發(fā)布時間：2020-12-05 21:23

　　近年來,機器視覺技術發(fā)展迅速,在自動化工業(yè)生產中發(fā)揮了極其重要的作用。機器視覺識別技術是通過對圖像進行數字化處理,得到可以用于識別的圖像,經過不同的識別方法對圖像進行識別,代替人工完成識別任務。針對差速器殼體的混線生產系統(tǒng)中的型號多樣化問題,為此,本課題提出了基于機器視覺的差速器殼體識別技術研究,對不同型號的差速器殼體進行識別。首先,根據具體要求設計了差速器殼體視覺識別系統(tǒng)的總體方案,對視覺系統(tǒng)的主要硬件進行了設計和選型,完成了差速器殼體視覺識別硬件實驗平臺的搭建。其次,研究了圖像處理技術,針對差速器殼體的彩色圖像進行了灰度化處理、對比度增強、圖像濾波、二值化和邊緣檢測處理等操作,分析了各種方法的基本原理和實際效果,確定了圖像濾波和邊緣檢測的具體實現方法。再次,分析了圖像特征,研究了 Hu不變矩和Zernike矩兩種圖像形狀特征提取算法,并對Zernike矩進行了算法改進,減少了計算量,縮短了 CPU運行時間,提高了 Zernike矩的特征提取速度。最后,研究了神經網絡,針對BP算法在實際應用中出現的問題,本文提出了一種組合優(yōu)化方法改進BP算法。設計了神經網絡模型結構并進行訓練和測試實... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：72 頁

【學位級別】：碩士

【部分圖文】：

圖２－１視覺識別系統(tǒng)整體流程??

第２章差速器殼體識別系統(tǒng)設計??ｓ＾ａｊＯＢｔｅｌ??圖?２－２?Ｐｒｏｓｉｌｉｃａ?－ＧＣ１２９０?相機??Ｐｒ〇Ｓｉｌｉｃａ－ＧＣ１２９０性能優(yōu)越，廣泛應用于工業(yè)機器視覺領域，例如：工業(yè)檢??測、字符識別、半導體檢測、智能交通等等。??２．２．２圖像采集卡選型??圖像采集卡對圖像信息進行模數Ａ／Ｄ轉換，把電信號轉換為離散的數字信??號。圖像采集卡應能夠穩(wěn)定接受信息、存儲數據和高效傳輸數據，在選型時要考??慮以下幾點：??（１）信號濾波和放大、信號處理速度以及穩(wěn)定性；??（２）輸入輸出接口，要選擇與工業(yè)相機相匹配的通訊接口；??（３）信號接收和傳輸性能。??本實驗平臺選用了維視ＭＶ－８１０型號圖像采集卡，如圖２－３所示。ＭＶ－８１０采??集的圖像通過ＰＣＩ總線傳輸，采用ＰＡＬ、ＮＴＳＣ制式采集標準，采集接口具有兩??路復合視頻信號，采集速率為２５幀／秒，支持Ｗｉｎｄｏｗｓ系統(tǒng)和多種驅動，具備完??善的二次開發(fā)功能。??＼??圖２－３ＭＶ－８１０圖像采集卡??９??

山東大學碩士學位論文??２．２．３光學鏡頭選型??光學鏡頭是機器視覺中的重要部件之一，它和工業(yè)相機組合搭配使用，利用??成像原理將物體反射的光學信息投射給相機拍照。光學鏡頭對圖像的質量也有很??大的影響。在計算機處理圖像時，由于物體的細節(jié)在拍攝時沒有被很好的成像，??造成圖像信息缺失，所以選擇合適焦距的光學鏡頭。通常而言，鏡頭的最小工作??距離和焦距相關，兩者成正比例關系，它會隨著焦距的増大而增大。但是，隨著??焦距的增大，鏡頭的視角反而會逐漸減小，進而使得成像越小，得到模糊的圖像。??任何鏡頭都無法避免畸變，畸變是鏡頭中存在的透視變形和失真現象，它與焦距??相關，兩者成反比例關系。在進行光學鏡頭的選型時，除了考慮焦距外，還要綜??合分辨率、視角、工作距離和景深等因素的影響，同時也要注意接口是否和相機??匹配問。??本實驗平臺的光學鏡頭選用了日本Ｃｏｍｐｕｔａｒ公司的Ｍ３Ｚ１２２８Ｃ－ＭＰ工業(yè)鏡??頭，如圖２－４所示。其主要參數為：焦距范圍１２－３６ｍｍ，廣角光圈范圍為２．８－１６Ｃ，??成像圈規(guī)格為２／３＂。鏡頭接口與Ｐｒｏｓｉｌｉｃａ?－ＧＣ１２９０工業(yè)相機接口匹配。??賺??圖２－４Ｍ３Ｚ１２２８Ｃ－ＭＰ工業(yè)鏡頭??２．２．４光源及照明方式??工業(yè)現場的復雜環(huán)境對光的影響較大，因此機器視覺識別系統(tǒng)對光源選擇以??及照明方式的要求是比較嚴格的。良好的光源和合理的照明方式配合一方面保證??了整體亮度的穩(wěn)定性和均勻性，使物體處于不同位置時的成像質量不受影響；另??一方面可以突出物體的具體特征，增強特征和背景的對比度，降低識別難度。??１０??

【參考文獻】：
期刊論文
[1]圖像識別技術在車輛識別中的應用[J]. 田飛.  湖北農機化. 2017(06)
[2]基于BP神經網絡的GIS缺陷圖像識別系統(tǒng)的研究[J]. 萬書亭,趙曉迪,肖珊珊,仝玎朔.  電力科學與工程. 2017(11)
[3]基于BP神經網絡的圖像識別方法[J]. 高強.  電子世界. 2017(17)
[4]基于人工神經網絡的圖像識別[J]. 盧雅文.  電子技術與軟件工程. 2016(12)
[5]一種改進的基于最大類間方差的二值化方法[J]. 卜飛宇,祝青,王濤.  電腦知識與技術. 2015(05)
[6]基于神經網絡的圖像識別系統(tǒng)的研究[J]. 李承昊,蔡晨陽,李銳.  科技傳播. 2015(21)
[7]基于Prewitt理論的自適應邊緣檢測算法[J]. 康牧,許慶功.  計算機應用研究. 2009(06)
[8]圖像處理中濾波器及邊緣檢測算法的實驗與研究[J]. 李彩花,胡曉平,李亞芹.  機電工程技術. 2008(09)
[9]機器視覺及其應用(系列講座) 第四講 機器視覺系統(tǒng)集成技術[J]. 葛云濤.  應用光學. 2007(02)
[10]機器視覺測量系統(tǒng)在工業(yè)在線檢測中的應用[J]. 席斌,錢峰.  工業(yè)控制計算機. 2005(11)

博士論文
[1]面向精密制造與檢測的機器視覺及智能算法研究[D]. 葛動元.華南理工大學 2013
[2]圖像局部不變特征提取技術及其應用研究[D]. 劉景能.上海交通大學 2012
[3]形狀識別與圖像分割方法研究[D]. 陳運文.復旦大學 2008

碩士論文
[1]基于機器視覺的工業(yè)機器人搬運目標識別及定位技術研究[D]. 張彬.內蒙古大學 2019
[2]工業(yè)工件復雜表面的字符識別方法研究[D]. 段西利.西安理工大學 2019
[3]基于單圖像的三維幾何特征識別方法的研究與應用[D]. 苗繪翠.山東師范大學 2019
[4]基于Faster R-CNN目標檢測的機器人抓取系統(tǒng)研究[D]. 張亞輝.中國科學院大學(中國科學院深圳先進技術研究院) 2019
[5]基于機器視覺的發(fā)動機缸體分揀與識別系統(tǒng)研究[D]. 周虹.吉林大學 2019
[6]圖像邊緣檢測及模式識別技術研究[D]. 呂彥誠.哈爾濱工業(yè)大學 2019
[7]基于神經網絡和模糊推理的VGI數據質量評價研究[D]. 魏勁如.長安大學 2019
[8]基于機器視覺的目標識別與定位系統(tǒng)設計[D]. 徐洪.西南科技大學 2019
[9]基于機器視覺的帶孔工件識別與檢測技術研究[D]. 周文霞.合肥工業(yè)大學 2019
[10]基于機器視覺的螺釘定位與識別研究[D]. 李響.西南交通大學 2019



本文編號：2900115