目前,高鐵線纜吊弦線夾裝配質(zhì)量檢測(cè)主要憑借人工的肉眼判斷,這種傳統(tǒng)的方法不僅精確度無(wú)法保證而且檢測(cè)效率低下,極大阻礙了線夾裝配生產(chǎn)的自動(dòng)化、智能化水平。隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展,基于卷積神經(jīng)網(wǎng)絡(luò)的機(jī)器視覺(jué)檢測(cè)技術(shù)能夠在非接觸的條件下展開(kāi)工作,實(shí)時(shí)獲取相關(guān)數(shù)據(jù),保證檢測(cè)工作的精度與效率,人臉識(shí)別與醫(yī)學(xué)影像等領(lǐng)域已廣泛應(yīng)用該技術(shù),得以實(shí)現(xiàn)多學(xué)科融合的最大效益。因此,本文基于卷積神經(jīng)網(wǎng)絡(luò)的機(jī)器視覺(jué)檢測(cè)技術(shù),通過(guò)對(duì)相關(guān)算法進(jìn)行改進(jìn)和優(yōu)化,實(shí)現(xiàn)了對(duì)高鐵線纜吊弦線夾的裝配質(zhì)量的智能檢測(cè),有利于進(jìn)一步提高其生產(chǎn)效率與裝配精度。論文主要研究工作及相關(guān)結(jié)論如下:（1）線夾裝配質(zhì)量檢測(cè)系統(tǒng)總體設(shè)計(jì)。分析了吊弦線夾裝配檢測(cè)的功能需求和檢測(cè)指標(biāo)要求;結(jié)合實(shí)驗(yàn)條件以及檢測(cè)指標(biāo)要求,完成了對(duì)工業(yè)相機(jī)、鏡頭、光源等關(guān)鍵硬件的選型;搭建了線夾裝配質(zhì)量檢測(cè)系統(tǒng)硬件平臺(tái)并設(shè)計(jì)了相應(yīng)的軟件算法流程。（2）基于卷積神經(jīng)網(wǎng)絡(luò)算法對(duì)線夾裝配過(guò)程中產(chǎn)生的漏裝或錯(cuò)裝等防錯(cuò)檢測(cè)。利用圖像處理技術(shù)對(duì)獲取的樣本數(shù)據(jù)進(jìn)行擴(kuò)充,以完成數(shù)據(jù)集的構(gòu)建;通過(guò)分析R-CNN系列網(wǎng)絡(luò)模型的結(jié)構(gòu)及其工作原理,提出基于損失函數(shù)和候選窗口分類結(jié)構(gòu)的改進(jìn)Mas... 

【文章來(lái)源】：江蘇大學(xué)江蘇省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

自動(dòng)化線夾裝配生產(chǎn)線

江蘇大學(xué)碩士學(xué)位論文31.2國(guó)內(nèi)外研究現(xiàn)狀1.2.1工件裝配質(zhì)量檢測(cè)研究現(xiàn)狀工件裝配是指機(jī)械零部件按照一定技術(shù)規(guī)范和工藝進(jìn)行組裝的過(guò)程，由于裝配過(guò)程中需要的零件種類豐富且尺寸大孝裝配方式各異，因此極易出現(xiàn)漏裝、錯(cuò)裝等問(wèn)題[2]。大部分情況下，裝配是自動(dòng)化生產(chǎn)線的最后一道工序，對(duì)裝配質(zhì)量檢測(cè)是確保產(chǎn)品合格的重要保證。因此對(duì)工件裝配質(zhì)量的高效率檢測(cè)是企業(yè)亟待解決的問(wèn)題。如圖1.2所示為線夾裝配流程圖。圖1.2線夾裝配流程Fig1.2Clampassemblyprocess當(dāng)前，國(guó)內(nèi)外學(xué)者在工件裝配檢測(cè)方面已有很多的研究。Sainbuyan等人提出一種基于視覺(jué)的高爾夫球桿頭組裝檢測(cè)系統(tǒng)，以節(jié)省球桿頭生產(chǎn)時(shí)間，采用雙目視覺(jué)采集生產(chǎn)過(guò)程中打擊面板的俯視圖以及鑄件主體俯視圖和側(cè)視圖圖像，通過(guò)模板匹配獲取鑄件主體的三維空間位置以及打擊面板的插入深度，從而判斷球桿頭組件是否滿足規(guī)范，并通過(guò)雙目視覺(jué)的技術(shù)，大大提高裝配過(guò)程的準(zhǔn)確性和效率[3]。意大利薩萊諾大學(xué)的L.Angrisani基于機(jī)器視覺(jué)技術(shù)研制可自動(dòng)測(cè)量汽車密封墊片的檢測(cè)系統(tǒng)，與傳統(tǒng)的接觸式測(cè)量方法相比較，這種方法避免了在測(cè)量過(guò)程中的劃傷現(xiàn)象，可應(yīng)用于密封墊片的多種參數(shù)測(cè)量，并且對(duì)工件尺寸改變的情況具有很好的適應(yīng)性[4]。斯洛文尼亞盧布爾雅那大學(xué)的F.Lahajnar針對(duì)柴油機(jī)的柴油過(guò)濾器的裝配過(guò)程，采集過(guò)濾器的圖像后，運(yùn)用KLT變換進(jìn)行特征提取并進(jìn)行分類，實(shí)現(xiàn)了過(guò)濾器零件的在線檢測(cè)[5]。

江蘇大學(xué)碩士學(xué)位論文7圖1.3總體研究方案流程圖Fig1.3Flowchartoftheentireresearchscheme根據(jù)以上流程圖，論文的主要研究?jī)?nèi)容為以下三點(diǎn)：（1）硬件平臺(tái)是搭建整個(gè)檢測(cè)系統(tǒng)的基礎(chǔ)，關(guān)鍵器件選型以及合理打光方式直接影響圖像采集的質(zhì)量。通過(guò)對(duì)器件重要參數(shù)進(jìn)行了分析，選擇合適的器件完成硬件平臺(tái)搭建，進(jìn)一步完善裝配生產(chǎn)線，提高系統(tǒng)的檢測(cè)精度和效率。（2）基于卷積神經(jīng)網(wǎng)絡(luò)的防錯(cuò)檢測(cè)，首先構(gòu)建數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)模型。根據(jù)模型訓(xùn)練結(jié)果，不斷調(diào)整網(wǎng)絡(luò)參數(shù)并對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)，構(gòu)建魯棒性強(qiáng)和精度高的卷積神經(jīng)網(wǎng)絡(luò)模型，從而實(shí)現(xiàn)裝配系統(tǒng)的自我學(xué)習(xí)并提高生產(chǎn)線的智能化水平。（3）線夾螺栓連接緊度檢測(cè)是線夾裝配質(zhì)量檢測(cè)的另一個(gè)關(guān)鍵指標(biāo)。通過(guò)非接觸式檢測(cè)方法，測(cè)量螺栓伸出量長(zhǎng)度從而保證其連接緊度。在防錯(cuò)檢測(cè)基礎(chǔ)上，采用圖像分割、角點(diǎn)提取等傳統(tǒng)圖像處理方法，進(jìn)一步完成線夾裝配檢測(cè)。本文的具體章節(jié)安排如下：第一章為緒論。首先分析研究背景并介紹課題來(lái)源，然后對(duì)工件裝配質(zhì)量檢測(cè)及基于CNN圖像識(shí)別的研究現(xiàn)狀等進(jìn)行研究與分析，最后分別介紹論文的研究目的和主要研究?jī)?nèi)容。

【參考文獻(xiàn)】：
期刊論文
[1]血管造影圖像分割方法研究的現(xiàn)狀與進(jìn)展[J]. 楊澤鵬,李娜,張保昌,吳宗翰,楊俊,周壽軍.  生物醫(yī)學(xué)工程研究. 2020(01)
[2]基于機(jī)器視覺(jué)和深度神經(jīng)網(wǎng)絡(luò)的零件裝配檢測(cè)[J]. 魏中雨,黃海松,姚立國(guó).  組合機(jī)床與自動(dòng)化加工技術(shù). 2020(03)
[3]基于多尺度特征融合的單目圖像深度估計(jì)[J]. 王泉德,張松濤.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(05)
[4]基于圖像處理的紅棗分級(jí)檢測(cè)方法設(shè)計(jì)[J]. GANBOLD OTGONTSETSEG,于鴻彬,李志鵬,邵宏宇.  安徽農(nóng)業(yè)科學(xué). 2020(05)
[5]基于CNN的小麥籽粒完整性圖像檢測(cè)系統(tǒng)[J]. 祝詩(shī)平,卓佳鑫,黃華,李光林.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2020(05)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉關(guān)鍵點(diǎn)檢測(cè)算法設(shè)計(jì)[J]. 石高輝,陳曉榮,劉亞茹,戴星宇,池笑宇,李恒.  電子測(cè)量技術(shù). 2019(24)
[7]基于遷移學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)玉米病害圖像識(shí)別[J]. 許景輝,邵明燁,王一琛,韓文霆.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2020(02)
[8]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷[J]. 蒙志強(qiáng),董紹江,潘雪嬌,吳文亮,賀坤,梁天,趙興新.  組合機(jī)床與自動(dòng)化加工技術(shù). 2020(02)
[9]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)與集成學(xué)習(xí)的人臉識(shí)別算法[J]. 柯鵬飛,蔡茂國(guó),吳濤.  計(jì)算機(jī)工程. 2020(02)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)特征融合的人臉識(shí)別算法[J]. 王衛(wèi)民,唐洋,張健,張軼秋.  計(jì)算機(jī)與數(shù)字工程. 2020(01)

博士論文
[1]基于計(jì)算機(jī)視覺(jué)的高鐵接觸網(wǎng)支持裝置零部件分類提取與缺陷檢測(cè)[D]. 韓燁.西南交通大學(xué) 2019

碩士論文
[1]基于灰度變化的角點(diǎn)檢測(cè)算法研究[D]. 黃曉浪.東華理工大學(xué) 2019
[2]基于機(jī)器學(xué)習(xí)的液壓泵裝配質(zhì)量檢測(cè)技術(shù)研究[D]. 劉康.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) 2019
[3]基于機(jī)器視覺(jué)的鑄件表面缺陷檢測(cè)研究[D]. 許悅.江蘇大學(xué) 2019
[4]用于遙感圖像變化檢測(cè)的不同深度神經(jīng)網(wǎng)絡(luò)研究[D]. 張浪浪.西安電子科技大學(xué) 2019
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的螺栓松緊狀態(tài)智能監(jiān)測(cè)方法研究[D]. 趙俊鋒.長(zhǎng)安大學(xué) 2019
[6]基于機(jī)器視覺(jué)的網(wǎng)片質(zhì)量檢測(cè)方法研究[D]. 唐良穎.江蘇大學(xué) 2019
[7]基于深度學(xué)習(xí)的輸電線路絕緣子故障檢測(cè)[D]. 鄒東霖.華北電力大學(xué)(北京) 2019
[8]基于機(jī)器學(xué)習(xí)的軸承滾子表面缺陷視覺(jué)檢測(cè)系統(tǒng)研究與設(shè)計(jì)[D]. 陳志鴻.華南理工大學(xué) 2019
[9]基于機(jī)器視覺(jué)的裝配線防錯(cuò)檢測(cè)技術(shù)研究[D]. 杜瑞.合肥工業(yè)大學(xué) 2018
[10]基于卷積神經(jīng)網(wǎng)絡(luò)圖像分類優(yōu)化算法的研究與驗(yàn)證[D]. 石琪.北京交通大學(xué) 2017



本文編號(hào)：3324280