基于机器视觉的接头组件表面缺陷检测系统研究

发布时间：2021-06-10 13:30

　　为了解决金属软管接头组件表面检测精准度不高和检测效率不高的实际问题,设计一套基于机器视觉的接头组件表面缺陷检测系统。针对接头组件图像背景复杂、噪声干扰多,通过使用图像滤波去噪、Otsu算法二值化以及图像形态学分析,提高图像的对比度,有效提取目标检测区域。而后采用Canny边缘检测算法,对图像进行边缘轮廓精准识别,并采用快速傅里叶变换方法和R-FCN算法,对缺陷特征信息快速进行匹配提取和分类处理。试验结果表明:此缺陷检测系统能有效提高检测效率,保证较高的检测准确率和精度,满足实际工业检测的需求,具有较好的实用价值。 

【文章来源】：机床与液压. 2020,48(16)北大核心

【文章页数】：6 页

【部分图文】：

金属软管接头组件实物

此金属软管接头组件表面缺陷实时检测系统方案为待被测组件进入被测区域后,通过选定的光源和工业CCD或CMOS摄像机获取接头组件表面的高动态图像信息,利用图像处理算法进行图像的预处理、图像分割、提取被测接头组件图像的特征信息,并根据特征信息对组件表面的缺陷进行识别和分类,实现对缺陷接头组件表面的检测,同时,根据组件表面缺陷的分类进行分拣处理。此检测系统方案总体结构如图2所示,主要由自动上料装置、图像采集系统、图像处理系统、PLC控制系统和分拣下料装置5个部分组成。其中,图像采集系统如图3所示,包括工业摄像机、光源、视觉工控机和显示器以及检测平台等部件。而图像处理系统为此视觉检测系统的核心部分,涉及被检测组件图像预处理、图像缺陷特征信息提取及分类等内容,本文作者重点对组件表面图像处理系统进行深入研究。

其中,图像采集系统如图3所示,包括工业摄像机、光源、视觉工控机和显示器以及检测平台等部件。而图像处理系统为此视觉检测系统的核心部分,涉及被检测组件图像预处理、图像缺陷特征信息提取及分类等内容,本文作者重点对组件表面图像处理系统进行深入研究。2 组件表面缺陷图像预处理

【参考文献】：
期刊论文
[1]迭代式自适应法在Canny算子中的应用与研究[J]. 韩军,张鸿宇.  机械设计与制造. 2019(12)
[2]基于图形处理器的高速中值滤波算法[J]. 托乎提努尔,张海龙,王杰,王娜,冶鑫晨,王万琼.  吉林大学学报(工学版). 2019(03)
[3]基于机器视觉的隔水管法兰端面位姿检测[J]. 刘桂华,王玉玫,王静强.  机械设计. 2019(03)
[4]改进中值滤波和形态学的油管裂纹检测算法[J]. 杨先凤,赵玲,杜晶晶.  计算机仿真. 2018(12)
[5]金属软管泄漏原因分析与预防[J]. 陈彩霞,王步美,陈杨.  压力容器. 2018(04)
[6]图像微观结构的二值化表示与目标识别应用[J]. 张东波,陈治强,易良玲,许海霞.  电子与信息学报. 2018(03)
[7]机器视觉表面缺陷检测综述[J]. 汤勃,孔建益,伍世虔.  中国图象图形学报. 2017(12)
[8]基于机器视觉的螺纹零件头部裂纹检测[J]. 杨攀,姜立军,李哲林.  计算机应用与软件. 2013(04)
[9]两种高压软管接头组件的非线性有限元对比分析[J]. 杜金强,朱伯伟,王鹏,何宇廷,于海涛.  机械设计. 2010(11)
[10]基于超声红外技术对金属管内壁缺陷的检测[J]. 邢春飞,李艳红,陈大鹏,邹鹏,陶宁,张存林.  应用光学. 2009(03)



本文编号：3222464