發(fā)布時間：2021-11-01 05:02

　　在現(xiàn)代工業(yè)生產(chǎn)中,隨著生產(chǎn)效率的大幅度提升,傳統(tǒng)的人工生產(chǎn)方式越來越不能滿足現(xiàn)代化制造業(yè)的需求,現(xiàn)代化的生產(chǎn)方式需要一種全新的自動化技術(shù),機器視覺技術(shù)應(yīng)運而生。機器視覺應(yīng)用圖像識別技術(shù)代替人眼來做測量和判斷,效率更高、精確度更好、客觀性更強,且可以無休止的重復(fù)進行,大大提高了生產(chǎn)的自動化程度。本文對圖像識別技術(shù)在機器視覺抓取系統(tǒng)中的應(yīng)用進行研究,研究陶瓷基片識別和位姿獲取算法實現(xiàn)抓取,具有一定的實際應(yīng)用價值。在陶瓷基片目標(biāo)識別方法研究方面,本文首先研究了基于Hu不變矩與KNN算法的目標(biāo)識別方法,并基于該方法存在的不足提出了以黑色像素面積占比、質(zhì)心到邊緣距離均值以及質(zhì)心到邊緣距離方差作為特征參數(shù)的識別方法,實驗結(jié)果表明,后者計算量小、運行時間快,且能更精準(zhǔn)識別陶瓷基片的正反面。由于上述兩種方法均不能對目標(biāo)對象相互遮擋的情況進行準(zhǔn)確識別,本文進一步研究了基于邊緣的模板匹配識別算法,并在原有相似度量基礎(chǔ)上提出了增加基于灰度值差值的倒數(shù)作為糾正項的改進方案。實驗結(jié)果表明,改進后的算法不僅具備精準(zhǔn)識別正反面的功能,而且成功解決了目標(biāo)對象相互遮擋的情況,且適用于多種復(fù)雜遮擋情形,符合實際應(yīng)用場景需... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

本文抓取目標(biāo)在現(xiàn)場環(huán)境中料盤上的陶瓷基片散亂放置，并存在翻轉(zhuǎn)情況

西安科技大學(xué)碩士學(xué)位論文正、反面，獲取每個目標(biāo)的位置、姿態(tài)數(shù)據(jù)。系統(tǒng)工作時，若拾取到正手根據(jù)其姿態(tài)數(shù)據(jù)進行旋轉(zhuǎn)；若拾取到反面目標(biāo)，機械手先將目標(biāo)置于反并將其翻轉(zhuǎn)為正面目標(biāo)，再根據(jù)其姿態(tài)進行旋轉(zhuǎn)。最終將所有目標(biāo)以統(tǒng)一裝臺上。在實際應(yīng)用中視覺系統(tǒng)需要分析處理的情況包括目標(biāo)相互遮擋、中包含多個目標(biāo)、多目標(biāo)情況中包含正面和反面情況如圖 1.2 所示。

圖 1.1 論文研究組織結(jié)構(gòu)圖文章節(jié)安排如下：一章為緒論部分。該部分詳細(xì)分析了課題研究背景和意義以及國內(nèi)外研課題的主要研究內(nèi)容和章節(jié)安排進行了說明。二章為圖像處理基礎(chǔ)知識部分。該部分研究了圖像預(yù)處理過程中常用的緣檢測以及圖像形態(tài)學(xué)處理算法，研究了圖像匹配常用的形狀特征和邊算法以及相似性度量方法。三章為陶瓷基片目標(biāo)識別算法研究部分。該部分對基于形狀、邊緣兩種算法進行仿真。針對本文的實際應(yīng)用場景，在研究過程中提出一種識別時對相似性度量方法進行改進，應(yīng)用到本文機器視覺抓取系統(tǒng)中。四章為陶瓷基片目標(biāo)位姿獲取方法研究部分。該部分研究了旋轉(zhuǎn)卡殼法取目標(biāo)最小外接矩形的方法，并獲取抓取目標(biāo)的位置、姿態(tài)數(shù)據(jù)。五章為機器視覺抓取應(yīng)用的平臺及算法實驗部分。該部分將選擇的目標(biāo)獲取算法應(yīng)用在實際系統(tǒng)中，并與機器視覺軟件 Sherlock 的實際應(yīng)用性

【參考文獻】：
期刊論文
[1]基于標(biāo)記分水嶺的植物重疊葉片改進分割算法[J]. 張寧,王志明,鄭健.  計算機與現(xiàn)代化. 2019(01)
[2]圖像邊緣檢測方法研究新進展[J]. 虎玲,常霞,紀(jì)峰.  現(xiàn)代電子技術(shù). 2018(23)
[3]KNN算法綜述[J]. 竇小凡.  通訊世界. 2018(10)
[4]機器視覺技術(shù)在工業(yè)控制領(lǐng)域中的應(yīng)用[J]. 楊志紅.  信息與電腦(理論版). 2018(17)
[5]圖像處理邊緣檢測技術(shù)的應(yīng)用探索[J]. 張進猛,楊會蘭,朱德軍.  通訊世界. 2018(08)
[6]我國工業(yè)機器人技術(shù)現(xiàn)狀與產(chǎn)業(yè)化發(fā)展戰(zhàn)略[J]. 王豐.  科技風(fēng). 2018(24)
[7]�？禉C器視覺工業(yè)鏡頭應(yīng)用技術(shù)[J]. 胡雨婷.  智慧工廠. 2018(07)
[8]基于機器視覺圖像目標(biāo)識別方法研究[J]. 譚河益.  民營科技. 2018(04)
[9]一種基于形狀匹配的零件位置檢測技術(shù)[J]. 張磊,張鑫,賈磊,莊春剛.  機電一體化. 2018(04)
[10]智能制造——中國制造2025主攻方向[J].   起重運輸機械. 2018(01)

碩士論文
[1]基于工業(yè)機器人的多工件視覺識別與分揀[D]. 張翔.北京化工大學(xué) 2018
[2]基于KNN算法的改進研究及其在數(shù)據(jù)分類中的應(yīng)用[D]. 王德寶.安徽理工大學(xué) 2018
[3]自然堆疊工件的視覺定位技術(shù)研究[D]. 趙碧霞.西南科技大學(xué) 2018
[4]面向機器視覺應(yīng)用的智能光源設(shè)計與優(yōu)化研究[D]. 駱偉岸.廣東工業(yè)大學(xué) 2018
[5]圖像識別技術(shù)在鐵軌扣件異常檢測中的應(yīng)用研究[D]. 代國忠.哈爾濱工程大學(xué) 2018
[6]PCB板識別中HU矩和SIFT算法改進研究[D]. 徐淼.西華大學(xué) 2018
[7]基于機器視覺的圓形線材表面缺陷圖像識別研究[D]. 楊培義.華東交通大學(xué) 2017
[8]基于信息融合的移動機器人目標(biāo)識別與定位研究[D]. 黃朝美.浙江工業(yè)大學(xué) 2016
[9]基于形狀模板匹配的手機商標(biāo)檢測技術(shù)研究[D]. 梅文寶.廣東工業(yè)大學(xué) 2016
[10]基于凸包算法的人臉識別方案[D]. 馬遠(yuǎn)征.云南大學(xué) 2016



本文編號：3469547