針對高反光金屬制品表面的缺陷檢測,基于機(jī)器視覺的自動化檢測技術(shù)相較于傳統(tǒng)的人工目測,能夠達(dá)到對缺陷的高精度的定量檢測、部分定性檢測以及位置信息檢測等要求。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)器視覺的高反光金屬工件的缺陷檢測精度仍需進(jìn)一步提高。針對高反光金屬工件表面缺陷檢測,本文主要從圖像預(yù)處理、圖像缺陷檢測及基于深度學(xué)習(xí)對缺陷進(jìn)行分類的三個方面展開工作:1.首先對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)校正算法對圖像進(jìn)行處理。將彩色圖像灰度化,并基于時域與頻域,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,并且通過改進(jìn)的去噪算法,不僅有效的過濾了高光噪聲點(diǎn),同時也增強(qiáng)了ROI區(qū)域的紋理信息。2.通過對工件圖像進(jìn)行邊緣提取及特征分析來實(shí)現(xiàn)對含缺陷工件的快速檢測。對圖像應(yīng)用亞像素邊緣檢測方法進(jìn)行邊緣提取研究,對比分析幾種基于矩的亞像素邊緣提取方法...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：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 國內(nèi)外發(fā)展現(xiàn)狀
    1.3 基于機(jī)器視覺的工件表面缺陷檢測系統(tǒng)
    1.4 主要研究內(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)果對比分析
第三章 圖像缺陷檢測
    3.1 邊緣檢測技術(shù)研究
    3.2 像素級邊緣檢測算法研究
        3.2.1 算法概述
        3.2.2 算法效果對比
    3.3 亞像素級的邊緣檢測算法研究
        3.3.1 算法概述
        3.3.2 算法優(yōu)化
        3.3.3 算法效果對比
    3.4 基于灰度共生矩陣算法的特征分析
    3.5 缺陷檢測算法設(shè)計(jì)
第四章 基于深度學(xué)習(xí)的工件缺陷的分類
    4.1 基于深度學(xué)習(xí)的分類網(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比
    4.6 分類網(wǎng)絡(luò)性能對比
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
個人簡介及攻讀學(xué)位期間取得的研究成果



本文編號：3872327