發(fā)布時(shí)間：2023-01-09 11:31

　　在紐扣的生產(chǎn)過程中,由于存在機(jī)械故障、模具損壞等不可控因素,紐扣極易產(chǎn)生各種各樣的瑕疵。目前紐扣的瑕疵檢測(cè)方法通常是人工目測(cè),該方法效率低下且準(zhǔn)確率有限。針對(duì)這一問題,本文基于機(jī)器視覺的相關(guān)理論知識(shí),并考慮不同類型紐扣的瑕疵特點(diǎn),提出了基于機(jī)器視覺的針對(duì)塑料紐扣和金屬紐扣的瑕疵檢測(cè)方法。本文搭建了紐扣瑕疵檢測(cè)的硬件平臺(tái)并主要研究了三部分內(nèi)容:一、紐扣圖像感興趣區(qū)域的分割;二、塑料紐扣的瑕疵檢測(cè)方法;三、金屬紐扣的瑕疵檢測(cè)方法。論文的主要?jiǎng)?chuàng)新點(diǎn)如下:1、提出了基于形態(tài)學(xué)處理和Graham算法的紐扣圖像感興趣區(qū)域分割算法。該算法將采集到的紐扣圖像進(jìn)行濾波處理,根據(jù)塑料紐扣和金屬紐扣的不同特點(diǎn),利用形態(tài)學(xué)處理得到圖像中紐扣所在的區(qū)域,并提取紐扣的邊緣。最后利用Graham算法得到紐扣最小外接矩陣的坐標(biāo),將該坐標(biāo)值映射到原圖所在的位置,分割出紐扣圖像的感興趣區(qū)域。該算法為紐扣瑕疵檢測(cè)奠定了基礎(chǔ),去除了無關(guān)的干擾信息,提高了瑕疵檢測(cè)的效率。2、提出了基于動(dòng)態(tài)閾值和自適應(yīng)高斯聚類的塑料紐扣瑕疵檢測(cè)算法。該算法按照瑕疵類別的不同分為兩個(gè)模塊:一、針對(duì)紐扣形狀瑕疵的特點(diǎn),本文利用動(dòng)態(tài)閾值分割和連通區(qū)域... 

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及本文研究思路
        1.2.1 紐扣瑕疵檢測(cè)的研究現(xiàn)狀
        1.2.2 本文紐扣瑕疵檢測(cè)的研究思路
    1.3 本文主要研究工作
2 瑕疵檢測(cè)方法及ELM和 SRC的原理介紹
    2.1 引言
    2.2 瑕疵檢測(cè)的基本原理和方法
        2.2.1 瑕疵檢測(cè)算法
        2.2.2 瑕疵識(shí)別算法
    2.3 極限學(xué)習(xí)機(jī)的原理和方法
    2.4 稀疏表示分類的原理和方法
    2.5 本章小結(jié)
3 瑕疵檢測(cè)的硬件系統(tǒng)和紐扣像素坐標(biāo)的定位
    3.1 引言
    3.2 圖像采集裝置的設(shè)計(jì)
        3.2.1 工業(yè)相機(jī)的選取
        3.2.2 相機(jī)鏡頭的選取
        3.2.3 光源的設(shè)計(jì)
    3.3 基于形態(tài)學(xué)處理和Graham算法的紐扣感興趣區(qū)域分割
        3.3.1 紐扣圖像濾波
        3.3.2 形態(tài)學(xué)處理
        3.3.3 Graham算法分割紐扣感興趣區(qū)域
    3.4 實(shí)驗(yàn)
        3.4.1 運(yùn)行環(huán)境及實(shí)驗(yàn)步驟
        3.4.2 實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
4 基于動(dòng)態(tài)閾值和自適應(yīng)高斯聚類的塑料紐扣瑕疵檢測(cè)
    4.1 引言
    4.2 塑料紐扣形狀瑕疵的檢測(cè)算法
        4.2.1 塑料紐扣閾值分割和單連通區(qū)域計(jì)數(shù)
        4.2.2 Canny算子提取塑料紐扣外部和內(nèi)孔輪廓
        4.2.3 塑料紐扣外部和內(nèi)孔輪廓的圓形度分析
    4.3 塑料紐扣表面瑕疵的檢測(cè)算法
        4.3.1 塑料紐扣表面瑕疵建模
        4.3.2 高斯混合模型聚類算法
        4.3.3 紐扣顏色空間的自適應(yīng)聚類
    4.4 實(shí)驗(yàn)
        4.4.1 運(yùn)行環(huán)境及實(shí)驗(yàn)步驟
        4.4.2 評(píng)價(jià)指標(biāo)
        4.4.3 實(shí)驗(yàn)結(jié)果及分析
    4.5 本章小結(jié)
5 基于極限學(xué)習(xí)機(jī)級(jí)聯(lián)稀疏表示分類的金屬紐扣瑕疵檢測(cè)
    5.1 引言
    5.2 金屬紐扣圖像的預(yù)處理
        5.2.1 紐扣圖像的去反光處理
        5.2.2 紐扣圖像的增強(qiáng)
        5.2.3 紐扣圖像的降維處理
    5.3 ELM-SRC模型介紹
        5.3.1 ELM分類器檢測(cè)紐扣瑕疵
        5.3.2 稀疏表示分類器檢測(cè)紐扣瑕疵
        5.3.3 ELM-SRC分類器檢測(cè)紐扣瑕疵
    5.4 實(shí)驗(yàn)
        5.4.1 運(yùn)行環(huán)境及實(shí)驗(yàn)數(shù)據(jù)
        5.4.2 實(shí)驗(yàn)步驟及評(píng)價(jià)指標(biāo)
        5.4.3 實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 全文展望
參考文獻(xiàn)
致謝
攻讀碩士期間研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于Canny算子和SVM的瓶蓋缺陷檢測(cè)系統(tǒng)研究[J]. 文欣雨,廉小親,郝寶智,吳葉蘭,王曉剛.  測(cè)控技術(shù). 2018(08)
[2]基于機(jī)器視覺的紐扣缺陷檢測(cè)算法研究[J]. 李帥,趙瑾,景軍鋒.  科技創(chuàng)新與應(yīng)用. 2018(08)
[3]機(jī)器視覺表面缺陷檢測(cè)綜述[J]. 湯勃,孔建益,伍世虔.  中國(guó)圖象圖形學(xué)報(bào). 2017(12)
[4]基于內(nèi)容的圖像分割方法綜述[J]. 姜楓,顧慶,郝慧珍,李娜,郭延文,陳道蓄.  軟件學(xué)報(bào). 2017(01)
[5]一種快速提取植物葉片最小外接矩形的算法[J]. 李洋,李岳陽.  江南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(03)
[6]基于壓縮感知的紅外與可見光圖像融合[J]. 周渝人,耿愛輝,張強(qiáng),陳娟,董宇星.  光學(xué)精密工程. 2015(03)
[7]基于連通區(qū)域和統(tǒng)計(jì)特征的圖像文本定位[J]. 劉亞亞,于鳳芹,陳瑩.  計(jì)算機(jī)工程與應(yīng)用. 2016(05)
[8]一種解算空間幾何對(duì)象的最小外接矩形算法[J]. 郭慶勝,馮代鵬,劉遠(yuǎn)剛,陳勇.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2014(02)
[9]紐扣電池表面缺陷檢測(cè)算法的研究[J]. 肖闊華,劉羽.  表面技術(shù). 2013(01)
[10]CCD圖像傳感器的現(xiàn)狀及未來發(fā)展[J]. 胡琳.  電子科技. 2010(06)

碩士論文
[1]鈕扣字符缺陷在線檢測(cè)算法研究[D]. 周同.華中科技大學(xué) 2016
[2]車輛皮革瑕疵智能檢測(cè)方法研究[D]. 嚴(yán)飛華.重慶理工大學(xué) 2016
[3]基于機(jī)器視覺的紐扣內(nèi)孔及色差缺陷在線檢測(cè)技術(shù)研究[D]. 陳浩.華中科技大學(xué) 2015
[4]布匹瑕疵檢測(cè)技術(shù)的研究與開發(fā)[D]. 王明景.江南大學(xué) 2014
[5]基于小波和統(tǒng)計(jì)學(xué)習(xí)理論的布匹瑕疵檢測(cè)與分類技術(shù)研究[D]. 王新民.西安電子科技大學(xué) 2012



本文編號(hào)：3729109