触点材料表面缺陷检测技术的研究
发布时间：2021-04-07 15:07
触点材料广泛运用于现代电子设备系统当中,担任着接通、断开电路的任务,其表面质量与系统能否稳定运行息息相关。由于触点材料需求量的增加,人工检测方法已无法满足触点材料生产企业的检测需求,因此对触点材料表面缺陷检测技术的研究刻不容缓。本文针对铆钉型触点材料表面缺陷设计了全景图像采集系统并基于图像预处理、图像分割、特征提取、机器学习等方法实现了对触点材料表面缺陷的识别与分类。首先,设计了由远心光路图像采集系统、穹顶光源照明系统和其他机械装置组成的触点材料全景图像采集系统,针对触点材料表面缺陷检测指标要求,确定了工业相机的像素大小和远心镜头的视野范围。设计了基于穹顶光源的漫反射照明系统,完成了触点材料全景图像采集系统的搭建,实现了对铆钉型触点材料工作面、钉脚面和侧面的缺损、划伤、凹坑、银翘、凸起、分层等六类常见表面缺陷图像的采集。其次,设计了基于加权平均值的触点图像灰度化方法,通过引入峰值信噪比提出了自适应高斯滤波算法,实现了触点图像异常噪声点的去除。针对光照不均的触点侧面图像,提出了基于最小误差法的分段线性变换的触点图像增强算法;针对光照均匀的触点工作面和钉脚面图像,设计了基于自动均衡的触点图...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
MV-UBS500C工业相机由于铆钉触点钉头直径最大为，触点高度为钉脚高度与钉头厚度之和，
哈尔滨工业大学工学硕士学位论文12统中均可使用，其实物如图2-5所示。图2-5MV-UBS500C工业相机由于铆钉触点钉头直径最大为8mm，触点高度为钉脚高度与钉头厚度之和，其最大为7mm，弧面弦高最大为0.7mm，钉脚直径最大为4mm，为了能够满足对不同尺寸铆钉触点的测量，所选择的远心镜头视野范围需大于8mm×8mm，综合考虑各型号远心镜头的放大倍率、工作物距、视野范围、景深效果等因素，选用深圳迈德威视科技有限公司所生产的MV-YD-110-05F26型物方远心镜头，其物距110mm，放大倍率0.5X，视野范围为12.8mm×9.6mm，景深为3.2mm，各参数均符合检测要求，实物如图2-6所示。图2-6MV-YD-110-05F26远心镜头将所选工业相机与远心镜头进行组合，对硬件选型可行性进行分析。因所选镜头放大倍率=0.5，相机像元尺寸为2.2μm2.2μm，为提高检测准确率，本文使用2个像素对应一个检测精度后，理论最小检测精度达到0.005mm，CCD相机像元尺寸计算公式为：l=l像物(2-5)则理论上最小物理检测尺寸为:2.2===4.4<5m0.5mll像物(2-6)因此满足检测精度要求。2.5照明系统方案设计光源的结构和照射方式直接影响图像的质量，好的光源及照射方式可以使得
哈尔滨工业大学工学硕士学位论文3422222ddccddcdc(3-28)经过多次试验证明，改进后的分段线性增强算法可以根据图像数据实现对选定分区点c、d和变换系数k的自动求取，可以改善人为设定参数对图像增强效果的影响，对于光照不均的触点侧面图像适用性较强。由图3-14可以看出，触点侧面缺陷部分与其他部分的灰度值差异变大，触点侧面图像中的凸起、分层等缺陷的细节信息得以增强，具有较好的增强效果。a)凸起缺陷b)分层缺陷c)混合缺陷图3-14改进后的分段线性增强3.4.3光照均匀情况光照均匀情况下，本文选择自动均衡算法来对触点工作面和钉脚面图像进行增强[49-50]。自动均衡算法将图像分成低频和高频两部分，其通过增强图像高频部分强化图像细节。对于像素点x,y，其邻域大小为2nn2n1，设增益系数为Gx,y，则区域均值与方差为：21,,21xnynikxnlynmxyfkln(3-29)2221,,,21xnyniikxnlynxyfxymxyn(3-30)式中,imxy——图像低频部分；此时,,ifxymxy即可认为是图像的高频部分，将高频部分与增益系数相乘，有：,,,,,iigxymxyGxyfxymxy(3-31)其中增益系数,,iDGxyxy，因此：
【参考文献】：
期刊论文
[1]刹车片表面缺陷的图像检测方法[J]. 韩志玮,高美凤. 应用光学. 2020(03)
[2]基于机器视觉的玻璃缺陷检测技术[J]. 苗永菲,游洋,李赵松,黎红军,宋康,侯朝云. 电子设计工程. 2020(08)
[3]基于机器视觉的手机电池表面缺陷检测[J]. 郑魁敬,刘学超,王萌萌. 制造技术与机床. 2020(04)
[4]基于机器视觉的玉米幼苗叶面积检测装置设计及试验[J]. 付豪,万鹏,施家伟,杨万能. 华中农业大学学报. 2020(01)
[5]基于图像处理的暖血器缺陷检测方法研究[J]. 全燕鸣,龙思慧,吴航. 半导体光电. 2019(06)
[6]基于机器视觉的缺陷检测应用综述[J]. 韩茜茜,耿世勇,李恒毅. 电工技术. 2019(14)
[7]基于机器视觉的大枣表面缺陷检测[J]. 王春普,文怀兴,王俊杰. 食品与机械. 2019(07)
[8]基于改进高斯滤波算法的叶片图像去噪方法[J]. 李健,丁小奇,陈光,孙旸,姜楠. 南方农业学报. 2019(06)
[9]基于机器视觉的包装袋缺陷检测算法研究与应用[J]. 李丹,白国君,金媛媛,童艳. 激光与光电子学进展. 2019(09)
[10]医学图像分析深度学习方法研究与挑战[J]. 田娟秀,刘国才,谷珊珊,鞠忠建,刘劲光,顾冬冬. 自动化学报. 2018(03)
硕士论文
[1]继电器触点铆合质量在线视觉检测技术研究[D]. 孙沛泽.浙江大学 2019
[2]高亮异型曲面表面缺陷检测系统研究[D]. 陈松赟.哈尔滨工业大学 2017
[3]铆钉尺寸与表面缺陷在线检测关键技术研究[D]. 张磊.西南交通大学 2016
[4]基于FPGA的视频采集及图像处理算法实现[D]. 张浩然.云南大学 2015
[5]基于类推思想的车牌字符图像清晰度提升[D]. 周茜.西安电子科技大学 2012
[6]基于机器视觉的触点零件在线检测系统研究[D]. 阮晓虹.上海交通大学 2010
本文编号：3123721
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
MV-UBS500C工业相机由于铆钉触点钉头直径最大为，触点高度为钉脚高度与钉头厚度之和，
哈尔滨工业大学工学硕士学位论文12统中均可使用，其实物如图2-5所示。图2-5MV-UBS500C工业相机由于铆钉触点钉头直径最大为8mm，触点高度为钉脚高度与钉头厚度之和，其最大为7mm，弧面弦高最大为0.7mm，钉脚直径最大为4mm，为了能够满足对不同尺寸铆钉触点的测量，所选择的远心镜头视野范围需大于8mm×8mm，综合考虑各型号远心镜头的放大倍率、工作物距、视野范围、景深效果等因素，选用深圳迈德威视科技有限公司所生产的MV-YD-110-05F26型物方远心镜头，其物距110mm，放大倍率0.5X，视野范围为12.8mm×9.6mm，景深为3.2mm，各参数均符合检测要求，实物如图2-6所示。图2-6MV-YD-110-05F26远心镜头将所选工业相机与远心镜头进行组合，对硬件选型可行性进行分析。因所选镜头放大倍率=0.5，相机像元尺寸为2.2μm2.2μm，为提高检测准确率，本文使用2个像素对应一个检测精度后，理论最小检测精度达到0.005mm，CCD相机像元尺寸计算公式为：l=l像物(2-5)则理论上最小物理检测尺寸为:2.2===4.4<5m0.5mll像物(2-6)因此满足检测精度要求。2.5照明系统方案设计光源的结构和照射方式直接影响图像的质量，好的光源及照射方式可以使得
哈尔滨工业大学工学硕士学位论文3422222ddccddcdc(3-28)经过多次试验证明，改进后的分段线性增强算法可以根据图像数据实现对选定分区点c、d和变换系数k的自动求取，可以改善人为设定参数对图像增强效果的影响，对于光照不均的触点侧面图像适用性较强。由图3-14可以看出，触点侧面缺陷部分与其他部分的灰度值差异变大，触点侧面图像中的凸起、分层等缺陷的细节信息得以增强，具有较好的增强效果。a)凸起缺陷b)分层缺陷c)混合缺陷图3-14改进后的分段线性增强3.4.3光照均匀情况光照均匀情况下，本文选择自动均衡算法来对触点工作面和钉脚面图像进行增强[49-50]。自动均衡算法将图像分成低频和高频两部分，其通过增强图像高频部分强化图像细节。对于像素点x,y，其邻域大小为2nn2n1，设增益系数为Gx,y，则区域均值与方差为：21,,21xnynikxnlynmxyfkln(3-29)2221,,,21xnyniikxnlynxyfxymxyn(3-30)式中,imxy——图像低频部分；此时,,ifxymxy即可认为是图像的高频部分，将高频部分与增益系数相乘，有：,,,,,iigxymxyGxyfxymxy(3-31)其中增益系数,,iDGxyxy，因此：
【参考文献】：
期刊论文
[1]刹车片表面缺陷的图像检测方法[J]. 韩志玮,高美凤. 应用光学. 2020(03)
[2]基于机器视觉的玻璃缺陷检测技术[J]. 苗永菲,游洋,李赵松,黎红军,宋康,侯朝云. 电子设计工程. 2020(08)
[3]基于机器视觉的手机电池表面缺陷检测[J]. 郑魁敬,刘学超,王萌萌. 制造技术与机床. 2020(04)
[4]基于机器视觉的玉米幼苗叶面积检测装置设计及试验[J]. 付豪,万鹏,施家伟,杨万能. 华中农业大学学报. 2020(01)
[5]基于图像处理的暖血器缺陷检测方法研究[J]. 全燕鸣,龙思慧,吴航. 半导体光电. 2019(06)
[6]基于机器视觉的缺陷检测应用综述[J]. 韩茜茜,耿世勇,李恒毅. 电工技术. 2019(14)
[7]基于机器视觉的大枣表面缺陷检测[J]. 王春普,文怀兴,王俊杰. 食品与机械. 2019(07)
[8]基于改进高斯滤波算法的叶片图像去噪方法[J]. 李健,丁小奇,陈光,孙旸,姜楠. 南方农业学报. 2019(06)
[9]基于机器视觉的包装袋缺陷检测算法研究与应用[J]. 李丹,白国君,金媛媛,童艳. 激光与光电子学进展. 2019(09)
[10]医学图像分析深度学习方法研究与挑战[J]. 田娟秀,刘国才,谷珊珊,鞠忠建,刘劲光,顾冬冬. 自动化学报. 2018(03)
硕士论文
[1]继电器触点铆合质量在线视觉检测技术研究[D]. 孙沛泽.浙江大学 2019
[2]高亮异型曲面表面缺陷检测系统研究[D]. 陈松赟.哈尔滨工业大学 2017
[3]铆钉尺寸与表面缺陷在线检测关键技术研究[D]. 张磊.西南交通大学 2016
[4]基于FPGA的视频采集及图像处理算法实现[D]. 张浩然.云南大学 2015
[5]基于类推思想的车牌字符图像清晰度提升[D]. 周茜.西安电子科技大学 2012
[6]基于机器视觉的触点零件在线检测系统研究[D]. 阮晓虹.上海交通大学 2010
本文编号：3123721
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3123721.html
