實(shí)現(xiàn)輪轂型號(hào)在生產(chǎn)線上進(jìn)行自動(dòng)識(shí)別,對(duì)輪轂企業(yè)的發(fā)展有至關(guān)重要的作用。目前的輪轂生產(chǎn)采用人工識(shí)別,但人工精力有限,識(shí)別效率不高,無法滿足輪轂的生產(chǎn)需求。所以,研究出一套高效、精確的輪轂型號(hào)在線識(shí)別系統(tǒng)是非常必要的。機(jī)器視覺識(shí)別技術(shù)具有非接觸、在線實(shí)時(shí)、抗干擾能力強(qiáng)等優(yōu)點(diǎn),其最大特點(diǎn)是速度快、信息量大、功能多,利用機(jī)器視覺識(shí)別技術(shù)對(duì)產(chǎn)品進(jìn)行精準(zhǔn)識(shí)別,能夠滿足現(xiàn)代工業(yè)的發(fā)展要求、促進(jìn)工業(yè)進(jìn)步,在實(shí)際應(yīng)用中前景非常廣闊。本輪轂型號(hào)在線識(shí)別系統(tǒng)的設(shè)計(jì)思路是將機(jī)器視覺技術(shù)和圖像處理技術(shù)相結(jié)合,以實(shí)現(xiàn)對(duì)多種汽車輪轂型號(hào)的精準(zhǔn)識(shí)別,從硬件和軟件兩個(gè)方面來設(shè)計(jì)輪轂型號(hào)識(shí)別系統(tǒng)。系統(tǒng)硬件部分主要實(shí)現(xiàn)圖像采集功能,利用CCD相機(jī)、光電開關(guān)、工控機(jī)和圖像采集卡等構(gòu)成硬件系統(tǒng),獲取輪轂圖像。圖像處理部分采用均值濾波和中值濾波兩種濾波進(jìn)行去噪,灰度拉伸法進(jìn)行圖像增強(qiáng),最大類間方差法進(jìn)行圖像分割,并對(duì)邊緣檢測Canny算子作出改進(jìn),使用優(yōu)化后的Canny算子提取輪轂邊緣特征,同時(shí)提取輪轂圖像灰度級(jí)特征,利用提取到的特征信息采用模板匹配算法對(duì)輪轂型號(hào)進(jìn)行識(shí)別,識(shí)別率達(dá)到98%以上。與傳統(tǒng)的識(shí)別技術(shù)相比提高了識(shí)別的精... 

【文章來源】：長春理工大學(xué)吉林省

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

系統(tǒng)組成示意圖

第2章輪轂型號(hào)在線識(shí)別系統(tǒng)的總體設(shè)計(jì)7綜上所述，本輪轂型號(hào)在線識(shí)別系統(tǒng)的工作流程為：當(dāng)輪轂在傳輸線上運(yùn)動(dòng)至第一個(gè)光電傳感器時(shí)，系統(tǒng)進(jìn)行計(jì)數(shù)。當(dāng)運(yùn)動(dòng)到第二個(gè)光電傳感器時(shí)，觸發(fā)CCD相機(jī)對(duì)輪轂進(jìn)行拍照，采集到的圖像由圖像采集卡傳輸至工控機(jī)，工控機(jī)對(duì)輪轂圖像進(jìn)行圖像處理、分析和識(shí)別，識(shí)別結(jié)果通過通信模塊傳輸至控制器，控制器再對(duì)已識(shí)別輪轂進(jìn)行對(duì)應(yīng)的輸出控制，由此完成對(duì)傳送帶上運(yùn)動(dòng)著的輪轂實(shí)現(xiàn)線上自動(dòng)檢測識(shí)別，自動(dòng)輸出的功能，同時(shí)完成對(duì)輪轂生產(chǎn)信息的統(tǒng)計(jì)。如系統(tǒng)的工作流程和組成示意圖所示，控制系統(tǒng)對(duì)于系統(tǒng)識(shí)別的精確率起著極其關(guān)鍵的作用。控制系統(tǒng)結(jié)構(gòu)框圖如圖2.2所示。圖2.2輪轂型號(hào)識(shí)別控制系統(tǒng)框圖根據(jù)該輪轂型號(hào)在線識(shí)別系統(tǒng)各部分所實(shí)現(xiàn)的功能不同，可以將系統(tǒng)所實(shí)現(xiàn)功能分為三大類，分別為圖像獲取部分、圖像識(shí)別部分和后續(xù)處理部分。本文也將針對(duì)這三部分的設(shè)計(jì)來進(jìn)行闡述。1)圖像獲取部分：流水線上的毛坯輪轂被傳送到攝像機(jī)前，可自動(dòng)觸發(fā)光電開關(guān)，使攝像機(jī)對(duì)輪轂進(jìn)行拍攝，然后采集卡進(jìn)行采集圖像并將圖像發(fā)送至工業(yè)控制計(jì)算機(jī)；2)圖像識(shí)別部分：采集到的圖像被傳送到工控機(jī)中，經(jīng)過機(jī)器視覺識(shí)別技術(shù)采用形狀識(shí)別的方式，首先對(duì)輪轂圖像進(jìn)行預(yù)處理、分割，然后提取輪轂的論輪廓形狀特征，再然后根據(jù)輪轂圖像的灰度級(jí)特征，識(shí)別出輪轂型號(hào)；3)后續(xù)處理部分：輸出識(shí)別出的輪轂型號(hào)且生成報(bào)表，進(jìn)行對(duì)輪轂的分類。如果輪轂型號(hào)識(shí)別出現(xiàn)了錯(cuò)誤，未能正確識(shí)別，則會(huì)顯示出未識(shí)別狀態(tài)，同時(shí)進(jìn)行報(bào)警顯示。2.2.2系統(tǒng)總體選型根據(jù)本文所設(shè)計(jì)的輪轂型號(hào)在線識(shí)別系統(tǒng)，系統(tǒng)總體選型可以從兩方面進(jìn)行設(shè)計(jì)，一方面為系統(tǒng)硬件部分搭建，另一方面為系統(tǒng)軟件部分的設(shè)計(jì)開發(fā)。其中，硬件

第3章輪轂型號(hào)在線識(shí)別系統(tǒng)的硬件設(shè)計(jì)12條件較差的工業(yè)生產(chǎn)環(huán)境；且拍攝快門時(shí)間更短，能夠抓拍運(yùn)動(dòng)的物體，并保證成像清晰；工業(yè)相機(jī)的輸出圖像質(zhì)量更高，比普通相機(jī)更適合于圖像處理分析；工業(yè)相機(jī)相價(jià)格更昂貴。1)工業(yè)相機(jī)的分類對(duì)市場上目前存在的兩大類工業(yè)相機(jī)進(jìn)行分析，CCD相機(jī)與CMOS相機(jī)的區(qū)別[18]主要在于以下幾個(gè)方面：(1)CCD相機(jī)使用的圖像傳感器為電荷耦合器件，CMOS相機(jī)使用互補(bǔ)金屬氧化物半導(dǎo)體技術(shù)；(2)在成像上，CCD傳感器產(chǎn)生高質(zhì)量、低噪聲的圖像。CMOS傳感器對(duì)噪聲較敏感；(3)CMOS傳感器耗電少。CCD的功耗是同等CMOS傳感器的100倍；(4)由于CMOS傳感器上的每個(gè)像素旁邊都有幾個(gè)晶體管，因此CMOS芯片的感光度較低。許多光子擊中晶體管而不是光電二極管；(5)CCD傳感器已經(jīng)批量生產(chǎn)了很長一段時(shí)間，因此它們更加成熟。它們往往具有更高質(zhì)量的像素，而且像素?cái)?shù)量更多；(6)圖像輸出速度上，CMOS相機(jī)速度更快；(7)集成性方面，CMOS相機(jī)不僅集成度高，而且成本低。2)相機(jī)的選擇根據(jù)以上CCD和CMOS技術(shù)的利弊分析，本系統(tǒng)選用具有千兆網(wǎng)絡(luò)接口的DALSA相機(jī)CR-GEN3-M6400，DALSA相機(jī)分別采用了TrueFrame和FullFrame逐行掃描CCD傳感器，能夠?qū)崿F(xiàn)電子自動(dòng)快門，能夠提高采集系統(tǒng)的速度，且能夠捕捉移動(dòng)物體的瞬間畫面，且通過網(wǎng)絡(luò)接口遠(yuǎn)程采集在線輪轂圖像，可適應(yīng)環(huán)境光線的變化，可以達(dá)到高分辨率和高灰度等級(jí)。方型像元格式和高填充因子可以保證在低照度的情況下，仍然獲取高質(zhì)量的圖像。CR-GEN3-M6400相機(jī)如圖3.2所示，無拖尾高速圖像采集功能是DALSA出品的Falcon系列相機(jī)的標(biāo)志特性。CR-GEN3-M6400相機(jī)利用LUT、Binning等進(jìn)行圖像優(yōu)化，曝光自由運(yùn)行，能獲取更高質(zhì)量的圖像。圖3.2CR-GEN3-M6400相機(jī)

【參考文獻(xiàn)】：
期刊論文
[1]基于輪廓特征及灰度相似度匹配的接觸網(wǎng)絕緣子缺陷檢測（英文）[J]. Ping TAN,Xu-feng LI,Jin-mei XU,Ji-en MA,Fei-jie WANG,Jin DING,You-tong FANG,Yong NING.  Journal of Zhejiang University-Science A（Applied Physics & Engineering）. 2020(01)
[2]電控冰箱軟件模塊化設(shè)計(jì)[J]. 左秋杰,汪良樹,任猛.  日用電器. 2019(12)
[3]基于形態(tài)學(xué)和高斯濾波的圖像快速去霧算法[J]. 陳明,譚濤.  計(jì)算機(jī)應(yīng)用與軟件. 2019(12)
[4]LED照明光源的溫升與散熱分析[J]. 奚健鋒,喬曉濤.  科學(xué)技術(shù)創(chuàng)新. 2019(33)
[5]基于模塊化軟件的船用乏汽冷卻監(jiān)控系統(tǒng)研制[J]. 王文彬,鄧飛云,陳清,李紅.  船舶工程. 2019(10)
[6]對(duì)面向?qū)ο蟪绦蛟O(shè)計(jì)的思考[J]. 毛紅粉,陳蘭蘭,郝珂麗,孫新杰.  科技風(fēng). 2019(29)
[7]基于圖像處理的橋梁裂縫自動(dòng)檢測方法綜述[J]. 肖欣憶,張曉燕,杜小甫.  電子測試. 2019(19)
[8]基于機(jī)器視覺的照明光源數(shù)據(jù)庫研究與開發(fā)[J]. 逯力紅.  科技創(chuàng)新與應(yīng)用. 2019(26)
[9]基于Canny的邊緣檢測改進(jìn)算法[J]. 李凌.  通化師范學(xué)院學(xué)報(bào). 2019(06)
[10]攝像機(jī)CCD與CMOS關(guān)鍵技術(shù)分析[J]. 李育林.  中國有線電視. 2019(06)

碩士論文
[1]基于機(jī)器視覺的輪轂型號(hào)在線識(shí)別技術(shù)與系統(tǒng)[D]. 郭智杰.中北大學(xué) 2019
[2]嵌入式視覺傳感器輪廓匹配算法的研究與實(shí)現(xiàn)[D]. 唐顯斌.西安電子科技大學(xué) 2019
[3]基于機(jī)器視覺的面陣CCD測徑系統(tǒng)的研究[D]. 李夢(mèng)楠.安徽大學(xué) 2019
[4]基于雙目視覺的高爾夫球檢測與定位研究[D]. 王寶慶.天津理工大學(xué) 2019
[5]基于多特征融合的汽車輪轂識(shí)別與分類系統(tǒng)設(shè)計(jì)[D]. 韓衛(wèi).南京信息工程大學(xué) 2016
[6]輪轂在線識(shí)別系統(tǒng)的研究[D]. 麻金賀.燕山大學(xué) 2014
[7]基于機(jī)器視覺的實(shí)時(shí)輪轂智能識(shí)別系統(tǒng)的研究[D]. 陳建可.太原科技大學(xué) 2014
[8]基于機(jī)器視覺的汽車輪轂形狀識(shí)別算法研究[D]. 趙嬌潔.沈陽師范大學(xué) 2011



本文編號(hào)：3244245