基于视觉的尺寸检测方法及其在钒电池装配中的应用

发布时间：2020-10-20 17:43

　　 当前工业生产应用中,对钒电池(全钒氧化还原液流电池)碳毡板和液流框板的尺寸的准确测量是实现电池高性能组装的关键环节。本文在了解机器视觉的基本原理和查阅有关边缘检测和尺寸测量文献的基础上,完成了针对碳毡板和液流框板的边缘视觉检测算法设计,搭建实验检测平台,分析算法工业应用场景,设计编写碳毡板和液流框板尺寸视觉检测平台软件。论文的主要研究内容包括:(1)构建图像采集系统平台。依据系统的性能要求,完成硬件选型,包括光源、相机、镜头以及系统计算机。通过搭建的检测平台,采集实际碳毡和液流框板的图像。(2)设计基于改进PCNN(Pulse Coupled Neural Network,脉冲耦合神经网络)的边缘检测算法。基于机器视觉的理论方法,针对测量目标特征,添加抑制因子、去纹理算子,设计一种合理的基于改进PCNN的像素级边缘尺寸检测方法。同时,基于图像处理效率最大的原则,完成了网络模型的参数自适应设置。针对应用中对轮廓细节的不同需求,分别结合三次样条插值算法和抛物线拟合算法,设计两种基于改进PCNN的亚像素级边缘检测方法。完成了尺寸检测以及算法的噪声污染对比试验。最后采用计算机产生的标准直线图像对亚像素级边缘检测算法进行算法精度测试。(3)针对工业应用需求,设计系统检测算法并完成完整的测量任务。分析两种应用情境,设计碳毡板和液流框板孔尺寸测量流程,标定平台相机参数。结合标定参数,重新推导适用于电池生产应用中视觉检测的逆透视公式。最后运用本文设计的算法对采集到的图像上的直线、圆柱孔圆进行测量,对比工件实际测量尺寸,进行算法有效性与检测精度测试。(4)设计编写视觉检测平台软件。针对课题需求,设计基于视觉的尺寸检测系统的平台软件界面,介绍软件设计思路及各部分功能。在MATLAB的开发平台上,编写软件并完成实际对碳毡板材料外围尺寸和液流框板局部尺寸的测量检测实验。
【学位单位】：合肥工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TM911
【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 课题背景及其研究意义
    1.2 国内外研究现状及分析
        1.2.1 液流电池制备工艺现状及分析
        1.2.2 视觉尺寸检测现状及分析
    1.3 本文的主要工作和章节安排
        1.3.1 本文的主要工作
        1.3.2 本文的章节安排
第二章 钒电池材料视觉检测基础
    2.1 钒电池系统
    2.2 电池制备工艺检测的要求及技术难点
        2.2.1 检测要求
        2.2.2 技术难点
    2.3 基于视觉的检测平台硬件组成及选型
        2.3.1 工业相机的选型
        2.3.2 镜头的选型
        2.3.3 光源的选型
        2.3.4 系统计算机的选型
    2.4 视觉检测系统平台整体方案
    2.5 本章小结
第三章 基于改进PCNN的边缘检测方法
    3.1 图像边缘检测
        3.1.1 边缘检测原理
        3.1.2 传统边缘检测算法
    3.2 PCNN
        3.2.1 PCNN网络模型
        3.2.2 PCNN的特性及工作机制
        3.2.3 改进的PCNN模型与参数自适应设置
    3.3 基于改进PCNN的图像边缘检测模型
    3.4 基于改进PCNN的图像边缘检测算法
    3.5 本章小结
第四章 基于改进PCNN的亚像素级精度边缘检测算法
    4.1 亚像素级精度检测原理
    4.2 基于改进PCNN的插值边缘检测
    4.3 基于改进PCNN的拟合边缘检测
    4.4 实验结果及分析
        4.4.1 像素精度算法抗噪效果对比
        4.4.2 亚像素级精度算法实验与分析
        4.4.3 理想边缘检测
    4.5 本章小结
第五章 边缘检测算法在钒电池材料检测中的应用
    5.1 尺寸测量
        5.1.1 视觉尺寸测量流程
        5.1.2 相机的标定
        5.1.3 图像预处理
        5.1.4 基于工作台标记线的逆透视算法
        5.1.5 实验结果及分析
    5.2 工件装配
        5.2.1 孔型工件装配需求
        5.2.2 圆孔轮廓检测流程
        5.2.3 工件尺寸装配误差分析
        5.2.4 实验结果及分析
    5.3 检测软件平台
        5.3.1 设计思路
        5.3.2 功能介绍
    5.4 本章小结
第六章 总结与展望
    6.1 本文工作总结
    6.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况

【参考文献】

相关期刊论文 前10条

1 王晓丽;张宇;李颖;张华民;;全钒液流电池技术与产业发展状况[J];储能科学与技术;2015年05期

2 尹英杰;徐德;张正涛;王欣刚;屈稳太;;基于单目视觉的平面测量[J];电子测量与仪器学报;2013年04期

3 陆凯;李成金;赵勋杰;邹薇;张雪松;;一种快速的亚像素图像配准算法[J];红外技术;2013年01期

4 来跃深;陈琛;田军委;程钢;;高斯插值亚像素边缘检测算法的优化[J];西安工业大学学报;2012年10期

5 张美静;石振刚;;改进形态学梯度的样条插值亚像素边缘检测方法[J];沈阳理工大学学报;2012年03期

6 胡树杰;;图像亚像素边缘检测的新方法[J];制造业自动化;2012年02期

7 韩延祥;张志胜;戴敏;;用于目标测距的单目视觉测量方法[J];光学精密工程;2011年05期

8 袁启平;宋金泽;吴涛;;基于逆透视投影变换的图像拼接方法[J];微计算机信息;2010年21期

9 魏本征;赵志敏;华晋;;基于改进形态学梯度和Zernike矩的亚像素边缘检测方法[J];仪器仪表学报;2010年04期

10 李颢;杨明;;基于非线性逆透视变换的摄像机畸变参数标定[J];上海交通大学学报;2008年10期

相关博士学位论文 前3条

1 刘勍;基于脉冲耦合神经网络的图像处理若干问题研究[D];西安电子科技大学;2011年

2 陈伟;基于PSO的复杂工业环境视觉目标检测算法应用研究[D];武汉科技大学;2008年

3 伍济钢;薄片零件尺寸机器视觉检测系统关键技术研究[D];华中科技大学;2008年

相关硕士学位论文 前9条

1 吕晓龙;基于脉冲耦合神经网络的图像边缘检测算法研究[D];哈尔滨工业大学;2016年

2 赵晗;脉冲耦合神经网络用于图像分割若干问题研究[D];中国矿业大学;2015年

3 凌云志;基于机器视觉的AGV结构设计与导航算法研究[D];华南理工大学;2015年

4 王为;基于FPGA-DSP的浮选图像系统多通道采集装置研制[D];中南大学;2014年

5 王双印;全钒氧化还原液流电池电极材料的改性及电堆结构设计[D];兰州交通大学;2014年

6 董菲;一维视觉岩心图像扫描系统的研究[D];天津科技大学;2014年

7 傅骏;基于机器视觉的汽车换热器尺寸测量及外观检测系统设计[D];南京理工大学;2014年

8 乔玲玲;图像分割算法研究及实现[D];武汉理工大学;2009年

9 贾丹;摄像机现场标定算法研究[D];哈尔滨工程大学;2007年

本文编号：2848964