隨著機(jī)器人技術(shù)的發(fā)展和成熟,汽車制造業(yè)成為工業(yè)機(jī)器人的主要應(yīng)用領(lǐng)域之一。玻璃涂膠作為汽車生產(chǎn)的重要流程之一,膠條的好壞直接決定著汽車的質(zhì)量和乘客的乘車體驗(yàn)。本文針對(duì)傳統(tǒng)人工膠條檢測(cè)精度不高和視覺離線檢測(cè)效率比較低等缺點(diǎn),提出了一種基于機(jī)器視覺的汽車玻璃涂膠質(zhì)量檢測(cè)方法,以解決汽車涂膠過程中漏涂、膠線過窄或過寬等問題,實(shí)現(xiàn)生產(chǎn)的智能化。本文完成的主要工作如下:首先,本文根據(jù)實(shí)際需求確定了涂膠檢測(cè)系統(tǒng)的整體設(shè)計(jì)方案,根據(jù)技術(shù)指標(biāo)確定了涂膠檢測(cè)系統(tǒng)中各裝置和設(shè)備的選型,構(gòu)建了基于機(jī)器視覺的汽車玻璃涂膠質(zhì)量檢測(cè)系統(tǒng)硬件平臺(tái)。其次,針對(duì)生產(chǎn)環(huán)境中采集的膠條圖像設(shè)計(jì)了一類圖像處理算法。根據(jù)膠條所處的環(huán)境和位置,采用中值濾波進(jìn)行圖像平滑、迭代法進(jìn)行閾值分割;根據(jù)系統(tǒng)精度和實(shí)時(shí)性的要求,基于插值亞像素邊緣檢測(cè)算法獲取圖像的輪廓,利用Ramer輪廓分割算法獲取膠條的輪廓,提出基于最小二乘原理的膠條截面直徑測(cè)量方法。然后,針對(duì)在實(shí)際檢測(cè)中涂膠軌跡無法給出任意一點(diǎn)處相機(jī)標(biāo)定結(jié)果數(shù)據(jù)的問題,提出了一種基于WT-OSELM算法的標(biāo)定結(jié)果數(shù)據(jù)庫模型。該模型能夠克服BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練速度較慢、ELM神經(jīng)網(wǎng)絡(luò)模型無... 

【文章來源】：長春工業(yè)大學(xué)吉林省

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 視覺檢測(cè)技術(shù)研究現(xiàn)狀
        1.2.2 涂膠檢測(cè)技術(shù)研究現(xiàn)狀
    1.3 論文研究內(nèi)容及章節(jié)安排
第2章 視覺涂膠檢測(cè)系統(tǒng)設(shè)計(jì)
    2.1 檢測(cè)系統(tǒng)的構(gòu)成及工作原理
    2.2 涂膠檢測(cè)硬件系統(tǒng)設(shè)計(jì)
        2.2.1 照明方案與光源確定
        2.2.2 工業(yè)相機(jī)方案選擇
        2.2.3 相機(jī)鏡頭的選擇
    2.3 軟件系統(tǒng)總體方案設(shè)計(jì)
    2.4 本章小結(jié)
第3章 涂膠檢測(cè)系統(tǒng)圖像處理算法研究
    3.1 感興趣區(qū)域提取方法研究
    3.2 圖像濾波算法研究
        3.2.1 均值濾波算法
        3.2.2 中值濾波算法
        3.2.3 高斯濾波算法
        3.2.4 涂膠檢測(cè)系統(tǒng)濾波算法確定
    3.3 圖像分割算法研究
        3.3.1 直方圖雙峰法
        3.3.2 迭代選擇閾值法
        3.3.3 最大類間方差法
        3.3.4 涂膠檢測(cè)系統(tǒng)閾值分割算法確定
    3.4 邊緣檢測(cè)算法研究
        3.4.1 像素級(jí)邊緣檢測(cè)算法
        3.4.2 涂膠檢測(cè)系統(tǒng)像素級(jí)邊緣檢測(cè)算法確定
        3.4.3 亞像素級(jí)邊緣檢測(cè)算法
    3.5 基于Ramer算法的輪廓分割算法
    3.6 基于最小二乘法的膠條截面直徑測(cè)量方法研究
    3.7 本章小結(jié)
第4章 基于WT-OSELM的涂膠檢測(cè)預(yù)測(cè)模型建立
    4.1 BP神經(jīng)網(wǎng)絡(luò)
        4.1.1 BP神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論研究
        4.1.2 BP神經(jīng)網(wǎng)絡(luò)建模方法
    4.2 極限學(xué)習(xí)機(jī)算法研究
    4.3 序貫極限學(xué)習(xí)機(jī)算法研究
    4.4 WT-OSELM算法研究
        4.4.1 WT-OSELM相關(guān)理論
        4.4.2 WT-OSELM建模方法研究
    4.5 基于WT-OSELM的標(biāo)定結(jié)果數(shù)據(jù)庫模型建立
        4.5.1 WT-OSELM數(shù)據(jù)庫模型建立步驟
        4.5.2 WT-OSELM數(shù)據(jù)庫模型實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
第5章 涂膠質(zhì)量檢測(cè)實(shí)驗(yàn)與結(jié)果分析
    5.1 涂膠檢測(cè)系統(tǒng)標(biāo)定分析
        5.1.1 相機(jī)成像原理
        5.1.2 基于標(biāo)定物的相機(jī)標(biāo)定分析
        5.1.3 基于WT-OSELM的標(biāo)定結(jié)果數(shù)據(jù)庫實(shí)驗(yàn)與分析
    5.2 涂膠檢測(cè)系統(tǒng)標(biāo)定結(jié)果數(shù)據(jù)庫模型實(shí)驗(yàn)驗(yàn)證
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 工作展望
致謝
參考文獻(xiàn)
作者簡介
攻讀碩士學(xué)位期間研究成果


【參考文獻(xiàn)】：
期刊論文
[1]無人機(jī)航測(cè)技術(shù)在入海排污口排查中的應(yīng)用[J]. 張?jiān)?  測(cè)繪通報(bào). 2020(01)
[2]基于機(jī)器視覺的玉米幼苗葉面積檢測(cè)裝置設(shè)計(jì)及試驗(yàn)[J]. 付豪,萬鵬,施家偉,楊萬能.  華中農(nóng)業(yè)大學(xué)學(xué)報(bào). 2020(01)
[3]一種基于機(jī)器視覺的石材缺陷檢測(cè)方法[J]. 鄧擁軍,周向.  機(jī)械設(shè)計(jì)與制造. 2019(12)
[4]基于機(jī)器視覺的焊縫表面下塌缺陷實(shí)時(shí)檢測(cè)系統(tǒng)[J]. 李尚仁,王春明,米高陽.  焊接技術(shù). 2019(11)
[5]一種基于雙邊濾波算法的涂膠軌跡檢測(cè)[J]. 任春明.  工業(yè)控制計(jì)算機(jī). 2019(11)
[6]基于雙目立體視覺的小型工件測(cè)量系統(tǒng)[J]. 趙琛,江衛(wèi)華.  自動(dòng)化與儀表. 2019(11)
[7]基于3D視覺的線結(jié)構(gòu)光測(cè)量算法[J]. 陳狀,胡永祥,郝晗.  現(xiàn)代信息科技. 2019(22)
[8]機(jī)器視覺側(cè)圍涂膠檢測(cè)系統(tǒng)的設(shè)計(jì)與研究[J]. 胡莊穩(wěn),陸華才,高文根.  安徽工程大學(xué)學(xué)報(bào). 2019(05)
[9]基于機(jī)器視覺的照明光源數(shù)據(jù)庫研究與開發(fā)[J]. 逯力紅.  科技創(chuàng)新與應(yīng)用. 2019(26)
[10]3D全視覺技術(shù)在汽車涂膠檢測(cè)中的應(yīng)用[J]. 趙宇龍.  汽車工藝師. 2019(07)

博士論文
[1]基于極限學(xué)習(xí)的系統(tǒng)辨識(shí)方法及應(yīng)用研究[D]. 楊易旻.湖南大學(xué) 2013

碩士論文
[1]基于小波神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)諧波檢測(cè)與去噪[D]. 顧沈麗.南京郵電大學(xué) 2019
[2]基于雙目立體視覺的不規(guī)則物體體積測(cè)量方法研究[D]. 梁樂.西安理工大學(xué) 2019
[3]基于機(jī)器視覺的木板實(shí)時(shí)檢測(cè)算法[D]. 吳佳寧.沈陽工業(yè)大學(xué) 2019
[4]基于機(jī)器視覺的盤類工件檢測(cè)及跟蹤技術(shù)研究[D]. 殷春華.長春工業(yè)大學(xué) 2019
[5]基于圖像處理的車輛焊縫間隙檢測(cè)技術(shù)研究[D]. 韓曉勇.長春理工大學(xué) 2019
[6]基于機(jī)器視覺的針刺機(jī)針板孔位尺寸檢測(cè)技術(shù)研究[D]. 張震.中原工學(xué)院 2018
[7]基于線結(jié)構(gòu)光的機(jī)器人三維涂膠檢測(cè)技術(shù)研究[D]. 楊瑞鵬.天津工業(yè)大學(xué) 2018
[8]基于視覺的涂膠檢測(cè)技術(shù)研究[D]. 馬瀟.天津工業(yè)大學(xué) 2018
[9]基于機(jī)器視覺的珍珠形狀自動(dòng)分揀系統(tǒng)的研究與實(shí)現(xiàn)[D]. 王毓綜.浙江農(nóng)林大學(xué) 2018
[10]基于改進(jìn)三角測(cè)量法的機(jī)器視覺引導(dǎo)系統(tǒng)[D]. 陳凱蒙.河南大學(xué) 2017



本文編號(hào)：3153676