在汽車零部件的生產(chǎn)過(guò)程中,不同零件的表面會(huì)有不同的壓印字符,用于對(duì)零件的產(chǎn)品型號(hào)以及生產(chǎn)日期等信息進(jìn)行標(biāo)識(shí),方便在生產(chǎn)過(guò)程中對(duì)零件的質(zhì)量控制以及后續(xù)的產(chǎn)品追溯。由于工業(yè)環(huán)境的復(fù)雜性,傳統(tǒng)的零件表面字符信息都是通過(guò)人工進(jìn)行檢測(cè)并且手動(dòng)輸入計(jì)算機(jī)進(jìn)行信息管理。但是,由于零件產(chǎn)品類型較多并且批量大,使用人工的方式會(huì)帶來(lái)效率低、容易出錯(cuò)、人工成本大等問(wèn)題。在工業(yè)4.0的不斷推動(dòng)下,自動(dòng)化、智能化生產(chǎn)成為引領(lǐng)行業(yè)的先鋒,ERP管理系統(tǒng)大量引入汽車零部件制造廠,本文通過(guò)對(duì)零件表面壓印字符進(jìn)行分析,根據(jù)檢測(cè)需求,設(shè)計(jì)了一套基于機(jī)器視覺的汽車零件字符檢測(cè)系統(tǒng),滿足企業(yè)的自動(dòng)化生產(chǎn)要求,在設(shè)計(jì)的過(guò)程中主要研究?jī)?nèi)容如下:（1）在圖像采集階段,選擇了白色LED光源和同軸照明的方式,并結(jié)合工業(yè)面陣相機(jī)和鏡頭完成零件字符圖像的采集,在一定程度上解決了零件表面反光的問(wèn)題。（2）在圖像的預(yù)處理階段,針對(duì)零件字符圖像對(duì)比度不高的問(wèn)題,研究對(duì)比了幾種圖像增強(qiáng)算法,選用Retinex算法增強(qiáng)零件字符圖像。其次,使用雙邊濾波方法對(duì)零件字符圖像進(jìn)行濾波去噪,獲得質(zhì)量較好的字符圖像。針對(duì)零件上料過(guò)程中容易出現(xiàn)的傾斜問(wèn)題,結(jié)合零... 

【文章來(lái)源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

某型號(hào)零件Figure2-1Partsofacertainmodel

工程碩士學(xué)位論文8圖2-2檢測(cè)系統(tǒng)3D模型圖Figure2-23Dmodeldiagramofthedetectionsystem2.3檢測(cè)系統(tǒng)硬件選型與設(shè)計(jì)（SelectionandDesignofDetectionSystemHardware）上述對(duì)檢測(cè)系統(tǒng)的整體方案進(jìn)行了研究，接下來(lái)要對(duì)具體的細(xì)節(jié)部分進(jìn)行落實(shí)。由于采集的圖像質(zhì)量直接關(guān)系著后續(xù)圖像處理算法的設(shè)計(jì)，所以需要針對(duì)零件的外形以及材質(zhì)等特征選擇合適的工業(yè)相機(jī)和鏡頭，還要選擇合適的光源和照明方式輔助相機(jī)采集高質(zhì)量的圖像，完成圖像采集單元的設(shè)計(jì)。因?yàn)橐獙⑽磯河∽址牧慵謷鋈�，所以要設(shè)計(jì)對(duì)應(yīng)的NG分揀裝置。除此之外，由于系統(tǒng)中有運(yùn)動(dòng)控制部分以及數(shù)據(jù)采集部分，需要對(duì)相應(yīng)的硬件進(jìn)行選型和電路連接。2.3.1工業(yè)相機(jī)選型工業(yè)相機(jī)在視覺檢測(cè)系統(tǒng)中起著關(guān)鍵性的作用，為了采集質(zhì)量較好的圖像，在選擇工業(yè)相機(jī)時(shí)需要考慮以下因素。（1）工業(yè)相機(jī)采集圖像的顏色在工業(yè)應(yīng)用中，如果需要處理的對(duì)象是與顏色有關(guān)的，此時(shí)，彩色相機(jī)將是良好的選擇。因?yàn)樵趯?duì)零件檢測(cè)時(shí)，不需要考慮到顏色的問(wèn)題，所以選擇黑白相機(jī)。黑白相機(jī)采集到的圖像是灰度圖像，可直接用于圖像處理。（2）芯片類型根據(jù)感應(yīng)芯片的不同，工業(yè)相機(jī)可以被劃分成兩大類：CCD相機(jī)和CMOS相機(jī)[38]，它們有各自的特點(diǎn)和使用場(chǎng)景。兩者的主要區(qū)別在于對(duì)采集到的信息的讀出方式不同。在CCD傳感器中，感光元件的信號(hào)不是直接輸出，而是將每一個(gè)感光元件儲(chǔ)存單元的信號(hào)進(jìn)行順序疊加，最后，經(jīng)過(guò)模數(shù)轉(zhuǎn)換器將信號(hào)輸出；在CMOS傳感器中，則是將每個(gè)感光元件輸出的數(shù)字信號(hào)進(jìn)行合并。如表2-1所

工程碩士學(xué)位論文10較廣，主要應(yīng)用在面積、形狀、尺寸、位置等場(chǎng)景的檢測(cè)。相比之下，線陣相機(jī)只有一行感光元素，通常被應(yīng)用在連續(xù)檢測(cè)的領(lǐng)域，例如金屬、塑料、纖維等。圖2-3Basler-acA3800-10gm工業(yè)相機(jī)Figure2-3Basler-acA3800-10gmindustrialcamera綜合分析零件字符的檢測(cè)場(chǎng)景后，本系統(tǒng)選用帶有硬件觸發(fā)功能的黑白面陣CMOS相機(jī),根據(jù)檢測(cè)要求選用德國(guó)Basler相機(jī)，如圖2-3所示，具體型號(hào)為acA3800-10gm，接口方式為GIGE，其主要的參數(shù)如表2-3所示。表2-3工業(yè)相機(jī)參數(shù)表Table2-3Industrialcameraparametertable工業(yè)相機(jī)參數(shù)名稱參數(shù)接口GIGE分辨率38402748幀率10fps感應(yīng)芯片尺寸6.4mm4.6mm感應(yīng)芯片類型CMOS黑白/彩色Mono鏡頭接口C口2.3.2光學(xué)鏡頭選型光學(xué)鏡頭[39]的主要作用是在圖像傳感器的光敏面上對(duì)目標(biāo)物體進(jìn)行成像，實(shí)現(xiàn)光束變換，是機(jī)器視覺檢測(cè)系統(tǒng)中不可或缺的部件。鏡頭質(zhì)量的選擇直接影響著相機(jī)采集圖像的質(zhì)量，并且對(duì)后續(xù)的圖像處理有著重要的意義。在選擇鏡頭的時(shí)候，首先要確定焦距，然后再逐一考慮其他的參數(shù)，鏡頭的主要參數(shù)以及選型如下所述：焦距：焦距[40]是透鏡中心到相機(jī)感應(yīng)芯片成像中心的距離。如圖2-4所示，以透鏡中心為交叉點(diǎn)，待測(cè)物體通過(guò)透鏡在感應(yīng)芯片上成像形成的夾角就是視場(chǎng)角。視角隨著視場(chǎng)角的增大而增大，光學(xué)倍率會(huì)隨之減校視場(chǎng)角會(huì)隨著焦距的變大而減小，反之，會(huì)隨著焦距的變小而變大。焦距可由公式（2-1）計(jì)算得到。dWf=h*H(2-1)

【參考文獻(xiàn)】：
期刊論文
[1]基于ERP系統(tǒng)實(shí)施過(guò)程中汽配企業(yè)內(nèi)部控制管理的完善[J]. 李超.  現(xiàn)代商業(yè). 2019(32)
[2]機(jī)器視覺研究與發(fā)展綜述[J]. 宋春華,彭泫知.  裝備制造技術(shù). 2019(06)
[3]光學(xué)鏡頭成像質(zhì)量研究[J]. 席瑞駿,肖雙江,楊慧,劉華.  物理實(shí)驗(yàn). 2019(05)
[4]基于增強(qiáng)CNN模型的手寫字體圖像識(shí)別[J]. 李忠海,王崇瑤,宋智欽,徐蕾.  火力與指揮控制. 2019(04)
[5]復(fù)雜背景下電力客戶證件識(shí)別關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[J]. 梁林森.  科技與創(chuàng)新. 2019(07)
[6]讓標(biāo)準(zhǔn)化引領(lǐng)汽車零部件產(chǎn)業(yè)健康發(fā)展[J]. 李道溢.  條碼與信息系統(tǒng). 2018(05)
[7]淺談提升汽車零部件產(chǎn)品質(zhì)量管理的措施[J]. 周金杰.  汽車實(shí)用技術(shù). 2018(14)
[8]光學(xué)字符識(shí)別技術(shù)（OCR）的研究于應(yīng)用[J]. 盧暢暢,寧少文,唐德昌.  中國(guó)戰(zhàn)略新興產(chǎn)業(yè). 2018(28)
[9]采用折反式成像的超短焦距投影物鏡設(shè)計(jì)[J]. 李潤(rùn)芝,楊波,張婧京,萬(wàn)新軍,張薇.  光學(xué)技術(shù). 2018(03)
[10]基于FMEA的汽車零部件質(zhì)量追溯過(guò)程分析[J]. 陳小強(qiáng),王維,顧錦祥.  專用汽車. 2018(05)

博士論文
[1]數(shù)字域TDI CMOS遙感相機(jī)高動(dòng)態(tài)高靈敏成像技術(shù)研究[D]. 蘭太吉.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所) 2018
[2]標(biāo)牌壓印字符圖像獲取與處理中的關(guān)鍵技術(shù)研究[D]. 李建美.山東大學(xué) 2008
[3]金屬標(biāo)牌壓印凹凸字符的特征提取和識(shí)別方法研究[D]. 李學(xué)勇.山東大學(xué) 2008
[4]基于莫爾技術(shù)的標(biāo)牌凹凸字符圖像獲取與識(shí)別研究[D]. 李國(guó)平.山東大學(xué) 2007

碩士論文
[1]基于機(jī)器視覺的車門限位器檢測(cè)與識(shí)別研究及實(shí)現(xiàn)[D]. 余義.南京郵電大學(xué) 2019
[2]基于機(jī)器視覺的縫跡幾何量檢測(cè)與缺陷識(shí)別研究[D]. 楊帆.西安理工大學(xué) 2019
[3]工業(yè)工件復(fù)雜表面的字符識(shí)別方法研究[D]. 段西利.西安理工大學(xué) 2019
[4]基于云模型的工件圖像識(shí)別技術(shù)研究[D]. 顏若塵.江蘇科技大學(xué) 2019
[5]工程圖紙中字符檢測(cè)與識(shí)別方法的研究[D]. 蔣檬凡.電子科技大學(xué) 2019
[6]基于機(jī)器視覺的汽車渦輪殼零件表面缺陷檢測(cè)[D]. 李克斌.南京航空航天大學(xué) 2019
[7]視頻圖像去霧算法的研究及在視頻處理系統(tǒng)中的設(shè)計(jì)實(shí)現(xiàn)[D]. 楊立杰.吉林大學(xué) 2018
[8]面向服務(wù)機(jī)器人的視覺輔助系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 孫宇博.大連理工大學(xué) 2018
[9]基于TesseractOCR的駕駛證識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 李亮.電子科技大學(xué) 2018
[10]手寫體藏文字丁識(shí)別及應(yīng)用[D]. 趙曉艷.西安電子科技大學(xué) 2018



本文編號(hào)：3289252