發(fā)布時間：2023-03-05 13:24

　　乳液泵是洗液容器的重要組成部分,社會需求量大,需要大批量生產。在生產過程中因受到注塑模具和裝配機械的影響導致其表面產生油污、劃痕等缺陷。目前工業(yè)上采用人工檢測法檢測缺陷,人工檢測易受檢測人員主觀情緒的干擾,降低檢測結果的可靠性。本文旨在基于機器視覺研究乳液泵缺陷檢測方法,利用機器檢測替代人為檢測。采用CCD相機將對單獨泵體的檢測轉化為對泵頂、泵頸、泵身、尾管等視角的缺陷檢測。本文先研究視角圖像層面上的定性分類以及缺陷檢測,再研究泵體層面上的定性分類和缺陷檢測。具體研究內容如下:(1)缺陷定性分類模型。該模型目的是在視角圖像層面實現(xiàn)正常與缺陷圖像的定性二分類。首先建立了基于傳統(tǒng)機器視覺SVM的定性分類模型,提取樣本圖像的HOG和LBP特征,并將上述特征輸入至SVM中訓練模型。然后研究了卷積神經(jīng)網(wǎng)絡DarkNet-53的內部結構,建立了基于DarkNet-53定性分類模型。最后基于深度可分卷積以及組歸一化改進DarkNet-53,設計新的殘差結構,令模型更加輕量化,并且批歸一化效果不受批量參數(shù)制約。改進模型DarkNet的分類準確率和檢測效率均優(yōu)于其他模型,平均檢測時間僅為65.23ms。...

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題背景與研究意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 基于傳統(tǒng)機器視覺的缺陷檢測技術
        1.2.2 基于深度學習的缺陷檢測技術
    1.3 本文主要研究內容
    1.4 本文結構安排
第二章 需求分析和總體框圖設計
    2.1 需求分析
        2.1.1 缺陷類型分析
        2.1.2 工業(yè)需求分析
        2.1.3 關鍵點和難點分析
    2.2 總體框圖設計
    2.3 數(shù)據(jù)集
        2.3.1 定性分類數(shù)據(jù)集
        2.3.2 乳液泵VOC數(shù)據(jù)集
    2.4 評判參數(shù)
        2.4.1 缺陷定性分類模型評判參數(shù)
        2.4.2 缺陷檢測模型評判參數(shù)
        2.4.3 泵體定性分類和缺陷檢測評判參數(shù)
    2.5 本章小結
第三章 基于機器視覺的缺陷定性分類模型
    3.1 基于SVM的缺陷定性模型
        3.1.1 特征選擇
        3.1.2 SVM
        3.1.3 基于SVM的缺陷定性分類模型
    3.2 基于DarkNet-53 的缺陷定性模型
        3.2.1 卷積神經(jīng)網(wǎng)絡理論基礎
        3.2.2 網(wǎng)絡模型
        3.2.3 基于DarkNet-53 的缺陷定性模型
    3.3 基于深度可分卷積改進的DarkNet模型
        3.3.1 深度可分卷積
        3.3.2 組歸一化
        3.3.3 殘差塊結構改進
        3.3.4 超參數(shù)設定
    3.4 實驗結果對比與分析
        3.4.1 輸入尺寸分析
        3.4.2 數(shù)據(jù)增強
        3.4.3 模型分類效果對比
        3.4.4 基于Grad-CAM的模型決策可視化分析
    3.5 本章小結
第四章 基于深度學習的缺陷檢測模型
    4.1 基于深度學習的目標檢測算法
        4.1.1 One Stage目標檢測
        4.1.2 Two Stage目標檢測
        4.1.3 乳液泵缺陷檢測
    4.2 基于YOLOv3 的缺陷檢測模型
        4.2.1 網(wǎng)絡模型結構
        4.2.2 模型輸出張量分析
        4.2.3 基于K-means候選框尺寸初始化
        4.2.4 基于NMS的預測框過濾機制
    4.3 基于定性分類模型改進的缺陷檢測模型
        4.3.1 網(wǎng)絡模型結構
        4.3.2 基于K-means++改進的候選框尺寸初始化
        4.3.3 基于Soft NMS的預測框篩選機制
        4.3.4 定性分類模型的權重遷移
        4.3.5 基于損失回調的模型訓練策略
        4.3.6 模型整體檢測流程
    4.4 實驗結果對比及分析
    4.5 本章小結
第五章 泵體定性分類和缺陷檢測
    5.1 泵體檢測的軟硬件環(huán)境
        5.1.1 硬件平臺說明
        5.1.2 軟件環(huán)境介紹
    5.2 人機交互平臺開發(fā)
    5.3 方法效果測試
        5.3.1 泵體定性分類效果測試
        5.3.2 缺陷檢測性能測試
    5.4 方法工業(yè)落地的思考
    5.5 本章小結
第六章 總結與展望
    6.1 總結
    6.2 工作展望
致謝
參考文獻
在學期間取得的與學位論文相關的研究成果



本文編號：3756273