在汽車制造業(yè)生產(chǎn)中,汽車涂膠缺陷危害巨大,甚至危害人類生命。汽車涂膠缺陷指的是在實(shí)際操作中由于技術(shù)等因素,導(dǎo)致的涂膠過程中出現(xiàn)漏涂、斷膠、過寬、過窄等缺陷。本文研究了基于機(jī)器視覺的汽車涂膠檢測技術(shù),目的在于為汽車制造業(yè)行業(yè)提供一種高效的、有實(shí)用價(jià)值的汽車涂膠檢測技術(shù)手段,幫助企業(yè)更好控制涂膠質(zhì)量,同時節(jié)約成本,并且提高生產(chǎn)率。本文在某汽車生產(chǎn)公司缺陷自動識別系統(tǒng)的基礎(chǔ)上,完善系統(tǒng)功能,研究出可將涂膠缺陷分類出來的一套算法。在汽車涂膠檢測過程中,首先對系統(tǒng)的硬件設(shè)備進(jìn)行選型,然后針對汽車前蓋汽車涂膠的特點(diǎn),研究了圖像處理、特征提取以及分析算法,根據(jù)功能要求開發(fā)了涂膠質(zhì)量檢測軟件,最后對視覺檢測系統(tǒng)進(jìn)行了性能驗(yàn)證實(shí)驗(yàn)。針對汽車涂膠膠線漏涂、斷膠、過寬、過窄等缺陷問題,首先通過涂膠機(jī)器手對涂膠圖像進(jìn)行采集;然后研究了涂膠質(zhì)量檢測技術(shù)的圖像預(yù)處理算法,在比較分析常用處理方法后確定了最適合本文的預(yù)處理方法;并且分析了不同的特征提取算法,通過對實(shí)驗(yàn)結(jié)果的分析,確定特征提取的算法;再利用支持向量機(jī)（SVM）分類器的原理及基本算法進(jìn)行汽車涂膠的識別與檢測,并且通過實(shí)驗(yàn)數(shù)據(jù)確定了識別效率最高的核函數(shù)類型... 

【文章來源】：沈陽理工大學(xué)遼寧省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１水稻攝像系統(tǒng)搭建??Ｆｉｇ．?１．１?Ｒｉｃｅ?ｃａｍｅｒａ?ｓｙｓｔｅｍ?ｃｏｎｓｔｒｕｃｔｉｏｎ??

之行人檢側(cè)基準(zhǔn)數(shù)據(jù)集概述Fig.1.20verViewofth.pedes州明detectionb.nch叮出服d川a喊

圖像采集和處理分析系統(tǒng)

【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量機(jī)的長江口及其鄰近海域葉綠素a濃度預(yù)測模型[J]. 李修竹,蘇榮國,張傳松,石曉勇.  中國海洋大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[2]基于改進(jìn)SVM算法的植物葉片分類研究[J]. 馬娜,李艷文,徐苗.  山西農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(11)
[3]基于多算法優(yōu)化SVM的粗糙面參數(shù)反演[J]. 王黎翔,王安琪,黃志祥.  計(jì)算物理. 2019(05)
[4]基于LBP和HOG決策融合的高速列車受電弓檢測[J]. 別致,余志斌.  電氣化鐵道. 2018(05)
[5]一種基于機(jī)器學(xué)習(xí)的汽車涂膠缺陷檢測研究[J]. 朱立忠,陳美洋.  沈陽理工大學(xué)學(xué)報(bào). 2018(04)
[6]基于HOG-LBP特征和SVM分類器的視頻摘要方法[J]. 程海鷹,王鳳隨,朱樹明.  四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2018(04)
[7]基于計(jì)算機(jī)視覺的番茄營養(yǎng)元素虧缺識別研究[J]. 張陸.  農(nóng)機(jī)化研究. 2019(03)
[8]基于粒子群優(yōu)化算法和模糊熵的多級閾值圖像分割算法[J]. 呂福起,李霄民.  計(jì)算機(jī)應(yīng)用研究. 2019(09)
[9]一種基于多特征融合級聯(lián)分類器的車輛檢測算法[J]. 周行,陳淑榮.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(17)
[10]融合LBP和BP神經(jīng)網(wǎng)絡(luò)的人臉表情識別[J]. 李敦宇,薛雷,張旭.  工業(yè)控制計(jì)算機(jī). 2018(05)

博士論文
[1]基于表情認(rèn)知的服務(wù)機(jī)器人情感計(jì)算研究[D]. 劉欣.北京科技大學(xué) 2015

碩士論文
[1]溫室多葉缽苗健康識別與移栽路徑優(yōu)化研究[D]. 楊太瑋.浙江理工大學(xué) 2018
[2]輪式車輛全液壓制動系統(tǒng)性能測試的研究[D]. 蔣耀.貴州大學(xué) 2017
[3]磁性納米交聯(lián)酶聚集體的制備及其在微管式反應(yīng)器中的應(yīng)用[D]. 鄭德兵.北京化工大學(xué) 2017
[4]結(jié)合姿態(tài)對齊和部位表達(dá)的鄱陽湖鳥類種群細(xì)粒度識別[D]. 陳淑嫻.江西師范大學(xué) 2017
[5]基于深度相機(jī)的場景物體定位與抓取研究[D]. 周逸徉.南京大學(xué) 2017
[6]基于超像素方法的腹部醫(yī)學(xué)影像多目標(biāo)分割及臟內(nèi)器官三維重建研究[D]. 王春月.吉林大學(xué) 2017
[7]基于Canny算子和神經(jīng)網(wǎng)絡(luò)復(fù)合絕緣子憎水性研究[D]. 李轉(zhuǎn).華北水利水電大學(xué) 2017
[8]基于深度學(xué)習(xí)的多特征高光譜遙感圖像分類研究[D]. 張佳濱.燕山大學(xué) 2017
[9]基于LBP和二維主成分分析的人臉識別研究[D]. 凡飛飛.湖南大學(xué) 2017
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的12306驗(yàn)證碼識別[D]. 郭慧峰.華南理工大學(xué) 2017



本文編號：3395085