發(fā)布時間：2018-02-27 19:19

  本文關(guān)鍵詞： 機器視覺 圖像處理 尺寸測量 亞像素精度 人工魚群算法　出處：《安徽工業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：在工業(yè)生產(chǎn)中,為了保證產(chǎn)品的質(zhì)量,必須對產(chǎn)品進(jìn)行諸如尺寸、表面光潔度以及強度等參數(shù)的檢測。隨著企業(yè)生產(chǎn)規(guī)�；�,傳統(tǒng)的人工檢測方法會因檢測工作量變大、檢測速度和精度提高等影響,導(dǎo)致檢測質(zhì)量波動較大。基于機器視覺的檢測技術(shù)由于具有自動化程度高、精確性好,并且可以實現(xiàn)非接觸測量等優(yōu)點,被廣泛地應(yīng)用于工業(yè)檢測和質(zhì)量控制領(lǐng)域。為了順應(yīng)現(xiàn)代工業(yè)檢測的發(fā)展趨勢,本文利用機器視覺與圖像處理技術(shù),在現(xiàn)有的實驗條件下以圓形工件的直徑測量作為研究對象,對基于機器視覺的圓形工件二維尺寸測量方法開展了深入的研究和分析。概括本文所做的研究工作,主要包括以下幾點:1)硬件平臺搭建。在分析系統(tǒng)構(gòu)成以及各個硬件性能參數(shù)的基礎(chǔ)上,從實際需求出發(fā),選擇合適的硬件,搭建出包括計算機、CCD圖像傳感器、鏡頭等在內(nèi)的測量平臺。同時,對測量系統(tǒng)的軟件結(jié)構(gòu)和工作流程也做了簡要地介紹。2)圖像預(yù)處理方法分析與選擇。對常用的圖像濾波、閾值分割、邊緣檢測等算法進(jìn)行研究,通過試驗比較它們對工件圖像的處理效果,找到適合本文研究的工件圖像處理和檢測方法。3)提出了一種基于人工魚群算法(AFSA)的圓形工件檢測方法,以實現(xiàn)通過較少的內(nèi)存資源和時間消耗,快速而準(zhǔn)確地進(jìn)行圓形工件檢測。首先,從邊緣圖像上隨機選取非共線的三個邊緣點表示一個候選圓,即人工魚個體;然后,統(tǒng)計位于該候選圓上的邊緣點個數(shù)來計算個體的適應(yīng)度,在適應(yīng)度值的指導(dǎo)下,人工魚通過多次覓食、聚群、追尾等行為最終找到組成圓的三個邊緣點的最佳集合;最后,通過與現(xiàn)有的基本Hough變換圓檢測、隨機Hough變換(RHT)圓檢測、基于遺傳算法(GA)的圓檢測等檢測方法的比較,可以看到,我們所提出的方法能夠從復(fù)雜圖像和含噪圖像中準(zhǔn)確的進(jìn)行圓檢測,同時具有較強的魯棒性、較快的速度和亞像素精度。4)完成系統(tǒng)的標(biāo)定。使用該標(biāo)定系統(tǒng)對圓形工件進(jìn)行大量的測量實驗,并對測量結(jié)果進(jìn)行分析,總結(jié)產(chǎn)生誤差的原因和消除誤差的辦法。研究結(jié)果顯示,本文的測量方法能夠滿足一般工業(yè)檢測的精度要求,也為機器視覺在工業(yè)測量中的具體應(yīng)用提供了一種途徑。
[Abstract]:In order to ensure the quality of products in industrial production, the parameters such as size, surface finish and strength must be tested. Because of the high degree of automation and accuracy, the detection technology based on machine vision has the advantages of high automation, good accuracy, and can realize non-contact measurement, etc. It is widely used in the field of industrial inspection and quality control. In order to conform to the development trend of modern industrial inspection, this paper uses machine vision and image processing technology to measure the diameter of circular workpiece under existing experimental conditions. In this paper, the two-dimensional dimension measurement method of circular workpiece based on machine vision is studied and analyzed, and the research work done in this paper is summarized. On the basis of analyzing the composition of the system and the performance parameters of each hardware, according to the actual demand, select the appropriate hardware, and build the CCD image sensor including the computer. At the same time, the software structure and workflow of the measurement system are also briefly introduced. 2) the image preprocessing methods are analyzed and selected. The common algorithms of image filtering, threshold segmentation, edge detection and so on are studied. By comparing the processing effect of the workpiece images with experiments, the method of workpiece image processing and detection suitable for this paper is found. 3) A circular workpiece detection method based on artificial fish swarm algorithm (AFSA) is proposed. In order to detect circular jobs quickly and accurately through less memory resources and time consumption. Firstly, three edge points of non-collinear edges are randomly selected from edge images to represent a candidate circle, that is, artificial fish individuals. Statistics the number of edge points on the candidate circle to calculate the fitness of individuals. Under the guidance of fitness, artificial fish finally find the best set of three edge points that make up the circle through many foraging, clustering and rear-end behaviors. By comparing with the existing basic Hough transform circle detection, random Hough transform circle detection, genetic algorithm based circle detection and so on, we can see, The proposed method can detect circles accurately from complex images and noisy images, and has strong robustness. The system is calibrated with high speed and sub-pixel precision. The calibration system is used to carry out a large number of measurement experiments on the circular workpiece, and the measurement results are analyzed. The research results show that the measurement method in this paper can meet the precision requirements of general industrial detection and provide a way for the concrete application of machine vision in industrial measurement.
【學(xué)位授予單位】：安徽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 施兢業(yè);陸龔琪;劉俊;;基于機器視覺的標(biāo)簽檢測系統(tǒng)的設(shè)計[J];科技與創(chuàng)新;2016年14期

2 王序哲;;局部自適應(yīng)二值化方法研究[J];軟件導(dǎo)刊;2011年11期

3 曹靜嫻;顧國華;隋修寶;陳錢;;一種中值與鄰域比較的濾波算法及硬件實現(xiàn)[J];激光與紅外;2011年06期

4 馬艷娥;陳思;陳娟;劉妍;姚金杰;;基于多幅圖像平均法對數(shù)字圖像降噪的研究[J];電子測試;2011年06期

5 魏彥;;二維灰度圖像尺寸測量計算機圖像處理算法研究[J];信息技術(shù);2009年09期

6 熊秋菊;楊慕升;;數(shù)字圖像處理中邊緣檢測算法的對比研究[J];機械工程與自動化;2009年02期

7 聶黎明;周永權(quán);;基于人工魚群算法的機器人路徑規(guī)劃[J];計算機工程與應(yīng)用;2008年32期

8 王冬冬;周永權(quán);;人工魚群算法在求解非線性方程組中的應(yīng)用[J];計算機應(yīng)用研究;2007年06期

9 任民宏;;圖像邊緣檢測算法的比較與展望[J];中國科技信息;2007年10期

10 周廣芬;李鵬;楊久義;;利用MATLAB圖像處理工具箱進(jìn)行圖形數(shù)字化的研究[J];河北科技大學(xué)學(xué)報;2005年04期

相關(guān)博士學(xué)位論文 前3條

1 張益昕;基于計算機視覺的大尺度三維幾何尺寸測量方法及應(yīng)用[D];南京大學(xué);2011年

2 卞曉東;基于機器視覺的車輛幾何尺寸測量系統(tǒng)研究[D];東南大學(xué);2005年

3 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

相關(guān)碩士學(xué)位論文 前8條

1 廖維;基于機器視覺的工件加工尺寸在線測量方法與系統(tǒng)研究[D];武漢理工大學(xué);2012年

2 程現(xiàn)彬;基于機器視覺的小直徑工件檢測系統(tǒng)的研究[D];合肥工業(yè)大學(xué);2010年

3 兆瑞琦;混沌—魚群算法在直接轉(zhuǎn)矩控制系統(tǒng)中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2009年

4 王振興;基于圖像處理的精密測量技術(shù)研究[D];西安電子科技大學(xué);2009年

5 李正大;基于圖像處理的小尺寸精密測量研究[D];西安電子科技大學(xué);2008年

6 王可佳;Hough變換在顯微細(xì)胞圖像分割中的應(yīng)用[D];內(nèi)蒙古師范大學(xué);2007年

7 馬文娟;基于機器視覺的零件平面尺寸自動測量[D];山東大學(xué);2006年

8 簡麗娟;基于圖像分析的金剛石顆粒檢測[D];四川大學(xué);2005年

，

本文編號：1543979