本文關鍵詞： 無損檢測 圖像處理 磁粉探傷 表面裂紋檢測　出處：《西南科技大學》2017年碩士論文　論文類型：學位論文

【摘要】：磁粉探傷作為一種效果明顯、技術成熟和成本低廉的無損檢測方法,廣泛應用于工業(yè)中鐵鑄件的質量檢測環(huán)節(jié),基于機器視覺的表面檢測技術已經(jīng)成為無損檢測技術中的最常用的技術之一。本文將圖像處理和模式識別技術與傳統(tǒng)的磁粉探傷技術相結合,利用視覺檢測技術實現(xiàn)軸承零件表面裂紋的自動檢測。本文首先介紹了磁粉探傷技術的最新研究進展,闡述了磁痕成像的基本原理,分析了影響磁痕成像質量的因素。其次提出了一套基于機器視覺的磁粉探傷實施方案,其中硬件平臺用于磁痕圖像采集,軟件算法主要包括磁痕特征提取與描述和裂紋識別。最后就目前磁痕識別方法中存在的磁痕提取與描述問題,本文提出了效果較好的解決方法。在磁痕提取上,首先介紹了磁痕圖像的特點與預處理算法;其次針對磁痕存在提取困難的問題,本文利用二維Otsu、Laws和K-means等三種算法實現(xiàn)了磁痕的提取,與基于顏色和閾值的磁痕分割方法相比,本文三種算法的磁痕分割效果更好。在磁痕特征描述上,本文提出了不變矩、顏色矩和顏色聚合向量三種磁痕特征描述方法。通過實驗對比與分析,與基于區(qū)域形狀的幾何特征描述方法相比,本文算法不需要預先進行磁痕分割,具有更強的通用性。本文最后針對現(xiàn)場采集的大量軸承零件磁痕圖像,通過提取不變矩、顏色矩和顏色聚合向量等三種共計81維特征向量,利用SVM實現(xiàn)了軸承零件表面的裂紋識別。實驗結果表明,本文提出的檢測方法能有效地區(qū)分表面污染、裂紋和良品三大類工件,整體識別率高達85.62%,具有一定的工程應用價值。
[Abstract]:As an effective, mature and low cost nondestructive testing method, magnetic particle inspection is widely used in the quality testing of iron castings in industry. Surface detection based on machine vision has become one of the most commonly used techniques in nondestructive testing. This paper combines image processing and pattern recognition with traditional magnetic particle flaw detection technology. The automatic detection of surface cracks in bearing parts is realized by using visual inspection technology. In this paper, the latest research progress of magnetic particle flaw detection technology is introduced, and the basic principle of magnetic trace imaging is described. The factors that affect the quality of magnetic mark imaging are analyzed. Secondly, a set of magnetic particle flaw detection scheme based on machine vision is proposed, in which the hardware platform is used for the magnetic mark image acquisition. The software algorithm mainly includes magnetic mark feature extraction and description and crack recognition. Finally, a better method is proposed to solve the problem of magnetic mark extraction and description existing in the current magnetic mark recognition method. Firstly, the characteristics and preprocessing algorithm of magnetic mark image are introduced. Secondly, aiming at the problem of magnetic mark extraction, this paper uses two dimensional OtsuLaws and K-means algorithms to realize the magnetic mark extraction, which is compared with the magnetic mark segmentation method based on color and threshold. In this paper, we propose three methods to describe the feature of magnetic mark: invariant moment, color moment and color aggregation vector. Compared with the geometric feature description method based on the shape of the region, the algorithm in this paper does not need to carry out the magnetic mark segmentation in advance, so it is more universal. Finally, aiming at a large number of magnetic trace images of bearing parts collected in the field, the invariant moments are extracted. Three kinds of 81 dimensional Eigenvectors, such as color moment and color aggregation vector, are used to identify the cracks on the surface of bearing parts by using SVM. The experimental results show that the proposed detection method can effectively distinguish the surface contamination. The overall identification rate of crack and good products is up to 85.62, which has certain engineering application value.
【學位授予單位】：西南科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TG115.284;TP391.41

【相似文獻】

相關會議論文 前5條

1 喬兵;;汽車曲軸表面磁痕的形成原因[A];2011年全國高品質特殊鋼生產技術研討會文集[C];2011年

2 鮑順堯;;柴油機鍛鋼曲軸常見缺陷磁痕的種類和特征[A];2000年晉冀魯豫鄂蒙六省區(qū)機械工程學會學術研討會論文集（河南分冊）[C];2000年

3 龐佑強;叢培林;鄭紅;李紹芬;;磁粉探傷中的磁痕分析與判斷[A];2006年晉冀魯豫鄂蒙川云貴甘滬湘十二省區(qū)市機械工程學會學術年會論文集（河南分冊）[C];2006年

4 杜岡峰;張沈潔;曹耕原;楊玉;;柴油機六缸42CrMo曲軸磁痕分析(摘要)[A];2010全國機電企業(yè)工藝年會《上海電氣杯》征文論文集[C];2010年

5 嚴大衛(wèi);陳罕新;劉連仲;;白點的磁痕特征[A];2006年西南地區(qū)第九屆NDT學術年會暨2006年全國射線檢測新技術研討會論文集[C];2006年

相關重要報紙文章 前2條

1 燕銘;燎原攻克300M鋼磁痕顯示難題[N];中國航空報;2004年

2 喬兵;汽車曲軸表面磁痕的形成原因[N];世界金屬導報;2011年

相關碩士學位論文 前4條

1 朱美玲;鍛鋼曲軸磁痕形成機理研究[D];河南科技大學;2015年

2 陳林宇;基于磁痕圖像的無損探傷關鍵技術研究[D];西南科技大學;2017年

3 張光華;相位角120°鍛造曲軸探傷磁痕產生機理及減輕方法[D];重慶大學;2011年

4 張浩鑫;42CrMo機車零件焊接修復及其磁痕分析[D];蘭州理工大學;2011年

，

本文編號：1494791