)與工程技術(shù)版). 2017(04)
[9]基于改進(jìn)sigmoid激活函數(shù)的深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法研究[J]. 黃毅,段修生,孫世宇,郎巍.  計算機(jī)測量與控制. 2017(02)
[10]基于雙重優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)圖像識別算法[J]. 劉萬軍,梁雪劍,曲海成.  模式識別與人工智能. 2016(09)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別方法研究[D]. 段萌.鄭州大學(xué) 2017
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別[D]. 蔣帥.吉林大學(xué) 2017
[3]基于BP神經(jīng)網(wǎng)絡(luò)的五子棋自學(xué)習(xí)系統(tǒng)的設(shè)計與實現(xiàn)[D]. 陳橋.燕山大學(xué) 2016



本文編號：3125252