基于机器学习的液压泵装配质量检测技术研究
发布时间：2021-12-30 06:46
随着人力劳动成本的攀升,在装配生产线上自动化和智能化的需求越来越高。尤其是在一些微小精密零件的生产装配线上,高强度高精度的要求往往是人力检测达不到。本文针对液压泵零件装配质量提出了高效智能的检测方法,它应用机器学习的手段检测液压泵的叶片零件在装配过程中出现的问题。在硬件系统章节,参考传统机器视觉系统的架构,并根据液压泵零件图像的特点设计一套合适的硬件系统,包括相机、光源、镜头和主机的信息,并给出检测系统中每个硬件的关键参数以及选择每个硬件的标准。综合成本、性能等因素提出了一套合理的机器视觉方案。在图像分割章节,主要研究液压泵图像中的叶片提取算法。先是介绍阈值分割法和边缘分割法等常用图像分割方法,然后分析液压泵装配图像的特点,发现液压泵零件图像本身有丰富的几何特征,例如由许多环形和矩形组成。利用底座图像是个圆环的特点,提出通过霍夫圆检测手段检测出底座和叶片的图像,然后通过坐标变换将其转换到极坐标系中,最后对极坐标系中的底座和叶片图像进行像素投影从而得到叶片图像。在图像特征章节,首先简单介绍了图像特征中的角点特征和局部二值模式（LBP）特征。研究了叶片图像在不同安装状态下的特点和各种特征的...
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：79 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 引言
1.2 研究工作的背景及选题意义
1.3 相关领域的研究及现状
1.3.1 图像分割研究现状
1.3.2 图像特征研究现状
1.3.3 分类器研究现状
1.4 论文的主要内容
第2章 硬件系统
2.1 硬件系统架构
2.2 工业相机
2.3 光源
2.4 其他硬件
第3章 图像分割
3.1 经典图像分割方法介绍
3.1.1 基于阈值的分割方法
3.1.2 基于边缘的图像分割算法
3.2 液压泵装配图特性分析
3.3 液压泵装配图像分割
3.3.1 算法流程
3.3.2 底座区域提取
3.3.3 极坐标变换
3.3.4 叶片区域提取
3.4 图像分割结果分析
第4章 图像特征
4.1 常用的特征提取方法
4.1.1 角点特征
4.1.2 局部二值模式特征
4.2 叶片图像特性分析
4.3 Gabor灰度共生矩阵混合特征
4.4 叶片识别结果分析
第5章 分类器
5.1 逻辑回归分类器
5.1.1 逻辑回归分类器原理
5.1.2 求解逻辑回归分类器的参数
5.2 本文分类器
5.2.1 支持向量机理论
5.2.2 支持向量机模型
5.2.3 选用支持向量机作为检测系统分类器
5.3 液压泵装配质量检测结果分析
5.4 液压泵装配质量检测在线学习策略设计
5.4.1 KCF和 MDNet算法中在线学习思想
5.4.2 在线学习策略设计
第6章 总结与展望
6.1 总结
6.2 研究展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
【参考文献】：
期刊论文
[1]基于逻辑回归的车辆检测方法研究[J]. 蓝章礼,陈巍,杨扬. 电子设计工程. 2018(20)
[2]基于Prewitt算子的红外图像边缘检测改进算法[J]. 安建尧,李金新,孙双平. 杭州电子科技大学学报(自然科学版). 2018(05)
[3]人工神经网络中损失函数的研究[J]. 任进军,王宁. 甘肃高师学报. 2018(02)
[4]基于Gabor变换和灰度梯度共生矩阵的超声无损测温研究[J]. 肖达,王润民,邹孝,董胡,钱盛友,江剑辉. 传感技术学报. 2017(11)
[5]基于纹理特征和SVM的QuickBird影像苹果园提取[J]. 宋荣杰,宁纪锋,刘秀英,常庆瑞. 农业机械学报. 2017(03)
[6]一种改进的HOUGH圆检测快速算法[J]. 崔远. 电子世界. 2017(06)
[7]一种视觉表格图像全局阈值分割算法[J]. 聂仁灿,何敏,周冬明,余江,丁星丽. 激光与红外. 2017(02)
[8]图像分割方法综述研究[J]. 周莉莉,姜枫. 计算机应用研究. 2017(07)
[9]图像分割综述[J]. 何志明. 山东工业技术. 2016(22)
[10]基于局部特征与全局特征的图像显著性目标检测[J]. 陈振学,贺超,刘成云. 控制与决策. 2016(10)
博士论文
[1]脐橙表面缺陷的机器视觉快速检测研究及嵌入式系统应用[D]. 容典.浙江大学 2017
硕士论文
[1]基于机器视觉的轴承表面缺陷检测与分类系统研究[D]. 宇文旋.电子科技大学 2018
[2]低空慢速小目标检测识别与威胁度评估[D]. 郭溪溪.中国科学院长春光学精密机械与物理研究所 2016
[3]基于机器视觉的零件尺寸检测算法的研究及应用[D]. 黄凌霄.南京信息工程大学 2016
[4]基于卷积神经网络和K邻近算法的车标识别[D]. 张鼎.西安电子科技大学 2015
[5]支持张量机的在线学习算法研究[D]. 周蓉.华南理工大学 2014
[6]基于机器视觉的零件识别和测量系统研究[D]. 邓小峰.南京航空航天大学 2014
[7]基于机器视觉的滚针轴承表面及滚针针数缺陷检测技术研究[D]. 杜月荣.西安电子科技大学 2014
[8]基于机器视觉的气门组件装配质量在线检测[D]. 李向东.华南理工大学 2013
[9]基于支持向量机的在线学习算法研究[D]. 刘健.浙江大学 2013
[10]轴承内外径光电检测技术研究[D]. 高源.长春理工大学 2013
本文编号：3557683
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：79 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 引言
1.2 研究工作的背景及选题意义
1.3 相关领域的研究及现状
1.3.1 图像分割研究现状
1.3.2 图像特征研究现状
1.3.3 分类器研究现状
1.4 论文的主要内容
第2章 硬件系统
2.1 硬件系统架构
2.2 工业相机
2.3 光源
2.4 其他硬件
第3章 图像分割
3.1 经典图像分割方法介绍
3.1.1 基于阈值的分割方法
3.1.2 基于边缘的图像分割算法
3.2 液压泵装配图特性分析
3.3 液压泵装配图像分割
3.3.1 算法流程
3.3.2 底座区域提取
3.3.3 极坐标变换
3.3.4 叶片区域提取
3.4 图像分割结果分析
第4章 图像特征
4.1 常用的特征提取方法
4.1.1 角点特征
4.1.2 局部二值模式特征
4.2 叶片图像特性分析
4.3 Gabor灰度共生矩阵混合特征
4.4 叶片识别结果分析
第5章 分类器
5.1 逻辑回归分类器
5.1.1 逻辑回归分类器原理
5.1.2 求解逻辑回归分类器的参数
5.2 本文分类器
5.2.1 支持向量机理论
5.2.2 支持向量机模型
5.2.3 选用支持向量机作为检测系统分类器
5.3 液压泵装配质量检测结果分析
5.4 液压泵装配质量检测在线学习策略设计
5.4.1 KCF和 MDNet算法中在线学习思想
5.4.2 在线学习策略设计
第6章 总结与展望
6.1 总结
6.2 研究展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
【参考文献】：
期刊论文
[1]基于逻辑回归的车辆检测方法研究[J]. 蓝章礼,陈巍,杨扬. 电子设计工程. 2018(20)
[2]基于Prewitt算子的红外图像边缘检测改进算法[J]. 安建尧,李金新,孙双平. 杭州电子科技大学学报(自然科学版). 2018(05)
[3]人工神经网络中损失函数的研究[J]. 任进军,王宁. 甘肃高师学报. 2018(02)
[4]基于Gabor变换和灰度梯度共生矩阵的超声无损测温研究[J]. 肖达,王润民,邹孝,董胡,钱盛友,江剑辉. 传感技术学报. 2017(11)
[5]基于纹理特征和SVM的QuickBird影像苹果园提取[J]. 宋荣杰,宁纪锋,刘秀英,常庆瑞. 农业机械学报. 2017(03)
[6]一种改进的HOUGH圆检测快速算法[J]. 崔远. 电子世界. 2017(06)
[7]一种视觉表格图像全局阈值分割算法[J]. 聂仁灿,何敏,周冬明,余江,丁星丽. 激光与红外. 2017(02)
[8]图像分割方法综述研究[J]. 周莉莉,姜枫. 计算机应用研究. 2017(07)
[9]图像分割综述[J]. 何志明. 山东工业技术. 2016(22)
[10]基于局部特征与全局特征的图像显著性目标检测[J]. 陈振学,贺超,刘成云. 控制与决策. 2016(10)
博士论文
[1]脐橙表面缺陷的机器视觉快速检测研究及嵌入式系统应用[D]. 容典.浙江大学 2017
硕士论文
[1]基于机器视觉的轴承表面缺陷检测与分类系统研究[D]. 宇文旋.电子科技大学 2018
[2]低空慢速小目标检测识别与威胁度评估[D]. 郭溪溪.中国科学院长春光学精密机械与物理研究所 2016
[3]基于机器视觉的零件尺寸检测算法的研究及应用[D]. 黄凌霄.南京信息工程大学 2016
[4]基于卷积神经网络和K邻近算法的车标识别[D]. 张鼎.西安电子科技大学 2015
[5]支持张量机的在线学习算法研究[D]. 周蓉.华南理工大学 2014
[6]基于机器视觉的零件识别和测量系统研究[D]. 邓小峰.南京航空航天大学 2014
[7]基于机器视觉的滚针轴承表面及滚针针数缺陷检测技术研究[D]. 杜月荣.西安电子科技大学 2014
[8]基于机器视觉的气门组件装配质量在线检测[D]. 李向东.华南理工大学 2013
[9]基于支持向量机的在线学习算法研究[D]. 刘健.浙江大学 2013
[10]轴承内外径光电检测技术研究[D]. 高源.长春理工大学 2013
本文编号：3557683
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3557683.html
