汽車制動軟管接頭是汽車制動系統(tǒng)的關(guān)鍵零部件,其規(guī)格尺寸是影響汽車制動安全的決定性因素之一。當前主要使用機械檢測方法對汽車制動軟管接頭進行檢測,檢測速度慢、檢測精度低,給行車安全帶來巨大的風險。針對這些不足,本文提出一種集光（可視化檢測）、電（電氣控制）以及虛擬儀器技術(shù)于一體的汽車制動軟管接頭可視化檢測裝置,實現(xiàn)高效、精準、自動的汽車制動軟管接頭檢測。本文主要的研究工作如下:（1）汽車制動軟管接頭圖像采集基于可視化檢測,利用CCD工業(yè)相機采集汽車制動軟管接頭的圖像,通過圖像處理獲取有效特征。實現(xiàn)非接觸方式獲得汽車制動軟管接頭的尺寸。（2）上位機軟件的設(shè)計與開發(fā)通過NI提供的圖像采集軟件NI-IMAQdx完成圖像的采集;對可視化檢測裝置進行標定,完成圖像預(yù)處理、分析和特征提取。基于LabVIEW虛擬儀器開發(fā)平臺,實現(xiàn)汽車制動軟管接頭大徑、小徑、中徑、螺距檢測結(jié)果的實時顯示和保存,并對汽車制動軟管接頭的合格性進行判定。（3）裝置實驗測試與結(jié)果分析通過實驗研究表明,本課題研制的汽車制動軟管接頭可視化檢測裝置實現(xiàn)檢測滿足6g的精度等級。實驗抽樣檢測顯示,本課題研發(fā)的裝置與機械檢測方法相比,在效率... 

【文章來源】：中國計量大學浙江省

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

技術(shù)路線圖

中國計量大學碩士學位論文82汽車制動軟管接頭可視化檢測裝置2.1測量裝置的硬件組成方案汽車制動軟管接頭可視化檢測裝置的運行主要有三個組成部分，首先是要完成汽車制動軟管接頭原始圖像的采集工作，緊接著對采集到的原始圖像進行處理與分析，最后根據(jù)處理后得到的結(jié)果對汽車制動軟管接頭的合格性進行判定。汽車制動軟管接頭可視化檢測裝置的軟件部分主要是使用LabVIEW虛擬儀器開發(fā)平臺進行開發(fā)，所研發(fā)的軟件要與裝置所用的硬件系統(tǒng)兼容[14]。汽車制動軟管接頭圖像采集所用的硬件系統(tǒng)由照明光源、光學鏡頭、計算機、光學傳感器等硬件組成。本課題研究的可視化檢測裝置處理的對象是汽車制動軟管接頭，搭建的硬件裝置平臺如圖1.2所示，通過可視化檢測的特性，能夠完成汽車制動軟管接頭的非接觸式測量。圖2.1汽車制動軟管接頭可視化檢測硬件平臺2.2圖像采集硬件選擇汽車制動軟管接頭圖像采集所用的硬件系統(tǒng)由照明光源、光學鏡頭、計算

中國計量大學碩士學位論文11圖2.2大恒MER-504-10GM-P相機2.2.2光學鏡頭如果將可視化檢測系統(tǒng)與人類的視覺系統(tǒng)進行類比，那么CCD工業(yè)相機的傳感器芯片就如同人眼睛的視網(wǎng)膜，至于光學鏡頭則類似于眼睛內(nèi)的晶狀體。各種現(xiàn)實世界中的圖像都通過光學鏡頭對光線進行匯聚后，投射在CCD工業(yè)相機的傳感器芯片上。在可視化檢測系統(tǒng)中，光學鏡頭常和相機作為一個整體出現(xiàn)，它的質(zhì)量和技術(shù)指標直接影響成像子系統(tǒng)的性能，合理地選擇和安裝光學鏡頭是決定可視化檢測成像子系統(tǒng)成敗的關(guān)鍵。在可視化檢測系統(tǒng)搭建的過程中，光學鏡頭的選擇通常需要綜合考慮多方面的因素，主要包括光學鏡頭的分辨率以及焦距，其他的諸如最大像面、視場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測試。通過拍攝正弦光柵，研究鏡頭單位距離的線對數(shù)，就可以獲知鏡頭的分辨率。對于可視化檢測系統(tǒng)設(shè)計來說，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：即對應(yīng)于不同的物距，鏡頭焦距確定了汽車制動軟管接頭成像的大小以及位置[18]。市面上常見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成像系統(tǒng)中所說的物距[19]，由于視覺成像系統(tǒng)模型的假定條件是工作距離相對于鏡頭焦距為無限遠，因此一般在鏡頭的產(chǎn)品參數(shù)中都會說明其最小工作距離。當相機在小于該最小工作距離的環(huán)境下工作時，就會出現(xiàn)圖像失真，影響可視化檢測系統(tǒng)的可靠性。權(quán)衡一個鏡頭成像區(qū)域的關(guān)鍵參數(shù)是它的最大像面以及視場，一個鏡頭能

【參考文獻】：
期刊論文
[1]通用型外螺紋視覺測量方法研究[J]. 李明煒,甘文龍,晏濤,王中任.  工具技術(shù). 2018(06)
[2]基于Android平臺的智能證件照系統(tǒng)的設(shè)計與實現(xiàn)[J]. 孫慶英,翟海峰.  淮陰師范學院學報(自然科學版). 2017(03)
[3]制動軟管、冷卻液不合格率均低于5.0%[J]. 孟楊.  產(chǎn)品可靠性報告. 2017(02)
[4]變電站氣體泄漏檢測的智能系統(tǒng)設(shè)計[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.  計算機應(yīng)用. 2014(10)
[6]基于VC++的圖像邊緣檢測及物體周長面積的測量[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)自動檢測系統(tǒng)設(shè)計[J]. 胡曉東.  組合機床與自動化加工技術(shù). 2012(12)
[8]基于VC++的數(shù)字圖像處理系統(tǒng)的設(shè)計與實現(xiàn)[J]. 張華,展曉凱.  濰坊學院學報. 2011(02)
[9]創(chuàng)傷彈道空腔圖像邊緣檢測技術(shù)研究[J]. 賀成,王濤,廖振強,申彪.  計算機工程與設(shè)計. 2011(01)
[10]一種新型的基于數(shù)學形態(tài)學和顏色特征車牌定位算法[J]. 李偉,朱偉良,孔祥杰,沈國江.  科技通報. 2009(02)

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

碩士論文
[1]舌象瘀斑識別與舌象采集裝置改進的研究[D]. 陳飛飛.華東理工大學 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 2017
[3]基于機器視覺的螺紋參數(shù)檢測及評定系統(tǒng)設(shè)計[D]. 萬鑫.南昌航空大學 2017
[4]基于邊緣的復雜背景下識別技術(shù)研究[D]. 黃正文.集美大學 2017
[5]基于時空關(guān)系特征的視頻暴力事件檢測算法研究[D]. 王楠.北京交通大學 2017
[6]彩色圖像高分辨率邊緣檢測算法研究[D]. 馬蒙蒙.西安工程大學 2017
[7]基于ROS的除草機器人視覺導航技術(shù)研究[D]. 王強軍.哈爾濱工程大學 2017
[8]基于機器視覺的汽車安全帶表面缺陷檢測算法研究[D]. 崔明.中國礦業(yè)大學 2016
[9]汽車牌照自動識別技術(shù)研究[D]. 郜鵬.西南交通大學 2016
[10]汽車制動軟管膨脹量自動測試臺的研制[D]. 王恒飛.中國計量學院 2016



本文編號：3287822