近年來我國的汽車需求不斷增長,對于汽車發(fā)動機生產(chǎn)制造過程的自動化要求越來越高,自動化裝備和自動檢測系統(tǒng)的應用,大幅提高了產(chǎn)線上的自動化水平和產(chǎn)品質量。但目前,發(fā)動機生產(chǎn)商在某些工件上料環(huán)節(jié)仍采用人工搬運方式,存在著勞動強度大,生產(chǎn)效率低等弊病。在成品質量檢驗環(huán)節(jié),采用人工目視檢查發(fā)動機缸體的表面缺陷,工人容易視覺疲勞,造成錯判率、漏判率高居高不下問題,嚴重影響了產(chǎn)線的效率和產(chǎn)品質量。本文采用基于機器視覺的形狀識別技術對待上料工件進行自動識別與定位,配合吸盤機械臂實現(xiàn)自動上料。同時,采用機器視覺技術和深度學習技術相結合的方法,對發(fā)動機缸體被加工表面進行瑕疵檢測,以提高次品檢出率、保證產(chǎn)品質量。論文主要研究內容如下:1、以LED為照明系統(tǒng)和單目末端開環(huán)視覺系統(tǒng)為基礎硬件系統(tǒng),對圖像預處理、邊緣檢測、形態(tài)學處理等圖像處理算法進行了對比實驗,并對深度學習和卷積神經(jīng)網(wǎng)絡進行了研究,為后續(xù)的目標識別與定位和瑕疵檢測奠定了基礎。2、針對工件的識別與定位問題,首先對待上料工件圖像進行預處理,然后對圖像進行邊緣檢測和形態(tài)學處理,采用霍夫檢測識別形狀,再進行目標的定位和姿態(tài)求解獲取平面坐標信息,并通過紅外...

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景與意義
    1.2 國內外機器視覺識別與瑕疵檢測研究與發(fā)展
        1.2.1 機器視覺
        1.2.2 國內外機器視覺識別發(fā)展概況
        1.2.3 國內外機器視覺瑕疵檢測發(fā)展概況
    1.3 本文研究內容及組織結構
        1.3.1 研究內容
        1.3.2 結構安排
2 機器視覺系統(tǒng)的技術基礎
    2.1 硬件結構
        2.1.1 視覺系統(tǒng)分類
        2.1.2 光源類型
        2.1.3 圖像采集卡
    2.2 瑕疵檢測系統(tǒng)
        2.2.1 缺陷檢測系統(tǒng)框圖
        2.2.2 表面缺陷檢測流程
    2.3 深度學習算法
        2.3.1 深度學習基本理論
        2.3.2 卷積神經(jīng)網(wǎng)絡
        2.3.3 Tensor Flow深度學習框架
    2.4 MFC微軟基礎類庫
        2.4.1 應用程序框架
    2.5 本章小結
3 基于機器視覺的工件識別與定位
    3.1 目標工件識別過程分析
    3.2 圖像預處理
        3.2.1 圖像灰度化
        3.2.2 平滑處理
        3.2.3 圖像二值化
    3.3 邊緣檢測及形態(tài)學處理
        3.3.1 邊緣檢測
        3.3.2 形態(tài)學處理
    3.4 形狀識別
        3.4.1 Hough變換檢測圓
        3.4.2 最小二乘法橢圓擬合
    3.5 工件定位
        3.5.1 二維定位
        3.5.2 高度定位
        3.5.3 傾斜角
    3.6 碼垛策略
        3.6.1 層次吸取
        3.6.2 垂直吸取
    3.7 本章小結
4 基于機器視覺的瑕疵檢測研究
    4.1 缺陷類別
    4.2 機器視覺瑕疵檢測算法
        4.2.1 圖像降噪
        4.2.2 圖像邊界檢測算法
        4.2.3 圖像感興趣區(qū)域搜索
        4.2.4 圖像分割算法
        4.2.5 圖像標識
    4.3 深度學習算法訓練過程
        4.3.1 深度學習的訓練過程
        4.3.2 卷積神經(jīng)網(wǎng)絡訓練過程
        4.3.3 多層神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡結合
    4.4 本章小結
5 系統(tǒng)功能實現(xiàn)與驗證
    5.1 工件識別與定位和瑕疵檢測程序設計與實現(xiàn)
        5.1.1 系統(tǒng)整體功能架構
        5.1.2 系統(tǒng)流程設計
        5.1.3 應用程序簡介
        5.1.4 實驗結果
    5.2 本章小結
6 總結與展望
    6.1 工作總結
    6.2 工作展望
致謝
參考文獻
附錄



本文編號：3816505