近幾年機器視覺技術(shù)是眾多領(lǐng)域研究的熱點,隨著機器視覺技術(shù)的發(fā)展,視覺檢測技術(shù)憑著非接觸、精度高、速度快的優(yōu)點在許多領(lǐng)域中得到普遍應(yīng)用,特別是產(chǎn)品缺陷檢測和產(chǎn)品尺寸檢測領(lǐng)域。零件的質(zhì)檢是零件加工完成后需要進(jìn)行的重要環(huán)節(jié),而螺栓表面的螺紋缺陷和氣門關(guān)鍵部位的尺寸檢測在目前大都仍采用目檢的形式或傳統(tǒng)檢具對其進(jìn)行質(zhì)量檢測,導(dǎo)致檢測效率低,精度也低。本文深入研究圖像處理技術(shù),搭建了基于機器視覺的檢測系統(tǒng),從硬件選型、相機標(biāo)定和圖像處理等方面研究,將螺栓和氣門作為本文的研究對象,對螺栓表面的螺紋缺陷和氣門關(guān)鍵部位的幾何尺寸進(jìn)行檢測,達(dá)到了實際所需的檢測要求。針對螺栓表面的螺紋缺陷的檢測,主要研究螺紋紋理的特征參數(shù),以此建立判斷依據(jù)檢測螺栓表面的螺紋是否合格。針對螺紋的三種狀態(tài)(正常、卷紋和劃傷),用已確定的相機參數(shù)對螺紋圖像進(jìn)行畸變校正,采用灰度變換和中值濾波處理螺紋圖像,采用灰度梯度共生矩陣的方法對螺紋紋理提取15個特征參數(shù)值,利用層次R型聚類分析法挑選典型特征參數(shù)值,基于典型特征參數(shù)建立貝葉斯判別函數(shù)和設(shè)計BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)這兩種方法檢測螺栓表面的螺紋缺陷。兩種方法的檢測成功率都達(dá)到92%以上,滿足了實際檢測需求。根據(jù)實際情況,設(shè)計的BP神經(jīng)網(wǎng)絡(luò)更容易實現(xiàn)。針對氣門幾何參數(shù)檢測,主要研究氣門關(guān)鍵部位的尺寸:氣門總長、桿徑、槽徑、盤徑和錐角的測量。用已確定的工業(yè)相機參數(shù)進(jìn)行氣門圖像畸變校正,同時完成測量系統(tǒng)的標(biāo)定。并對氣門圖像進(jìn)行圖像濾波、增強和二值化等預(yù)處理,采用基于模糊算子進(jìn)行圖像增強,采用OTSU法進(jìn)行二值化,采用坎尼算子對氣門圖像進(jìn)行邊緣粗檢測,采用二項式插值改進(jìn)的亞像素邊緣檢測完成圖像邊緣精定位,最后結(jié)合最小二乘法直線擬合和最小二乘法圓擬合完成了氣門總長、氣門桿徑、氣門盤徑、氣門槽徑和氣門錐角的檢測。實驗證明本文提出的方法能夠完成氣門關(guān)鍵部位的尺寸檢測的需求。
【學(xué)位單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：TH16;TP391.41
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景、意義及來源
    1.2 視覺檢測技術(shù)國內(nèi)外研究現(xiàn)狀
    1.3 圖像處理技術(shù)的現(xiàn)狀和發(fā)展趨勢
    1.4 本文研究的主要內(nèi)容與章節(jié)安排
第二章 視覺檢測系統(tǒng)的設(shè)計與分析
    2.1 視覺檢測組成和工作流程
    2.2 相機的分析與選擇
    2.3 鏡頭的分析與確定
    2.4 光源和照明方式的分析與選擇
    2.5 運動裝置的設(shè)計
    2.6 程序設(shè)計軟件
    2.7 零部件質(zhì)量檢測的總體方案設(shè)計
    2.8 本章小結(jié)
第三章 檢測系統(tǒng)的相機標(biāo)定
    3.1 機器視覺的相機標(biāo)定技術(shù)
        3.1.1 相機的成像原理
        3.1.2 相機的參數(shù)標(biāo)定
        3.1.3 鏡頭的畸變
        3.1.4 相機標(biāo)定概述
    3.2 本文檢測的相機標(biāo)定技術(shù)
        3.2.1 標(biāo)定原理與設(shè)計
        3.2.2 標(biāo)定的流程
        3.2.3 幾何畸變圖像校正
    3.3 本章小結(jié)
第四章 螺栓表面的螺紋缺陷檢測
    4.1 表面質(zhì)量分析
    4.2 圖像的預(yù)處理
        4.2.1 圖像的灰度變換
        4.2.2 圖像的去噪
    4.3 基于紋理分析的特征提取
        4.3.1 紋理的分析方法
        4.3.2 灰度梯度共生矩陣及測試設(shè)計
        4.3.3 基于層次聚類特征參數(shù)的確定
        4.3.4 基于貝葉斯判別的缺陷檢測
        4.3.5 基于BP神經(jīng)網(wǎng)絡(luò)的缺陷檢測
    4.4 本章小結(jié)
第五章 氣門關(guān)鍵部位的幾何尺寸檢測
    5.1 幾何參數(shù)分析
    5.2 測量系統(tǒng)的標(biāo)定
    5.3 圖像的預(yù)處理
        5.3.1 基于模糊增強算子的圖像增強
        5.3.2 圖像二值化
    5.4 圖像邊緣特征提取
        5.4.1 邊緣算法的分析
        5.4.2 各種邊緣算子的比較
        5.4.3 亞像素的定位分析
        5.4.4 邊緣算法的確定
        5.4.5 結(jié)果及試驗分析
    5.5 長度的測量
    5.6 直徑的測量
        5.6.1 外徑的測量
        5.6.2 孔徑的測量
    5.7 角度的測量
    5.8 誤差分析
    5.9 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝
在校期間發(fā)表的學(xué)術(shù)論文
附錄（部分主要程序）

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 路長偉;;圖像傳感器的規(guī)格與鏡頭焦距轉(zhuǎn)換系數(shù)[J];科技視界;2016年27期

2 宦小玉;沈?qū)殗?史銀花;;基于機器視覺的鉗工零件角度檢測系統(tǒng)[J];現(xiàn)代制造技術(shù)與裝備;2016年09期

3 韓偉聰;鮑光海;;基于機器視覺的竹材尺寸測量系統(tǒng)設(shè)計[J];中國測試;2016年07期

4 尚會超;楊銳;段夢珍;段曉偉;張洪斌;;機器視覺照明系統(tǒng)的關(guān)鍵技術(shù)分析[J];中原工學(xué)院學(xué)報;2016年03期

5 肖劍雄峰;趙漢理;吳承文;;局部對比度增強的彩色圖像灰度化參數(shù)化算法[J];計算機時代;2016年03期

6 姚英彪;李曉娟;;基于圖像空間相關(guān)性與紋理的HEVC塊劃分快速算法[J];電信科學(xué);2015年01期

7 李聰;易堯華;蘇海;袁媛;;印版網(wǎng)點參數(shù)測量方法研究[J];中國印刷與包裝研究;2014年06期

8 李燕;;汽車檢具技術(shù)[J];汽車與配件;2014年45期

9 侯遠(yuǎn)韶;;機器視覺系統(tǒng)中光源的選擇[J];洛陽師范學(xué)院學(xué)報;2014年08期

10 魏海;楊華舒;蘇志敏;桂躍;董夢思;;前饋神經(jīng)網(wǎng)絡(luò)導(dǎo)數(shù)特性分析[J];計算機工程;2014年07期

相關(guān)博士學(xué)位論文 前4條

1 張小波;基于維納濾波的圖像去噪算法研究[D];西安電子科技大學(xué);2014年

2 賈靜;多相機系統(tǒng)中若干視覺幾何問題的研究[D];西安電子科技大學(xué);2013年

3 趙明璽;基于波形特征提取與支持向量機分類的顱內(nèi)壓增高預(yù)測研究[D];重慶大學(xué);2012年

4 卞曉東;基于機器視覺的車輛幾何尺寸測量系統(tǒng)研究[D];東南大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 徐家祥;電連接器殼體零件多尺寸精密測量系統(tǒng)[D];江蘇大學(xué);2016年

2 崔明;基于機器視覺的汽車安全帶表面缺陷檢測算法研究[D];中國礦業(yè)大學(xué);2016年

3 王路路;基于機器視覺的汽車負(fù)極電瓶栓在線檢測平臺設(shè)計[D];江蘇大學(xué);2016年

4 孫鵬;相機標(biāo)定方法的研究[D];東北石油大學(xué);2016年

5 張正劉;基于機器視覺的復(fù)雜零件檢測及相關(guān)關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2016年

6 謝世斌;基于機器視覺的玻璃表面質(zhì)量檢測若干技術(shù)問題的研究[D];浙江大學(xué);2016年

7 崔雯雯;基于圖像處理的大米品質(zhì)檢測系統(tǒng)研究[D];吉林大學(xué);2015年

8 張華軍;基于圖像處理的齒輪測量系統(tǒng)的研究[D];重慶大學(xué);2015年

9 李春;基于機器視覺的焊接工件識別與焊接軌跡校正方法研究[D];華南理工大學(xué);2015年

10 孟浩;基于CCD的非接觸零件尺寸檢測方法的研究與應(yīng)用[D];南京信息工程大學(xué);2014年

本文編號：2832455