本文關鍵詞：基于機器視覺的汽車油泵支撐桿尺寸實時檢測系統(tǒng)　出處：《浙江大學》2017年碩士論文　論文類型：學位論文

  更多相關文章： 機器視覺 汽車油泵支撐桿 實時檢測 圖像清晰度評價 尺寸測量

【摘要】：汽車零部件質(zhì)量對汽車整體性能有著重要影響。汽車零部件在生產(chǎn)加工完成后,需要對其質(zhì)量進行檢測。傳統(tǒng)對零部件質(zhì)量的檢測主要是通過人工或者輔助某種機器完成的。受限于人本身狀況的限制,檢測精度不高,同時無法實現(xiàn)大規(guī)模的自動化生產(chǎn)。伴隨著這種需求,機器視覺技術被引入到汽車零部件檢測中。機器視覺檢測技術通過工業(yè)相機采集目標物件的圖像,用圖像處理軟件對其處理得到檢測結(jié)果,并由控制器采取相應的執(zhí)行操作。該技術具有非接觸、實時、精度高、便于自動化管理的特點。針對汽車油泵支撐桿這一汽車零部件的檢測,我們提出了用機器視覺技術來代替原來傳統(tǒng)的人工檢測。本文從系統(tǒng)的軟硬件架構設計、圖像清晰度評價、基于亞像素的支撐桿幾何尺寸測量、以及分揀控制設備等方面進行研究,完成了完整的支撐桿的實時檢測系統(tǒng)。系統(tǒng)結(jié)構采用特殊的光源單元模塊和圖像采集模塊,組成機器視覺系統(tǒng)。同時,提出了無參考圖像清晰度評價算法NRFSIM(No-Reference Feature Similarity)。由于實時檢測系統(tǒng)的機械震動以及支撐桿的相對運動導致了成像的模糊,嚴重影響了后續(xù)測量。依據(jù)二次模糊圖像清晰度檢測原理,本文將有參考的圖像質(zhì)量評價算法 FSIM(Feature Similarity Index for Image Quality Assessment)應用到無參考圖像清晰度評價算法,提出了 NRFSIM算法。該算法在多場景圖像和該系統(tǒng)支撐桿圖像清晰度判斷上的算法性能遠優(yōu)于基于圖像梯度的清晰度評價算法。提出了基于亞像素的支撐桿尺寸測量算法。采用基于擬合法的亞像素邊緣檢測算法進行圖像邊緣檢測,在支撐桿尺寸的測量中研究了以直線平移測距算法和以點測距算法,通過實驗驗證表明以點測距算法在該檢測系統(tǒng)使用中精度更高。進一步研究了在該系統(tǒng)下的相機標定方法,并開發(fā)了支撐桿尺寸實時檢測系統(tǒng),已投入到實時生產(chǎn)質(zhì)量檢測中,實驗驗證該系統(tǒng)具有足夠的重復精度和檢測精度。本文提出的算法以及設計的系統(tǒng)方案,不僅僅用于當前的實時檢測系統(tǒng),也可以推廣到其他領域中使用。
[Abstract]:The quality of automobile parts has an important influence on the whole performance of automobile . The quality of automobile parts needs to be tested after the production process is finished . The traditional inspection of parts quality is carried out by means of manual or auxiliary machinery . The technology has the characteristics of non - contact , real - time , high precision and convenient automation . Based on the principle of image sharpness detection of secondary fuzzy image , the algorithm of image quality assessment ( FSIM ) with reference image quality evaluation is applied to non - reference image sharpness evaluation algorithm .

【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：U466;TP391.41

【參考文獻】

相關期刊論文 前10條

1 楊迪威;余紹權;;利用相位一致性的圖像質(zhì)量評價方法[J];計算機工程與應用;2015年02期

2 洪裕珍;任國強;孫健;;離焦模糊圖像清晰度評價函數(shù)的分析與改進[J];光學精密工程;2014年12期

3 咸兆勇;甘金明;玉振明;李陶深;;一種基于相關性和局部標準差的圖像失焦模糊區(qū)域檢測方法[J];計算機應用與軟件;2014年09期

4 李鴻林;張琦;楊大偉;;無參考模糊圖像質(zhì)量評價改進算法[J];計算機應用;2014年03期

5 桑慶兵;齊會新;吳小俊;李朝鋒;;基于DCT系數(shù)無參考模糊圖像質(zhì)量評價方法[J];儀器儀表學報;2013年11期

6 南棟;畢篤彥;查宇飛;張澤;李權合;;基于參數(shù)估計的無參考型圖像質(zhì)量評價算法[J];電子與信息學報;2013年09期

7 張紅霞;;國內(nèi)外工業(yè)機器人發(fā)展現(xiàn)狀與趨勢研究[J];電子世界;2013年12期

8 樂翔;程建;李民;;一種改進的基于Radon變換的運動模糊圖像參數(shù)估計方法[J];紅外與激光工程;2011年05期

9 申勤;;數(shù)字圖像清晰度評價函數(shù)的研究與改進[J];微型機與應用;2011年01期

10 尚雅層;陳靜;田軍委;;高斯擬合亞像素邊緣檢測算法[J];計算機應用;2011年01期

相關博士學位論文 前5條

1 張濤;無參考圖像模糊度評價方法研究[D];大連海事大學;2015年

2 王偉;基于單幅圖像的模糊去除及質(zhì)量評價研究[D];中國科學技術大學;2014年

3 吳金建;基于人類視覺系統(tǒng)的圖像信息感知和圖像質(zhì)量評價[D];西安電子科技大學;2014年

4 周文舉;基于機器視覺的在線高速檢測與精確控制研究及應用[D];上海大學;2014年

5 張樺;基于視覺感知的圖像質(zhì)量評價方法研究[D];浙江大學;2009年

相關碩士學位論文 前6條

1 陳建可;基于機器視覺的實時輪轂智能識別系統(tǒng)的研究[D];太原科技大學;2014年

2 于夢竹;基于亞像素邊緣檢測的圖像放大算法研究與實現(xiàn)[D];哈爾濱工程大學;2013年

3 歐陽志熙;基于視覺測量的工件尺寸快速檢測技術[D];重慶大學;2012年

4 厲曉飛;基于機器視覺的汽車零件缺陷檢測技術研究[D];武漢理工大學;2012年

5 盧逢婷;基于HVS的圖像質(zhì)量評價研究[D];南京理工大學;2012年

6 賈平;基于多任務學習的圖像超分辨率重建方法研究[D];湖南大學;2009年

，

本文編號：1413126