基于机器视觉的钢球表面质量分拣系统

发布时间：2017-06-23 22:10

  本文关键词：基于机器视觉的钢球表面质量分拣系统，由笔耕文化传播整理发布。

【摘要】：本文设计了一种基于机器视觉的钢球自动分拣系统,该系统以钢球表面质量为研究对象,以快速定位钢球表面缺陷,并准确实现钢球的优劣分拣为工作目的。在对传统边缘检测算法进行系统研究的基础上,提出了自适应多方向灰度形态学图像边缘检测算法。实验结果表明,本文提出的改进的边缘检测算法可提高钢球表面质量的检测精度,所设计的分拣系统具有较高的可靠性,可以实现对钢球表面质量的检测。本文主要工作如下:(1)钢球分拣系统软、硬件设计。通过Halcon和VS2008混合编程,完成钢球表面自动检测系统的软件设计。通过对CCD相机、照明系统的设计,完成硬件部分的选取。(2)钢球表面图像预处理。通过图像分割、平滑去噪和图像二值化等预处理环节,对CCD相机采集到的钢球表面图像进行处理,以便获取钢球表面图像的真实信息。(3)对多方向灰度形态学图像边缘检测算法进行研究与改进。在对传统边缘检测算法进行研究与分析的基础上,提出多方向灰度形态学图像边缘检测算法。并以灰度图像和钢球表面图像为对象,对改进的边缘检测算法进行了实验验证。实验结果表明,本文改进算法较传统算法可以快速有效的提取灰度图像和钢球表面图像的边缘信息。(4)本文设计钢球分拣系统的可行性验证。由本文设计的钢球分拣系统分别对不同直径的钢球进行分拣实验。实验结果表明,该系统的工作效率与分拣准确性均能达到生产实际的要求,证明本文设计的钢球分拣系统切实可行。
【关键词】：机器视觉 自动分拣 边缘检测 图像预处理 灰度形态学
【学位授予单位】：山东理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH133.3;TP391.41
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-15
• 1.1 引言8
• 1.2 基于机器视觉的钢球分拣系统概述8-11
• 1.2.1 钢球分拣系统研究背景及意义8-9
• 1.2.2 基于机器视觉的钢球分拣系统研究现状9-11
• 1.3 基于机器视觉的图像边缘检测技术研究11-13
• 1.3.1 图像边缘检测技术的研究历史11-12
• 1.3.2 图像边缘检测技术的发展趋势12-13
• 1.4 论文研究内容及章节安排13-15
• 1.4.1 研究内容13-14
• 1.4.2 章节安排14-15
• 第二章 基于机器视觉的钢球分拣系统15-22
• 2.1 系统工作原理及过程15-17
• 2.2 系统软件配置17-18
• 2.2.1 Halcon简介17
• 2.2.2 Halcon与VS2008混合编程17
• 2.2.3 钢球分拣系统软件工作流程17-18
• 2.3 系统硬件配置及相关参数18-21
• 2.3.1 CCD相机的选取18-19
• 2.3.2 照明系统设计19-21
• 2.4 本章小结21-22
• 第三章 钢球表面图像预处理22-36
• 3.1 图像分割22-25
• 3.1.1 图像分割的概述及意义22-23
• 3.1.2 全局阈值分割23-25
• 3.2 钢球表面图像平滑去噪25-31
• 3.2.1 图像噪声及去噪方法25-29
• 3.2.2 钢球表面图像去噪方法29-31
• 3.3 图像二值化31-35
• 3.3.1 图像二值化原理及方法31-33
• 3.3.2 钢球表面图像二值化方法33-35
• 3.4 本章小结35-36
• 第四章 钢球表面图像特征边缘检测36-46
• 4.1 传统边缘检测算法及其在钢球表面缺陷检测中的不足36-42
• 4.1.1 基于梯度的边缘检测算子36-39
• 4.1.2 二阶微分算子39-42
• 4.2 Canny边缘检测算法42-43
• 4.3 自适应多方向灰度形态学图像边缘检测算法43-46
• 4.3.1 传统数学形态学边缘检测算法43-44
• 4.3.2 本文改进的数学形态学边缘检测算法44-46
• 第五章 实验结果分析46-61
• 5.1 图像边缘检测的评估方法46-49
• 5.2 灰度图像边缘检测效果49-53
• 5.2.1 主观评价50-51
• 5.2.2 客观评价51-53
• 5.2.3 总结53
• 5.3 钢球表面图像边缘检测实验53-55
• 5.3.1 钢球表面图像边缘检测及主观评价53-55
• 5.3.2 客观评价55
• 5.3.3 总结55
• 5.4 钢球分拣实验55-60
• 5.4.1 实验方法及步骤56-58
• 5.4.2 实验结果58-60
• 5.5 本章小结60-61
• 第六章 总结与展望61-62
• 6.1 总结61
• 6.2 展望61-62
• 参考文献62-66
• 在读期间公开发表的论文66-67
• 致谢67

【相似文献】

中国期刊全文数据库 前10条

1 王娜,李霞;一种新的改进Canny边缘检测算法[J];深圳大学学报;2005年02期

2 王小华;钱月晶;;一种改进的Canny边缘检测算法[J];机电工程;2008年12期

3 片兆宇;高立群;郭丽;王坤;;多阶段边缘检测算法[J];东北大学学报(自然科学版);2008年05期

4 刘川来;王慧敏;朱毅;宁通;;轮胎气泡边缘检测算法的研究[J];电子测量与仪器学报;2009年12期

5 李海华;齐红敏;万亮亮;;一种改进的六边形结构的Canny边缘检测算法[J];光学仪器;2011年01期

6 肖梅;张雷;寇雯玉;苗永禄;刘伟;;一种新的边缘检测算法研究[J];郑州大学学报(工学版);2012年04期

7 牟宇飞;张文普;彭uQ;;基于遗传算法阈值优化的模糊边缘检测[J];重庆理工大学学报(自然科学);2012年08期

8 刘雅琴;;图像边缘检测在输电线巡检中的应用[J];数字技术与应用;2013年05期

9 吴坤;孟飞;慕连好;张合新;;激光主动成像图像边缘检测[J];电光与控制;2013年09期

10 张汀汀,柳健;边缘检测的分层松弛方法[J];华中理工大学学报;1990年03期

中国重要会议论文全文数据库 前10条

1 王岩;勒中鑫;;边缘检测中几种方法的比较[A];1998年中国智能自动化学术会议论文集（下册）[C];1998年

2 孟伟;王秀泽;张岩;;离散Canny边缘检测算法的实现[A];走近CIE 26th——中国照明学会（2005）学术年会论文集[C];2005年

3 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

4 任获荣;杨夏颖;何培培;孙建维;高敏;;边缘检测技术发展现状及其在零件识别中的应用综述[A];第三届数控机床与自动化技术专家论坛论文集[C];2012年

5 王岩;勒中鑫;;几种边缘检测方法及其比较[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

6 叶乐军;王强;;基于自适应边缘检测的大空间火灾目标监测技术[A];中国职业安全健康协会2007年学术年会论文集[C];2007年

7 沈亮;潘德炉;王迪峰;;机载多通道扫描仪图像的边缘检测初步研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

8 李文辉;郭宁宁;郝鑫;;优化边缘检测的分析和解决方案[A];“加入WTO和科学技术与吉林经济发展——机遇·挑战·责任”吉林省第二届科学技术学术年会论文集（上）[C];2002年

9 王培珍;孟祥昊;张克;郑诗程;潘瑞雪;;板材图像边缘检测算法研究[A];第25届中国控制与决策会议论文集[C];2013年

10 王海岚;樊绍胜;;一种改进的模糊形态学边缘检测算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

中国重要报纸全文数据库 前1条

1 鸣人;Photoshop CS5:三大功能再进化[N];中国摄影报;2010年

中国博士学位论文全文数据库 前10条

1 磨少清;边缘检测及其评价方法的研究[D];天津大学;2011年

2 董鸿燕;边缘检测的若干技术研究[D];国防科学技术大学;2008年

3 王媛妮;顺序形态边缘检测及分水岭图像分割研究[D];武汉大学;2010年

4 迟健男;图像形态学和小波分析在图像增强与边缘检测中的应用[D];东北大学;2005年

5 李杏梅;Contourlet变换在图像去噪与边缘检测中的应用研究[D];华中科技大学;2011年

6 丁兴号;基于小波分析的视觉检测技术研究[D];合肥工业大学;2003年

7 闫海霞;基于数学形态学的图像边缘检测和增强算法的研究[D];吉林大学;2009年

8 谢松法;模式特征的提取与应用研究[D];华中科技大学;2007年

9 吴庆岗;复杂背景输电线图像中部件边缘提取算法研究[D];大连海事大学;2012年

10 Ali Abdullah Yahya;[D];合肥工业大学;2014年

中国硕士学位论文全文数据库 前10条

1 林江;基于边缘检测和马尔可夫随机场的AD症脑MRI分割方法研究[D];西南交通大学;2015年

2 吕威骏;基于分数阶傅里叶变换和多尺度跟踪的边缘检测算法[D];郑州大学;2015年

3 亓晓彤;基于摄影测量的板类件孔位检测方法研究[D];中国地质大学(北京);2015年

4 孙浩轩;基于Matlab的电力线实时检测的算法研究[D];中国海洋大学;2015年

5 付伟;纸张折痕恢复性能测试仪的研究[D];中国海洋大学;2014年

6 杨丰骏;基于改进蚁群算法的图像边缘检测[D];太原理工大学;2016年

7 郭爽;电力线检测的算法研究[D];中国海洋大学;2015年

8 聂恺;复杂天气条件下的太阳质心位置检测方法研究[D];太原科技大学;2015年

9 仝海峰;基于FPGA的视频图像边缘检测优化设计[D];安徽理工大学;2016年

10 徐晓莹;基于灰色关联度和纹理分析边缘检测算法的研究[D];东北石油大学;2010年

  本文关键词：基于机器视觉的钢球表面质量分拣系统，由笔耕文化传播整理发布。

，

本文编号：476443