本文關(guān)鍵詞：基于亞像素分析的軸類零件自動(dòng)檢測(cè)技術(shù)

  更多相關(guān)文章： 軸類零件 機(jī)器視覺 亞像素邊界檢測(cè) 圖像濾波 缺陷檢測(cè)

【摘要】：對(duì)于大批量生產(chǎn)的零件,傳統(tǒng)的檢測(cè)方法都是用人工來進(jìn)行檢測(cè),這樣不僅效率低,而且比較容易出錯(cuò),本文針對(duì)汽車發(fā)動(dòng)機(jī)中氣門上的導(dǎo)桿,運(yùn)用機(jī)器視覺技術(shù),實(shí)現(xiàn)對(duì)零件的尺寸以及表面缺陷的自動(dòng)檢測(cè)。對(duì)軸類零件的檢測(cè)主要包括尺寸和表面缺陷的檢測(cè),而尺寸檢測(cè)其中的關(guān)鍵就是提高邊界檢測(cè)算法測(cè)量精度,對(duì)表面缺陷的檢測(cè)主要包括麻點(diǎn)、劃痕和毛刺這幾個(gè)在工件表面上常見缺陷的檢測(cè),表面缺陷的檢測(cè)其中的關(guān)鍵就是運(yùn)用不同的檢測(cè)算法分別將這幾個(gè)缺陷分別提取出來,并且盡量的減少漏檢率,針對(duì)這些關(guān)鍵問題,本文主要進(jìn)行下述工作。首先在結(jié)構(gòu)方面,主要是對(duì)自動(dòng)檢測(cè)裝置進(jìn)行結(jié)構(gòu)優(yōu)化。為了減少異物對(duì)圖像采集系統(tǒng)的影響,鏡頭和CCD采取水平放置,并且在光源和工件之間加入導(dǎo)光板,使光照比較均勻,圖像采集部分設(shè)置為一個(gè)密閉的暗室結(jié)構(gòu),這樣避免了外界自然光的干擾。對(duì)工件傳送速度的優(yōu)化,使圖像采集部分剛好可以采集到工件的整個(gè)表面情況。其次在圖像算法方面。針對(duì)圖像中出現(xiàn)的噪聲,本文分別運(yùn)用均值濾波、開關(guān)中值濾波、遞進(jìn)開關(guān)中值濾波這幾種算法對(duì)圖像進(jìn)行濾波,根據(jù)濾波結(jié)果選擇濾波效果最好的遞進(jìn)開關(guān)中值濾波為本文濾波算法。分析比較幾種不同邊界檢測(cè)算子的優(yōu)缺點(diǎn),在Sobel算子的基礎(chǔ)上進(jìn)行改進(jìn),運(yùn)用8方向模板,并且在梯度方向上對(duì)邊界進(jìn)行細(xì)化,從而到達(dá)單像素級(jí)的邊界,并在此基礎(chǔ)上分別研究灰度矩算法、多項(xiàng)式插值和曲線擬合這幾種亞像素邊界檢測(cè)算法的定位精度,并且在灰度矩算法的基礎(chǔ)上進(jìn)行改進(jìn),改進(jìn)之后的算法有很好的定位精度以及重復(fù)定位精度。運(yùn)用灰度值投影的方法對(duì)工件待檢測(cè)區(qū)域進(jìn)行定位,在定位的區(qū)域內(nèi)運(yùn)用不同檢測(cè)算法實(shí)現(xiàn)了對(duì)麻點(diǎn)、劃痕和毛刺的檢測(cè)。最后運(yùn)用上述的檢測(cè)算法和實(shí)驗(yàn)裝置對(duì)直徑為5mm±0.05的導(dǎo)桿進(jìn)行多次實(shí)驗(yàn),并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析,結(jié)果表明本文所提出的算法具有很好的定位精度,而且完全可以實(shí)現(xiàn)對(duì)缺陷的檢測(cè)。
【關(guān)鍵詞】：軸類零件 機(jī)器視覺 亞像素邊界檢測(cè) 圖像濾波 缺陷檢測(cè)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP274
【目錄】：

• 摘要4-6
• abstract6-11
• 第1章 緒論11-15
• 1.1 論文的選題背景及研究意義11
• 1.2 圖像處理技術(shù)的國(guó)內(nèi)外現(xiàn)狀11-12
• 1.3 亞像素檢測(cè)算法的國(guó)內(nèi)外現(xiàn)狀12-13
• 1.4 本文研究的主要內(nèi)容13-15
• 第2章 自動(dòng)檢測(cè)設(shè)備的結(jié)構(gòu)設(shè)計(jì)15-27
• 2.1 工業(yè)相機(jī)的選型15-16
• 2.2 鏡頭的選擇16-18
• 2.3 光源設(shè)計(jì)18-22
• 2.3.1 光源的選擇18-19
• 2.3.2 光照系統(tǒng)的布置方案19-21
• 2.3.3 結(jié)構(gòu)光光照強(qiáng)度的優(yōu)化21-22
• 2.4 工業(yè)相機(jī)和鏡頭的結(jié)構(gòu)布置22-23
• 2.5 工件傳送速度的優(yōu)化23-24
• 2.6 檢測(cè)設(shè)備的整體結(jié)構(gòu)24-26
• 2.7 本章小結(jié)26-27
• 第3章 圖像平滑和像素級(jí)的邊界檢測(cè)算法研究27-43
• 3.1 圖像平滑27-34
• 3.1.1 噪聲產(chǎn)生原因及濾波目的27-28
• 3.1.2 幾種常見的濾波算法28-31
• 3.1.2.1 算術(shù)平均值濾波AEM28
• 3.1.2.2 中值濾波28-29
• 3.1.2.3 開關(guān)中值濾波SMF29-30
• 3.1.2.4 遞進(jìn)開關(guān)中值濾波PSM30-31
• 3.1.3 噪聲模型和濾波效果評(píng)價(jià)標(biāo)準(zhǔn)31-33
• 3.1.3.1 噪聲模型31-32
• 3.1.3.2 濾波器性能客觀評(píng)價(jià)標(biāo)準(zhǔn)32-33
• 3.1.4 實(shí)驗(yàn)與小結(jié)33-34
• 3.2 像素級(jí)的邊界檢測(cè)34-41
• 3.2.1 Robert算子37
• 3.2.2 Sobel算子37-38
• 3.2.3 Prewitt算子38
• 3.2.4 Canny邊界檢測(cè)算子38-40
• 3.2.5 本文檢測(cè)算法40-41
• 3.3 本章小結(jié)41-43
• 第4章 亞像素邊界檢測(cè)算法及其評(píng)價(jià)43-57
• 4.1 亞像素邊界檢測(cè)原理43-53
• 4.1.1 矩法44-50
• 4.1.1.1 基于灰度矩的亞像素邊界檢測(cè)算法44-50
• 4.1.2 基于曲線擬合亞像素邊界檢測(cè)算法50-52
• 4.1.3 基于多項(xiàng)式插值的亞像素邊界檢測(cè)算法52-53
• 4.2 三種不同算法的比較53-55
• 4.2.1 定位精度的比較53
• 4.2.2 重復(fù)定位精度的比較53-55
• 4.3 本章小結(jié)55-57
• 第5章 小型軸類零件表面缺陷檢測(cè)算法研究57-77
• 5.1 零件表面幾種常見的缺陷57-59
• 5.2 對(duì)采集的圖像進(jìn)行分析59-64
• 5.2.1 對(duì)圖像中的黑色帶進(jìn)行定位59-64
• 5.3 特征提取64-72
• 5.3.1 麻點(diǎn)的檢測(cè)64-67
• 5.3.1.1 邊界跟蹤64-66
• 5.3.1.2 麻點(diǎn)的提取66-67
• 5.3.2 劃痕的檢測(cè)67-71
• 5.3.2.1 斷點(diǎn)檢測(cè)和斷點(diǎn)連接68-71
• 5.3.3 毛刺的檢測(cè)71-72
• 5.4 實(shí)驗(yàn)數(shù)據(jù)72-76
• 5.5 本章小結(jié)76-77
• 第6章 總結(jié)與展望77-79
• 6.1 工作總結(jié)77
• 6.2 展望77-79
• 參考文獻(xiàn)79-83
• 附錄83-85
• 作者簡(jiǎn)介及在學(xué)期間所獲得的科研成果85-87
• 致謝87

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 劉文濤;陳忠;張憲民;;一種改進(jìn)的灰度矩亞像素邊緣定位方法[J];測(cè)試技術(shù)學(xué)報(bào);2014年06期

2 趙建春;葉麗娜;劉芳;張兵兵;;改進(jìn)型中值濾波在圖像處理中的應(yīng)用[J];四川兵工學(xué)報(bào);2013年06期

3 來躍深;陳琛;田軍委;程鋼;;高斯插值亞像素邊緣檢測(cè)算法的優(yōu)化[J];西安工業(yè)大學(xué)學(xué)報(bào);2012年10期

4 張顯斌;袁軻;;原棉異纖維檢測(cè)系統(tǒng)照明光源光照度分布研究[J];光學(xué)技術(shù);2012年02期

5 楊鵬;謝立;劉濟(jì)林;;基于Zernike矩的高精度太陽(yáng)圖像質(zhì)心提取算法[J];宇航學(xué)報(bào);2011年09期

6 李帥;盧榮勝;史艷瓊;劉寧;李楠楠;;基于高斯曲面擬合的亞像素邊緣檢測(cè)算法[J];工具技術(shù);2011年07期

7 尚雅層;陳靜;田軍委;;高斯擬合亞像素邊緣檢測(cè)算法[J];計(jì)算機(jī)應(yīng)用;2011年01期

8 王吉林;姚勵(lì);趙力;;基于改進(jìn)的多項(xiàng)式插值亞像素法電纜護(hù)套材料厚度測(cè)量[J];電測(cè)與儀表;2009年12期

9 伍衛(wèi)平;何玉明;胡而已;;移動(dòng)最小二乘三次曲面擬合法分析圖像亞像素位移[J];固體力學(xué)學(xué)報(bào);2008年S1期

10 高世一;趙明揚(yáng);張雷;鄒媛媛;;基于Zernike正交矩的圖像亞像素邊緣檢測(cè)算法改進(jìn)[J];自動(dòng)化學(xué)報(bào);2008年09期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 張建川;紅鋼棒材表面缺陷圖像采集與檢測(cè)系統(tǒng)研究[D];山東大學(xué);2012年

2 孫秋成;基于機(jī)器視覺的軸徑測(cè)量[D];吉林大學(xué);2010年

3 邵承會(huì);高度脈沖噪聲污染水岸圖像分割[D];吉林大學(xué);2005年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 付佳佳;基于圖像處理技術(shù)的軸類工件多參數(shù)自動(dòng)檢測(cè)技術(shù)研究[D];吉林大學(xué);2014年

2 趙娜;活塞環(huán)自動(dòng)檢測(cè)分選儀測(cè)試系統(tǒng)優(yōu)化研究[D];天津大學(xué);2014年

3 曾源圣;機(jī)器視覺檢測(cè)型材冷彎成形技術(shù)的研究[D];廣東工業(yè)大學(xué);2013年

4 王洋;金屬工件表面缺陷的圖像處理技術(shù)研究[D];沈陽(yáng)理工大學(xué);2012年

5 陳初俠;圖像濾波及邊緣檢測(cè)與增強(qiáng)技術(shù)研究[D];合肥工業(yè)大學(xué);2009年

6 史成淼;基于數(shù)字圖像的亞像素邊緣定位的研究[D];吉林大學(xué);2008年

7 盧得芳;基于亞像素的軸類零件視覺檢測(cè)方法研究[D];重慶大學(xué);2008年

，

本文編號(hào)：589280