【摘要】：發(fā)動機缸蓋是發(fā)動機中最關鍵零件之一,零件變形以及圓孔尺寸不合格等都會導致氣門密封性不嚴,大量能量隨著高溫的氣體從存在缺陷的氣門排出,造成大量浪費,從而大大降低發(fā)動機的功率。因此需要對發(fā)動機缸蓋零件上的圓孔進行高精度精測,本文結合重慶某軍工項目,針對發(fā)動機缸蓋零件采用計算機視覺技術實現(xiàn)自動化高精度檢測,并對相關的視覺算法進行研究�；诎l(fā)動機缸蓋檢測問題的研究,首先總結了產品檢測、特征匹配以及卷積神經網絡的國內外研究現(xiàn)狀,隨后詳細闡述了發(fā)動機缸蓋零件檢測的問題以及造成檢測困難的原因,并對本文研究涉及的最優(yōu)化模型、特征匹配算法以及卷積神經網絡相關原理進行論述�；诠饩�角度、亮度以及相機角度造成檢測圓形區(qū)域存在局部紋理差異問題,本文提出了一種基于灰度閾值搜索的最優(yōu)化模型進行檢測。首先,基于灰度閾值搜索得到各個區(qū)域子空間,構建出最優(yōu)化問題的目標函數(shù)和約束條件,并對最優(yōu)化問題進行求解得到圓形整體區(qū)域;然后利用實際圓的輪廓是平滑閉曲線的特征對檢測圓的邊緣進行矯正,提高檢測精度。實驗分析表明了基于最優(yōu)模型檢測很大程度減少光線的影響因素,具有較高的精測精度�；诎l(fā)動機缸蓋零件制造的高精度檢測要求,本文提出了一種基于特征點匹配的檢測算法。實際檢測中為了滿足高精度測量要求,需要減少攝像頭與檢測圓的距離,增大分辨率,因此很難保證檢測區(qū)域和非檢測區(qū)域的一定的整體差異性,直接影響基于灰度閾值搜索的最優(yōu)化模型檢測精度。而特征點匹配依賴于局部紋理特性,相同環(huán)境同一款發(fā)動機缸蓋零件產品具有相同的紋理,所以能夠實現(xiàn)高分辨下的高精度測量。首先,利用邊緣特性預先估計匹配點可能存在的區(qū)域;然后,利用改進的Haar-like特征從可能存在的區(qū)域進一步尋找最相似的匹配點,提高精度;最后通過改進的圖相似度或編碼算法以及增大模板庫,減少光線或紋理差異帶來的影響。實驗結果表明基于邊緣和改進的Haar紋理特征的點特征匹配算法具有很強的光照魯棒性,檢測的圓半徑精度誤差在0-1像素。基于特征選取問題,本文結合FCN(Fully Convolutional Networks)和RCF(Richer Convolutional Features)網絡思想提出了一種新的卷積匹配網絡。邊緣特征和改進的Haar紋理特征都是在問題分析的基礎上人為提出的特征選取方法,存在較大的局限性,通過卷積神經網絡自動學習某像素點與鄰域內像素之間更強的依賴關系。本文提出的卷積匹配網絡由兩個不同尺度卷積核大小的通道塊構成,每個通道塊提取每層的卷積特征,從而得到豐富的像素之間的依賴關系。利用顯著性的歐式空間和顏色空間構建樣本相似度標簽,采用帶正則化的均方誤差為損失函數(shù)對網絡進行訓練。實驗結果表明通過卷積網絡訓練能夠得到更強的像素之間依賴關系,特征點匹配準確度更高,測量結果更精準�；谘芯亢晚椖啃枨�,設計并實現(xiàn)了基于發(fā)動機缸蓋零件制造的視覺檢測平臺,并分析了檢測系統(tǒng)對發(fā)動機缸蓋零件上側面的實際檢測結果,滿足了項目檢測要求。
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前4條

1 沈寶國;蔣超峰;蔣修定;陳良發(fā);;基于機器視覺的零件同心度檢測系統(tǒng)的設計[J];機械設計與制造;2017年07期

2 劉潔;賀振東;吳彰良;鞏曉峗;;基于機器視覺的油封缺陷在線檢測系統(tǒng)研究[J];儀表技術與傳感器;2016年05期

3 趙洪山;陳博;;電力系統(tǒng)內-外點優(yōu)化潮流算法[J];電工技術學報;2010年04期

4 梁學軍,洪邁生,賈文煥;螺紋緊固件的自動檢測技術[J];計量技術;2000年02期

，

本文編號：2647002