發(fā)布時間：2023-04-02 10:56

　　連續(xù)壓機(jī)刨花板生產(chǎn)線是目前最為先進(jìn)的刨花板生產(chǎn)設(shè)備,但由于原料、生產(chǎn)工藝等原因,會有一些產(chǎn)品板面出現(xiàn)大刨花、膠斑、油污、松軟和漏砂等缺陷。表面缺陷會降低板材強(qiáng)度、影響二次加工,給企業(yè)帶來經(jīng)濟(jì)損失。國內(nèi)企業(yè)目前都是依靠人工肉眼檢測缺陷,工人長時間工作極易產(chǎn)生視覺疲勞,導(dǎo)致漏檢率和誤檢率較高。目前,國內(nèi)外對板面缺陷自動檢測的研究主要集中在木材、旋切單板和膠合板,尚無成熟的刨花板表面缺陷檢測系統(tǒng)投入生產(chǎn)。因此研發(fā)刨花板表面缺陷在線檢測系統(tǒng)成為了我國刨花板生產(chǎn)行業(yè)的迫切需求。本文將機(jī)器視覺技術(shù)應(yīng)用于刨花板表面缺陷檢測,設(shè)計、開發(fā)在線缺陷檢測算法,實現(xiàn)了檢測區(qū)域自動獲取、板面圖像校正、缺陷區(qū)域快速定位、缺陷分割以及缺陷類型識別。將系統(tǒng)在企業(yè)連續(xù)壓機(jī)生產(chǎn)線上進(jìn)行了搭建實施,實現(xiàn)了大刨花、膠斑、油污、松軟和漏砂五種常見板面缺陷在線檢測。論文主要的研究內(nèi)容與結(jié)論如下:(1)設(shè)計并搭建刨花板表面缺陷在線檢測系統(tǒng)硬件平臺,對設(shè)備進(jìn)行選型,設(shè)計、實現(xiàn)系統(tǒng)的控制流程。(2)實現(xiàn)板面檢測區(qū)域自動獲取和圖像校正。提出基于圖像梯度矩陣的自適應(yīng)閾值邊緣檢測算法,利用圖像梯度矩陣和比例系數(shù)自適應(yīng)確定邊緣的梯度閾值,解決...

【文章頁數(shù)】：150 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 國內(nèi)外相關(guān)產(chǎn)品表面缺陷檢測的主要方法
    1.3 基于機(jī)器視覺的板材表面缺陷檢測研究現(xiàn)狀
        1.3.1 檢測算法研究
        1.3.2 現(xiàn)有算法應(yīng)用情況
        1.3.3 存在問題
    1.4 機(jī)器視覺應(yīng)用于刨花板表面缺陷在線檢測所面臨的技術(shù)瓶頸
    1.5 研究目的與意義
    1.6 研究主要內(nèi)容和技術(shù)路線
第二章 缺陷檢測系統(tǒng)硬件平臺設(shè)計
    2.1 光源
        2.1.1 光源要求
        2.1.2 光源設(shè)備選擇
        2.1.3 LED陣列光源的構(gòu)建
    2.2 工業(yè)相機(jī)選型
        2.2.1 相機(jī)接口
        2.2.2 JAI SP-5000-USB3.0 工業(yè)相機(jī)
    2.3 檢測精度計算
    2.4 檢測控制系統(tǒng)
    2.5 本章小結(jié)
第三章 板面區(qū)域自動獲取與校正
    3.1 徑向畸變的校正方法
        3.1.1 產(chǎn)生畸變的原因
        3.1.2 徑向畸變校正原理
        3.1.3 相機(jī)畸變校正
    3.2 板面傾斜校正
        3.2.1 傾斜校正方法綜述
        3.2.2 圖像梯度矩陣自適應(yīng)閾值邊緣檢測算法
        3.2.3 Hough變換與傾斜角度計算
    3.3 基于邊界線的板面區(qū)域提取
    3.4 板面區(qū)域光照不均校正
        3.4.1 光照不均校正方法綜述
        3.4.2 基于伽馬變換和圖像差分的光照不均校正法
        3.4.3 與其他方法對比
    3.5 本章小結(jié)
第四章 刨花板表面缺陷在線檢測算法
    4.1 基于灰度均值分類器和方差分類器的板面缺陷區(qū)域快速定位
        4.1.1 建立灰度均值分類器
        4.1.2 建立灰度方差分類器
        4.1.3 缺陷區(qū)域定位結(jié)果
        4.1.4 基于行連通算法的缺陷區(qū)域提取
    4.2 自適應(yīng)快速多閾值分割算法
        4.2.1 最佳多閾值的位置分析
        4.2.2 灰度直方圖主要波峰確定
        4.2.3 最佳多閾值的快速搜索
        4.2.4 算法程序?qū)崿F(xiàn)
        4.2.5 實驗結(jié)果
    4.3 基于面積限定的小區(qū)域去除及孔洞填充
    4.4 在線檢測算法檢測結(jié)果
    4.5 本章小結(jié)
第五章 板面缺陷類型識別
    5.1 刨花板缺陷隨機(jī)森林分類器構(gòu)建
        5.1.1 缺陷形狀和紋理特征提取
        5.1.2 隨機(jī)森林分類器模型構(gòu)建
        5.1.3 刨花板缺陷隨機(jī)森林分類器分類效果
    5.2 基于卷積神經(jīng)網(wǎng)絡(luò)的缺陷識別
        5.2.1 CNN基礎(chǔ)理論
        5.2.2 CNN刨花板表面缺陷分類器構(gòu)建
        5.2.3 解決CNN刨花板表面缺陷分類器過擬合問題
        5.2.4 CNN的訓(xùn)練和測試
    5.3 本章小結(jié)
第六章 系統(tǒng)實施應(yīng)用
    6.1 系統(tǒng)硬件平臺搭建
    6.2 人機(jī)交互界面
    6.3 應(yīng)用結(jié)果
        6.3.1 檢測時間
        6.3.2 檢測結(jié)果
    6.4 本章小結(jié)
第七章 結(jié)論與討論
    7.1 結(jié)論
    7.2 創(chuàng)新點(diǎn)
    7.3 討論
參考文獻(xiàn)
在讀期間的學(xué)術(shù)研究
致謝



本文編號：3779102