針對(duì)高反光金屬制品表面的缺陷檢測(cè),基于機(jī)器視覺(jué)的自動(dòng)化檢測(cè)技術(shù)相較于傳統(tǒng)的人工目測(cè),能夠達(dá)到對(duì)缺陷的高精度的定量檢測(cè)、部分定性檢測(cè)以及位置信息檢測(cè)等要求。但由于其表面的高反光特性,使得工件圖像中夾雜較多高光噪聲,容易造成機(jī)器誤檢,所以基于機(jī)器視覺(jué)的高反光金屬工件的缺陷檢測(cè)精度仍需進(jìn)一步提高。針對(duì)高反光金屬工件表面缺陷檢測(cè),本文主要從圖像預(yù)處理、圖像缺陷檢測(cè)及基于深度學(xué)習(xí)對(duì)缺陷進(jìn)行分類(lèi)的三個(gè)方面展開(kāi)工作:1.首先對(duì)高反光金屬工件表面圖像進(jìn)行光照不均勻校正,采用多次迭代的基于二維伽馬函數(shù)的光照不均自適應(yīng)校正算法對(duì)圖像進(jìn)行處理。將彩色圖像灰度化,并基于時(shí)域與頻域,選取多種濾波算法進(jìn)行分析。主要基于BM3D濾波算法進(jìn)行去噪研究,并提出一種結(jié)合小波分解改進(jìn)的BM3D濾波算法。通過(guò)實(shí)驗(yàn)驗(yàn)證預(yù)處理算法的效果,結(jié)果表明,光照不均校正算法能夠較好的平衡圖像中光照分量,并且通過(guò)改進(jìn)的去噪算法,不僅有效的過(guò)濾了高光噪聲點(diǎn),同時(shí)也增強(qiáng)了ROI區(qū)域的紋理信息。2.通過(guò)對(duì)工件圖像進(jìn)行邊緣提取及特征分析來(lái)實(shí)現(xiàn)對(duì)含缺陷工件的快速檢測(cè)。對(duì)圖像應(yīng)用亞像素邊緣檢測(cè)方法進(jìn)行邊緣提取研究,對(duì)比分析幾種基于矩的亞像素邊緣提取方法...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題背景及意義
    1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀
    1.3 基于機(jī)器視覺(jué)的工件表面缺陷檢測(cè)系統(tǒng)
    1.4 主要研究?jī)?nèi)容
第二章 圖像預(yù)處理
    2.1 光照不均勻圖像校正算法
    2.2 彩色圖像灰度化
    2.3 圖像濾波算法研究
        2.3.1 小波變換濾波算法
        2.3.2 雙邊濾波算法
        2.3.3 各向異性擴(kuò)散濾波算法
        2.3.4 BM3D濾波算法
        2.3.5 濾波算法改進(jìn)
        2.3.6 濾波算法結(jié)果對(duì)比分析
第三章 圖像缺陷檢測(cè)
    3.1 邊緣檢測(cè)技術(shù)研究
    3.2 像素級(jí)邊緣檢測(cè)算法研究
        3.2.1 算法概述
        3.2.2 算法效果對(duì)比
    3.3 亞像素級(jí)的邊緣檢測(cè)算法研究
        3.3.1 算法概述
        3.3.2 算法優(yōu)化
        3.3.3 算法效果對(duì)比
    3.4 基于灰度共生矩陣算法的特征分析
    3.5 缺陷檢測(cè)算法設(shè)計(jì)
第四章 基于深度學(xué)習(xí)的工件缺陷的分類(lèi)
    4.1 基于深度學(xué)習(xí)的分類(lèi)網(wǎng)絡(luò)研究
    4.2 ResNet網(wǎng)絡(luò)模型
    4.3 DenseNet網(wǎng)絡(luò)模型
    4.4 ResNet與 DenseNet網(wǎng)絡(luò)效果對(duì)比
        4.4.1 樣本數(shù)據(jù)處理
        4.4.2 實(shí)驗(yàn)分析
    4.5 分類(lèi)網(wǎng)絡(luò)優(yōu)化
        4.5.1 加快模型訓(xùn)練研究
        4.5.2 遷移學(xué)習(xí)研究
        4.5.3 基于ResNet50 模型的網(wǎng)絡(luò)優(yōu)化
        4.5.4 優(yōu)化模型與原模型效果對(duì)比
    4.6 分類(lèi)網(wǎng)絡(luò)性能對(duì)比
第五章 總結(jié)與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)介及攻讀學(xué)位期間取得的研究成果



本文編號(hào)：3872327