在生產(chǎn)過程中利用圖像處理相關(guān)算法實現(xiàn)工件表面的缺陷檢測識別可有效解決傳統(tǒng)缺陷檢測依賴人工離線化操作的問題,能夠節(jié)省工廠人力成本。針對工件表面缺陷的檢測問題,本文提出了一種基于機器視覺的工件表面缺陷自動檢測識別方法,開展如下幾個方面的研究:1、銑削工件表面圖像采集和樣本庫構(gòu)建。選定加工材料設(shè)計銑削加工實驗,從而獲得具有不同缺陷的工件表面圖像。搭建圖像采集實驗平臺,采集已加工的銑削工件表面圖像,建立銑削工件表面圖像樣本庫。同時,為了進(jìn)一步擴建樣本庫,在已有樣本庫的基礎(chǔ)上,引用了kaggle平臺開源的Severstal數(shù)據(jù)集。2、利用改進(jìn)FCM算法實現(xiàn)工件表面缺陷判別。針對采集圖像進(jìn)行預(yù)處理工作,分別對各圖像進(jìn)行去噪、特征結(jié)構(gòu)增強處理,以提高原始銑削工件表面圖像質(zhì)量。預(yù)處理后,針對傳統(tǒng)模糊C均值（FCM）算法在實現(xiàn)對圖像的聚類分割時未考慮像元間相互關(guān)系,且未事先給出被分割圖像初始聚類中心的問題,提出了一種考慮像元間相互關(guān)系的FCM聚類分割算法。該算法基于數(shù)據(jù)場原理,首先利用像元間相互關(guān)系,通過計算圖像中各像素點的勢值,形成圖像數(shù)據(jù)場,然后利用圖像數(shù)據(jù)場的勢心,確定模糊C均值算法的初始聚類中心... 

【文章來源】：湘潭大學(xué)湖南省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

工件表面

湘潭大學(xué)碩士學(xué)位論文14第2章工件表面圖像獲取及樣本庫構(gòu)建利用圖像處理與機器學(xué)習(xí)相關(guān)算法對工件表面缺陷進(jìn)行檢測分類的過程中，為訓(xùn)練并測試算法效果，需要構(gòu)建工件表面圖像的樣本庫。本章首先設(shè)計加工實驗，選擇合適的刀具以及加工參數(shù)，獲得不同表面特征的銑削工件。之后通過搭建圖像采集實驗平臺，采集已加工完成工件的表面圖像，建立工件表面圖像樣本庫。針對樣本庫缺陷種類少、數(shù)據(jù)量不足的文圖，利用kaggle平臺開源的Severstal數(shù)據(jù)集擴建樣本庫。2.1加工實驗2.1.1加工實驗器材（1）針對工件加工實驗，本研究選取VMC-C30型五軸加工中心作為加工設(shè)備，該設(shè)備集成Gki25數(shù)控操作系統(tǒng)，如圖2-1所示，表2-1給出了該加工中心的主要技術(shù)參數(shù)，圖2-2為加工過程圖。圖2-1VMC-C30型五軸加工中心圖2-2加工過程圖

湘潭大學(xué)碩士學(xué)位論文14第2章工件表面圖像獲取及樣本庫構(gòu)建利用圖像處理與機器學(xué)習(xí)相關(guān)算法對工件表面缺陷進(jìn)行檢測分類的過程中，為訓(xùn)練并測試算法效果，需要構(gòu)建工件表面圖像的樣本庫。本章首先設(shè)計加工實驗，選擇合適的刀具以及加工參數(shù)，獲得不同表面特征的銑削工件。之后通過搭建圖像采集實驗平臺，采集已加工完成工件的表面圖像，建立工件表面圖像樣本庫。針對樣本庫缺陷種類少、數(shù)據(jù)量不足的文圖，利用kaggle平臺開源的Severstal數(shù)據(jù)集擴建樣本庫。2.1加工實驗2.1.1加工實驗器材（1）針對工件加工實驗，本研究選取VMC-C30型五軸加工中心作為加工設(shè)備，該設(shè)備集成Gki25數(shù)控操作系統(tǒng)，如圖2-1所示，表2-1給出了該加工中心的主要技術(shù)參數(shù)，圖2-2為加工過程圖。圖2-1VMC-C30型五軸加工中心圖2-2加工過程圖


本文編號：3071540