汽車(chē)制動(dòng)軟管接頭是汽車(chē)制動(dòng)系統(tǒng)的關(guān)鍵零部件,其規(guī)格尺寸是影響汽車(chē)制動(dòng)安全的決定性因素之一。當(dāng)前主要使用機(jī)械檢測(cè)方法對(duì)汽車(chē)制動(dòng)軟管接頭進(jìn)行檢測(cè),檢測(cè)速度慢、檢測(cè)精度低,給行車(chē)安全帶來(lái)巨大的風(fēng)險(xiǎn)。針對(duì)這些不足,本文提出一種集光（可視化檢測(cè)）、電（電氣控制）以及虛擬儀器技術(shù)于一體的汽車(chē)制動(dòng)軟管接頭可視化檢測(cè)裝置,實(shí)現(xiàn)高效、精準(zhǔn)、自動(dòng)的汽車(chē)制動(dòng)軟管接頭檢測(cè)。本文主要的研究工作如下:（1）汽車(chē)制動(dòng)軟管接頭圖像采集基于可視化檢測(cè),利用CCD工業(yè)相機(jī)采集汽車(chē)制動(dòng)軟管接頭的圖像,通過(guò)圖像處理獲取有效特征。實(shí)現(xiàn)非接觸方式獲得汽車(chē)制動(dòng)軟管接頭的尺寸。（2）上位機(jī)軟件的設(shè)計(jì)與開(kāi)發(fā)通過(guò)NI提供的圖像采集軟件NI-IMAQdx完成圖像的采集;對(duì)可視化檢測(cè)裝置進(jìn)行標(biāo)定,完成圖像預(yù)處理、分析和特征提取。基于LabVIEW虛擬儀器開(kāi)發(fā)平臺(tái),實(shí)現(xiàn)汽車(chē)制動(dòng)軟管接頭大徑、小徑、中徑、螺距檢測(cè)結(jié)果的實(shí)時(shí)顯示和保存,并對(duì)汽車(chē)制動(dòng)軟管接頭的合格性進(jìn)行判定。（3）裝置實(shí)驗(yàn)測(cè)試與結(jié)果分析通過(guò)實(shí)驗(yàn)研究表明,本課題研制的汽車(chē)制動(dòng)軟管接頭可視化檢測(cè)裝置實(shí)現(xiàn)檢測(cè)滿足6g的精度等級(jí)。實(shí)驗(yàn)抽樣檢測(cè)顯示,本課題研發(fā)的裝置與機(jī)械檢測(cè)方法相比,在效率... 

【文章來(lái)源】：中國(guó)計(jì)量大學(xué)浙江省

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

中國(guó)計(jì)量大學(xué)碩士學(xué)位論文82汽車(chē)制動(dòng)軟管接頭可視化檢測(cè)裝置2.1測(cè)量裝置的硬件組成方案汽車(chē)制動(dòng)軟管接頭可視化檢測(cè)裝置的運(yùn)行主要有三個(gè)組成部分，首先是要完成汽車(chē)制動(dòng)軟管接頭原始圖像的采集工作，緊接著對(duì)采集到的原始圖像進(jìn)行處理與分析，最后根據(jù)處理后得到的結(jié)果對(duì)汽車(chē)制動(dòng)軟管接頭的合格性進(jìn)行判定。汽車(chē)制動(dòng)軟管接頭可視化檢測(cè)裝置的軟件部分主要是使用LabVIEW虛擬儀器開(kāi)發(fā)平臺(tái)進(jìn)行開(kāi)發(fā)，所研發(fā)的軟件要與裝置所用的硬件系統(tǒng)兼容[14]。汽車(chē)制動(dòng)軟管接頭圖像采集所用的硬件系統(tǒng)由照明光源、光學(xué)鏡頭、計(jì)算機(jī)、光學(xué)傳感器等硬件組成。本課題研究的可視化檢測(cè)裝置處理的對(duì)象是汽車(chē)制動(dòng)軟管接頭，搭建的硬件裝置平臺(tái)如圖1.2所示，通過(guò)可視化檢測(cè)的特性，能夠完成汽車(chē)制動(dòng)軟管接頭的非接觸式測(cè)量。圖2.1汽車(chē)制動(dòng)軟管接頭可視化檢測(cè)硬件平臺(tái)2.2圖像采集硬件選擇汽車(chē)制動(dòng)軟管接頭圖像采集所用的硬件系統(tǒng)由照明光源、光學(xué)鏡頭、計(jì)算

中國(guó)計(jì)量大學(xué)碩士學(xué)位論文11圖2.2大恒MER-504-10GM-P相機(jī)2.2.2光學(xué)鏡頭如果將可視化檢測(cè)系統(tǒng)與人類(lèi)的視覺(jué)系統(tǒng)進(jìn)行類(lèi)比，那么CCD工業(yè)相機(jī)的傳感器芯片就如同人眼睛的視網(wǎng)膜，至于光學(xué)鏡頭則類(lèi)似于眼睛內(nèi)的晶狀體。各種現(xiàn)實(shí)世界中的圖像都通過(guò)光學(xué)鏡頭對(duì)光線進(jìn)行匯聚后，投射在CCD工業(yè)相機(jī)的傳感器芯片上。在可視化檢測(cè)系統(tǒng)中，光學(xué)鏡頭常和相機(jī)作為一個(gè)整體出現(xiàn)，它的質(zhì)量和技術(shù)指標(biāo)直接影響成像子系統(tǒng)的性能，合理地選擇和安裝光學(xué)鏡頭是決定可視化檢測(cè)成像子系統(tǒng)成敗的關(guān)鍵。在可視化檢測(cè)系統(tǒng)搭建的過(guò)程中，光學(xué)鏡頭的選擇通常需要綜合考慮多方面的因素，主要包括光學(xué)鏡頭的分辨率以及焦距，其他的諸如最大像面、視場(chǎng)以及景深等也是需要考慮的因素之一。鏡頭分辨率表示它的空間極限分辨能力，常用拍攝正弦光柵的方法來(lái)測(cè)試。通過(guò)拍攝正弦光柵，研究鏡頭單位距離的線對(duì)數(shù)，就可以獲知鏡頭的分辨率。對(duì)于可視化檢測(cè)系統(tǒng)設(shè)計(jì)來(lái)說(shuō)，只需要查詢鏡頭的參數(shù)列表即可獲知其分辨率。焦距體現(xiàn)了鏡頭的本質(zhì)特性：即對(duì)應(yīng)于不同的物距，鏡頭焦距確定了汽車(chē)制動(dòng)軟管接頭成像的大小以及位置[18]。市面上常見(jiàn)的鏡頭焦距大小包括6mm、8mm、12.5mm、25mm以及50mm等。工作距離指的就是可視化檢測(cè)成像系統(tǒng)中所說(shuō)的物距[19]，由于視覺(jué)成像系統(tǒng)模型的假定條件是工作距離相對(duì)于鏡頭焦距為無(wú)限遠(yuǎn)，因此一般在鏡頭的產(chǎn)品參數(shù)中都會(huì)說(shuō)明其最小工作距離。當(dāng)相機(jī)在小于該最小工作距離的環(huán)境下工作時(shí)，就會(huì)出現(xiàn)圖像失真，影響可視化檢測(cè)系統(tǒng)的可靠性。權(quán)衡一個(gè)鏡頭成像區(qū)域的關(guān)鍵參數(shù)是它的最大像面以及視場(chǎng)，一個(gè)鏡頭能

【參考文獻(xiàn)】：
期刊論文
[1]通用型外螺紋視覺(jué)測(cè)量方法研究[J]. 李明煒,甘文龍,晏濤,王中任.  工具技術(shù). 2018(06)
[2]基于Android平臺(tái)的智能證件照系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 孫慶英,翟海峰.  淮陰師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(03)
[3]制動(dòng)軟管、冷卻液不合格率均低于5.0%[J]. 孟楊.  產(chǎn)品可靠性報(bào)告. 2017(02)
[4]變電站氣體泄漏檢測(cè)的智能系統(tǒng)設(shè)計(jì)[J]. 蘇鎮(zhèn)西,馬鳳翔,吳雪蓮,Bingyu Sun.  電子技術(shù). 2016(09)
[5]基于變指數(shù)的片相似性擴(kuò)散圖像降噪算法[J]. 董嬋嬋,張權(quán),郝慧艷,張芳,劉祎,孫未雅,桂志國(guó).  計(jì)算機(jī)應(yīng)用. 2014(10)
[6]基于VC++的圖像邊緣檢測(cè)及物體周長(zhǎng)面積的測(cè)量[J]. 孫歡歡,程耀瑜.  山西電子技術(shù). 2014(04)
[7]基于激光三角法的螺紋量規(guī)自動(dòng)檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 胡曉東.  組合機(jī)床與自動(dòng)化加工技術(shù). 2012(12)
[8]基于VC++的數(shù)字圖像處理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 張華,展曉凱.  濰坊學(xué)院學(xué)報(bào). 2011(02)
[9]創(chuàng)傷彈道空腔圖像邊緣檢測(cè)技術(shù)研究[J]. 賀成,王濤,廖振強(qiáng),申彪.  計(jì)算機(jī)工程與設(shè)計(jì). 2011(01)
[10]一種新型的基于數(shù)學(xué)形態(tài)學(xué)和顏色特征車(chē)牌定位算法[J]. 李偉,朱偉良,孔祥杰,沈國(guó)江.  科技通報(bào). 2009(02)

博士論文
[1]基于跨視角機(jī)器視覺(jué)的羊只體尺參數(shù)測(cè)量方法研究[D]. 張麗娜.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2017
[2]對(duì)靶噴霧機(jī)器人視覺(jué)伺服控制系統(tǒng)研究[D]. 趙棟杰.中國(guó)農(nóng)業(yè)大學(xué) 2017
[3]基于機(jī)器視覺(jué)的軸徑測(cè)量[D]. 孫秋成.吉林大學(xué) 2010

碩士論文
[1]舌象瘀斑識(shí)別與舌象采集裝置改進(jìn)的研究[D]. 陳飛飛.華東理工大學(xué) 2018
[2]基于草圖局部不變矩特征的圖像檢索[D]. 鮑振華.西北大學(xué) 2017
[3]基于機(jī)器視覺(jué)的螺紋參數(shù)檢測(cè)及評(píng)定系統(tǒng)設(shè)計(jì)[D]. 萬(wàn)鑫.南昌航空大學(xué) 2017
[4]基于邊緣的復(fù)雜背景下識(shí)別技術(shù)研究[D]. 黃正文.集美大學(xué) 2017
[5]基于時(shí)空關(guān)系特征的視頻暴力事件檢測(cè)算法研究[D]. 王楠.北京交通大學(xué) 2017
[6]彩色圖像高分辨率邊緣檢測(cè)算法研究[D]. 馬蒙蒙.西安工程大學(xué) 2017
[7]基于ROS的除草機(jī)器人視覺(jué)導(dǎo)航技術(shù)研究[D]. 王強(qiáng)軍.哈爾濱工程大學(xué) 2017
[8]基于機(jī)器視覺(jué)的汽車(chē)安全帶表面缺陷檢測(cè)算法研究[D]. 崔明.中國(guó)礦業(yè)大學(xué) 2016
[9]汽車(chē)牌照自動(dòng)識(shí)別技術(shù)研究[D]. 郜鵬.西南交通大學(xué) 2016
[10]汽車(chē)制動(dòng)軟管膨脹量自動(dòng)測(cè)試臺(tái)的研制[D]. 王恒飛.中國(guó)計(jì)量學(xué)院 2016



本文編號(hào)：3287822