本文關(guān)鍵詞：基于圖像處理的車(chē)身漆膜缺陷識(shí)別與分類(lèi)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：車(chē)身漆膜對(duì)車(chē)身起到防護(hù)和裝飾的作用。漆膜質(zhì)量的優(yōu)劣影響著顧客對(duì)汽車(chē)質(zhì)量的直觀評(píng)價(jià),直接影響汽車(chē)在銷(xiāo)售市場(chǎng)的競(jìng)爭(zhēng)力。同時(shí),改善漆膜質(zhì)量也是提高車(chē)身耐腐蝕性并延長(zhǎng)使用壽命的主要措施之一。因此,保證車(chē)身漆膜質(zhì)量非常的重要。然而,在實(shí)際涂裝生產(chǎn)中,由于涂裝車(chē)間環(huán)境、油漆質(zhì)量以及涂裝工藝等影響,車(chē)身漆膜會(huì)產(chǎn)生不可避免的缺陷,因此對(duì)車(chē)身漆膜缺陷進(jìn)行檢測(cè)是十分必要的。計(jì)算機(jī)視覺(jué)技術(shù)作為當(dāng)前質(zhì)量檢測(cè)領(lǐng)域的先進(jìn)技術(shù)手段,得到了越來(lái)越多生產(chǎn)企業(yè)的重視。本文利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)車(chē)身漆膜缺陷的識(shí)別與分類(lèi)進(jìn)行研究,目的在于克服傳統(tǒng)人工檢測(cè)手段的不足,研發(fā)實(shí)效的檢測(cè)技術(shù),提高檢測(cè)精度與速度,并滿足在線檢測(cè)需求。本文研究的車(chē)身漆膜缺陷檢測(cè)過(guò)程主要包括:采集圖像、圖像預(yù)處理、獲取漆膜缺陷特征參數(shù)、對(duì)漆膜缺陷進(jìn)行識(shí)別與分類(lèi)。論文建立了車(chē)身漆膜缺陷檢測(cè)總體方案,設(shè)計(jì)開(kāi)發(fā)了相關(guān)檢測(cè)實(shí)驗(yàn)臺(tái)架,并進(jìn)行了樣件檢測(cè)實(shí)驗(yàn)研究。通過(guò)分析光照不均勻性對(duì)圖像質(zhì)量的影響,研究了頂帽變換和底帽變換技術(shù)的應(yīng)用效果,并進(jìn)行了實(shí)驗(yàn)分析;通過(guò)分析常見(jiàn)圖像增強(qiáng)方法的應(yīng)用效果,提出一種基于形態(tài)學(xué)的圖像增強(qiáng)方法,并進(jìn)行了對(duì)比實(shí)驗(yàn);為了改善圖像分割效果,對(duì)原有的基于圖論的圖像分割方法進(jìn)行了改進(jìn),并進(jìn)行了實(shí)驗(yàn)驗(yàn)證;為便于自動(dòng)檢測(cè),基于MATLAB軟件平臺(tái)開(kāi)發(fā)了相應(yīng)的檢測(cè)插件;以常見(jiàn)的六種車(chē)身漆膜缺陷為例,包括起泡、顆粒不良、流掛、針孔、劃痕和橘皮,對(duì)本文研究方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。本文的主要工作如下:1.分析常見(jiàn)車(chē)身漆膜缺陷類(lèi)型及產(chǎn)生原因。提出基于圖像處理的視覺(jué)檢測(cè)方案并確定檢測(cè)實(shí)驗(yàn)臺(tái)的結(jié)構(gòu)布置及材料選擇,為此種檢測(cè)方法的實(shí)際應(yīng)用提供可能。2.分析圖像預(yù)處理的主要步驟,包括圖像剪裁、消除圖像不均勻性、圖像降噪和圖像增強(qiáng),提出一種基于形態(tài)學(xué)的圖像增強(qiáng)方法,并與常見(jiàn)圖像增強(qiáng)方法對(duì)比分析,結(jié)果表明該方法可以進(jìn)一步提高圖像對(duì)比度,具有良好的增強(qiáng)效果。對(duì)原有基于圖論的圖像分割方法進(jìn)行改進(jìn),應(yīng)用效果表明,該方法在避免了過(guò)度分割現(xiàn)象的同時(shí)減少了非閉合曲線的產(chǎn)生。3.確定車(chē)身漆膜缺陷特征參數(shù)。采用主成分分析法(PCA)對(duì)特征參數(shù)進(jìn)行了降維處理,提高了計(jì)算效率。采用支持向量機(jī)原理對(duì)漆膜缺陷進(jìn)行分類(lèi)。確定分類(lèi)器核函數(shù)并采用遺傳算法、粒子群算法以及網(wǎng)格劃分的方法選擇最優(yōu)核函數(shù)參數(shù)。4.設(shè)計(jì)與開(kāi)發(fā)相關(guān)的缺陷檢測(cè)插件,包括MATLAB開(kāi)發(fā)平臺(tái)下的檢測(cè)界面的設(shè)計(jì)。介紹檢測(cè)界面中各功能按鈕的實(shí)現(xiàn)方法。將GUI程序轉(zhuǎn)化為exe的可執(zhí)行文件,提高了已編程命令按鈕程序的適用范圍。5.對(duì)車(chē)身漆膜常見(jiàn)的六種缺陷進(jìn)行了檢測(cè)實(shí)驗(yàn)研究。實(shí)驗(yàn)證明,本文提出的漆膜缺陷的識(shí)別與分類(lèi)方法可以有效的識(shí)別流掛、顆粒不良、橘皮和劃痕等漆膜缺陷。
【關(guān)鍵詞】：漆膜缺陷 圖像處理技術(shù) 圖像增強(qiáng) 圖像分割 支持向量機(jī)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TQ639.8
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-17
• 1.1 汽車(chē)車(chē)身漆膜缺陷檢測(cè)意義11-12
• 1.2 車(chē)身漆膜缺陷檢測(cè)研究現(xiàn)狀12-13
• 1.3 計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展13-14
• 1.4 漆膜缺陷檢測(cè)相關(guān)技術(shù)分析14-15
• 1.5 本文研究?jī)?nèi)容及章節(jié)安排15-17
• 第2章 車(chē)身漆膜缺陷檢測(cè)實(shí)驗(yàn)臺(tái)設(shè)計(jì)17-29
• 2.1 車(chē)身漆膜缺陷的種類(lèi)17-19
• 2.2 車(chē)身漆膜缺陷檢測(cè)方案及實(shí)驗(yàn)臺(tái)設(shè)計(jì)19-20
• 2.3 車(chē)身漆膜缺陷檢測(cè)裝置設(shè)計(jì)20-28
• 2.3.1 檢測(cè)實(shí)驗(yàn)臺(tái)幾何位置及硬件的選擇20-24
• 2.3.2 檢測(cè)實(shí)驗(yàn)臺(tái)結(jié)構(gòu)設(shè)計(jì)24-28
• 2.4 本章小結(jié)28-29
• 第3章 車(chē)身漆膜缺陷檢測(cè)相關(guān)技術(shù)研究29-49
• 3.1 圖像預(yù)處理29-35
• 3.1.1 圖像剪裁29-30
• 3.1.2 消除圖像光照不均勻性30-32
• 3.1.3 圖像降噪32
• 3.1.4 基于形態(tài)學(xué)的圖像增強(qiáng)32-35
• 3.2 圖像分割35-40
• 3.2.1 常見(jiàn)圖像分割方法36-37
• 3.2.2 改進(jìn)的圖論圖像分割法37-40
• 3.3 車(chē)身漆膜缺陷特征參數(shù)確定40-42
• 3.3.1 圖像全局特征40-41
• 3.3.2 圖像局部特征41-42
• 3.3.3 車(chē)身漆膜缺陷特征參數(shù)的選取42
• 3.4 缺陷特征參數(shù)的降維42-45
• 3.5 漆膜缺陷判別算法設(shè)計(jì)45-47
• 3.5.1 分類(lèi)器核函數(shù)和參數(shù)的選擇45-46
• 3.5.2 特征參數(shù)數(shù)據(jù)規(guī)格化46-47
• 3.6 本章小結(jié)47-49
• 第4章 缺陷檢測(cè)插件的開(kāi)發(fā)49-57
• 4.1 缺陷檢測(cè)插件的開(kāi)發(fā)49-55
• 4.1.1 缺陷檢測(cè)插件的總體結(jié)構(gòu)49-50
• 4.1.2 用戶界面50
• 4.1.3 插件功能的實(shí)現(xiàn)50-55
• 4.2 GUI程序轉(zhuǎn)化EXE可執(zhí)行文件55
• 4.3 本章小結(jié)55-57
• 第5章 漆膜缺陷檢測(cè)實(shí)驗(yàn)57-65
• 5.1 漆膜缺陷圖像處理58-59
• 5.2 漆膜缺陷識(shí)別59-63
• 5.2.1 獲取特征參數(shù)數(shù)據(jù)59-61
• 5.2.2 缺陷特征識(shí)別分類(lèi)61-63
• 5.3 檢測(cè)結(jié)果分析63
• 5.4 本章小結(jié)63-65
• 第6章 總結(jié)與展望65-67
• 6.1 全文總結(jié)65
• 6.2 工作展望65-67
• 參考文獻(xiàn)67-73
• 作者簡(jiǎn)介及科研成果73-75
• 致謝75

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 宋麗梅;王朋強(qiáng);常玉蘭;李曉捷;習(xí)江濤;郭慶華;李秉男;;A non-contact real-time measurement of lamp dimension based on machine vision[J];Optoelectronics Letters;2015年02期

2 XUE Xin Hua;YANG Xing Guo;CHEN Xin;;Application of a support vector machine for prediction of slope stability[J];Science China(Technological Sciences);2014年12期

3 張菊香;;車(chē)身電泳不能成膜的原因分析[J];涂料工業(yè);2014年10期

4 于誠(chéng);孫偉;Scrivener Karen;;Application of Image Analysis Based on SEM and Chemical Mapping on PC Mortars under Sulfate Attack[J];Journal of Wuhan University of Technology(Materials Science Edition);2014年03期

5 Nassim Laouti;Sami Othman;Mazen Alamir;Nida Sheibat-Othman;;Combination of Model-based Observer and Support Vector Machines for Fault Detection of Wind Turbines[J];International Journal of Automation & Computing;2014年03期

6 ADHIKARI Sanjeev;YOU Zhan-ping;HAO Pei-wen;WANG Hai-nian;;Image analysis of aggregate,mastic and air void phases for asphalt mixture[J];交通運(yùn)輸工程學(xué)報(bào);2013年02期

7 成亞君;;涂料噴涂的常見(jiàn)漆膜缺陷及成因[J];上海涂料;2012年10期

8 范會(huì)敏;王浩;;模式識(shí)別方法概述[J];電子設(shè)計(jì)工程;2012年19期

9 劉松濤;殷福亮;;基于圖割的圖像分割方法及其新進(jìn)展[J];自動(dòng)化學(xué)報(bào);2012年06期

10 ;Decision tree support vector machine based on genetic algorithm for multi-class classification[J];Journal of Systems Engineering and Electronics;2011年02期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 施展;圖像特征提取與識(shí)別的跡空間投影方法研究[D];華南理工大學(xué);2012年

2 張新野;基于聚類(lèi)分析的圖像分割方法研究[D];大連海事大學(xué);2012年

3 許曉麗;基于聚類(lèi)分析的圖像分割算法研究[D];哈爾濱工程大學(xué);2012年

4 劉源l

本文編號(hào)：393486