在實(shí)際的汽車生產(chǎn)線中,進(jìn)行焊接作業(yè)的汽車門(mén)板類型會(huì)隨著工廠生產(chǎn)的需要而發(fā)生改變,這會(huì)導(dǎo)致汽車門(mén)板的焊接部件和焊點(diǎn)信息發(fā)生變化,如果采用傳統(tǒng)的焊接機(jī)器人,就需要每次根據(jù)汽車門(mén)板類型重新進(jìn)行示教,這樣必然會(huì)極大的降低了汽車生產(chǎn)的效率,因此為了輔助焊接機(jī)器人的焊接作業(yè),從而提高汽車門(mén)板焊接生產(chǎn)的效率,本文分別研究了基于傳統(tǒng)圖像處理算法和基于卷積神經(jīng)網(wǎng)絡(luò)的焊件和焊點(diǎn)識(shí)別算。本文的主要研究?jī)?nèi)容如下。首先,介紹了本文的研究背景,針對(duì)傳統(tǒng)汽車門(mén)板焊接生產(chǎn)過(guò)程中存在的問(wèn)題,闡述了本文研究的意義。隨后對(duì)汽車門(mén)板焊接部件和焊點(diǎn)識(shí)別問(wèn)題進(jìn)行了分析,包括汽車門(mén)板焊接技術(shù)和汽車門(mén)板焊接生產(chǎn)線的工藝流程,明確了焊接部件和焊點(diǎn)識(shí)別的目標(biāo)和任務(wù),并給出相應(yīng)的技術(shù)路線。其次,研究利用傳統(tǒng)的圖像處理算法來(lái)識(shí)別汽車門(mén)板中焊接部件和焊點(diǎn)。根據(jù)汽車門(mén)板的焊接特點(diǎn),本文提出了將Canny邊緣檢測(cè)與SSAD(序貫相似性檢測(cè))算法相結(jié)合的焊接部件識(shí)別方法,在焊點(diǎn)識(shí)別過(guò)程中,利用已經(jīng)識(shí)別的焊接部件對(duì)汽車門(mén)板圖像進(jìn)行分割,并通過(guò)霍夫變換算法識(shí)別出分割后圖像中焊點(diǎn)的位置和數(shù)量,從而極大的提高了焊點(diǎn)識(shí)別的準(zhǔn)確度和效率。然后,研究基于卷積神經(jīng)...

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究的背景和意義
        1.1.1 課題研究的背景
        1.1.2 研究目的和意義
    1.2 研究的發(fā)展及現(xiàn)狀
        1.2.1 基于機(jī)器視覺(jué)的傳統(tǒng)目標(biāo)檢測(cè)算法
        1.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法
    1.3 課題來(lái)源
    1.4 論文的主要工作及內(nèi)容安排
第二章 汽車門(mén)板焊接技術(shù)與焊件和焊點(diǎn)識(shí)別任務(wù)分析
    2.1 汽車門(mén)板焊接生產(chǎn)概述
        2.1.1 超聲波焊接技術(shù)簡(jiǎn)介
        2.1.2 門(mén)板超聲焊接生產(chǎn)線
    2.2 焊件和焊點(diǎn)識(shí)別任務(wù)分析
        2.2.1 焊件和焊點(diǎn)信息
        2.2.2 焊件和焊點(diǎn)識(shí)別任務(wù)
    2.3 本章小結(jié)
第三章 基于傳統(tǒng)圖像處理算法的焊件和焊點(diǎn)識(shí)別研究
    3.1 汽車門(mén)板圖像預(yù)處理
        3.1.1 圖像灰度化
        3.1.2 圖像濾波
            3.1.2.1 中值濾波
            3.1.2.2 雙邊濾波
            3.1.2.3 高斯濾波
        3.1.3 圖像銳化
    3.2 汽車門(mén)板焊接件識(shí)別
        3.2.1 圖像邊緣提取
        3.2.2 模版匹配算法
        3.2.3 焊件識(shí)別流程
    3.3 汽車門(mén)板焊焊點(diǎn)識(shí)別
        3.3.1 門(mén)板圖像分割
        3.3.2 霍夫變換算法
        3.3.3 焊點(diǎn)識(shí)別流程
    3.4 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的焊件和焊點(diǎn)識(shí)別算法研究
    4.1 卷積神經(jīng)網(wǎng)絡(luò)基本理論
        4.1.1 神經(jīng)網(wǎng)絡(luò)
        4.1.2 卷積神經(jīng)網(wǎng)絡(luò)
    4.2 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于焊件和焊點(diǎn)識(shí)別
        4.2.1 焊件和焊點(diǎn)識(shí)別目標(biāo)分析
        4.2.2 YOLO算法應(yīng)用于焊件和焊點(diǎn)識(shí)別
            4.2.2.1 YOLO網(wǎng)絡(luò)結(jié)構(gòu)與算法原理
            4.2.2.2 YOLO算法損失函數(shù)
            4.2.2.3 YOLO算法的改進(jìn)
        4.2.3 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
            4.2.3.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置
            4.2.3.2 實(shí)驗(yàn)結(jié)果分析
    4.3 現(xiàn)有算法識(shí)別結(jié)果對(duì)比分析
    4.4 本章小結(jié)
總結(jié)與展望
    1.總結(jié)
    2.展望
參考文獻(xiàn)
攻讀博士/碩士學(xué)位期間取得的研究成果
致謝
附件



本文編號(hào)：3906958