基于机器视觉的干电池缺陷并行检测方法研究

发布时间：2017-09-07 10:38

  本文关键词：基于机器视觉的干电池缺陷并行检测方法研究

  更多相关文章： 干电池 机器视觉 LabVIEW并行检测 多通道图像采集 图像处理

【摘要】：干电池是生活中重要的日用消费品,随着需求增长和自动化技术发展,干电池生产设备日益朝向高速化、自动化方向发展。干电池各个工序的检测是决定其产品质量的一个重要环节。由于生产设备、工艺和环境等因素的影响,干电池在生产过程会出现锌筒和浆层纸变形、漏装碳棒、碳棒偏心等缺陷,这些缺陷会严重影响干电池的质量。目前传统检测方式依赖于人工目测,不但检测速度慢,劳动强度大,而且不能消除主观和视觉疲劳带来的检测误差,难以满足现代高速生产线的检测要求。因此,如何高效、准确地检测出干电池缺陷,不仅是企业提高干电池质量和效率所急需解决的问题,而且具有重要的课题研究价值。基于LabVIEW的机器视觉检测方法有非接触、高速度和高精度等特点。本文针对干电池生产线上三类缺陷：锌筒、浆层纸和碳棒缺陷,展开机器视觉的多通道并行检测研究,初步实现了并行检测实验装置的搭建。首先,本文对浆层纸装配和插碳棒工位做检测需求分析,制定实验装置的技术要求及整体设计方案。并完成硬件部分图像采集系统的搭建,包括照明系统设计、CMOS传感器选型、光学镜头选型及安装、PC控制计算机组件选型。其次,本文在LabVIEW平台上采用基于队列状态机的生产者／消费者设计模式,通过生产者／消费者队列数据传输实现多通道图像采集。四个CMOS摄像头并行采集的图像数据和程序运行状态捆绑加入生产者／消费者队列中,通过队列传输图像数据和运行状态。该模式充分利用了控制计算机自动多线程编程的硬件资源,也结合了生产者／消费者设计模式的并行性,提高了程序运行效率。检测装置的软件架构采用模块化设计,介绍了LabVIEW上的多通道图像采集模块、图像处理模块和数据存储模块实现过程,并对实验装置的主界面进行了设计。最后,对整个程序的核心图像处理模块展开设计与优化。研究了各种干电池图像预处理和分割方法,通过实验结果对比,中值滤波更适合干电池图像消噪,线性灰度变换在增强干电池目标信息对比度上效果更佳。研究了边缘检测方法,通过实验结果对比,发现锌筒、浆层纸和碳棒存在明显边缘特征,为缺陷识别提供特征参数。针对干电池锌筒缺陷、浆层纸和碳棒缺陷的识别算法：基于梯度的轮廓提取能够高效地提取锌桶外轮廓以及实现碳棒的定位,使用实际轮廓与拟合轮廓的间距来衡量锌筒变形程度,该程序易于实现且可靠性高；浆层纸具有明显的区域特征,通过区域边缘强度检测能够准确识别缺陷；通过区域边缘强度检测和碳棒轮廓定位可以有效实现缺碳棒和偏心缺陷识别。
【关键词】：干电池 机器视觉 LabVIEW并行检测 多通道图像采集 图像处理
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM911.1;TP391.41
【目录】：

• 摘要4-6
• Abstract6-14
• 第一章 绪论14-25
• 1.1 课题研究背景及研究意义14-15
• 1.2 机器视觉理论概述15-16
• 1.3 LabVIEW及视觉模块介绍16-19
• 1.3.1 LabVIEW的软件开发环境16-17
• 1.3.2 LabVIEW视觉模块17-19
• 1.4 国内外研究状况19-23
• 1.4.1 机器视觉国内外研究状况19-21
• 1.4.2 并行处理技术研究状况21-22
• 1.4.3 干电池缺陷检测技术研究状况22-23
• 1.5 本文主的研究目标和主要工作23-25
• 第二章 干电池缺陷并行检测实验装置搭建25-35
• 2.1 检测实验装置整体设计25-27
• 2.1.1 干电池缺陷分析25-26
• 2.1.2 技术要求26
• 2.1.3 整体设计方案26-27
• 2.2 硬件选择27-33
• 2.2.1 照明系统设计27-29
• 2.2.2 摄像机选型29-32
• 2.2.3 光学镜头32-33
• 2.2.4 其它硬件设备33
• 2.3 检测装置的实验环境33
• 2.4 本章小结33-35
• 第三章 基于LabVIEW的干电池缺陷并行检测软件设计35-44
• 3.1 并行检测装置软件设计模式35-38
• 3.1.1 生产者/消费者模式35-36
• 3.1.2 基于队列状态机的生产者/消费者模式36-37
• 3.1.3 软件检测流程37-38
• 3.2 实验装置的软件模块38-42
• 3.2.1 多通道图像采集模块38-39
• 3.2.2 图像处理模块39-40
• 3.2.3 数据存储模块40
• 3.2.4 系统主界面设计40-42
• 3.3 软件检测效果42-43
• 3.4 本章小结43-44
• 第四章 干电池缺陷图像预处理和边缘检测44-57
• 4.1 图像处理流程44-45
• 4.2 图像预处理45-52
• 4.2.1 图像滤波46-48
• 4.2.2 图像滤波效果分析48-49
• 4.2.3 灰度变换49-50
• 4.2.4 灰度变换效果分析50-52
• 4.3 边缘检测52-56
• 4.4 本章小结56-57
• 第五章 干电池缺陷识别方法研究57-70
• 5.1 干电池缺陷特征分析57-59
• 5.1.1 锌筒缺陷特征分析57-58
• 5.1.2 浆层纸缺陷特征分析58
• 5.1.3 碳棒缺陷特征分析58-59
• 5.2 锌筒缺陷识别59-63
• 5.2.1 轮廓提取59-61
• 5.2.2 轮廓匹配61-63
• 5.3 浆层纸缺陷识别63-65
• 5.4 碳棒缺陷识别65-69
• 5.4.1 基于边缘特征的缺陷识别65-67
• 5.4.2 模板匹配67-69
• 5.5 本章小结69-70
• 总结与展望70-72
• 参考文献72-76
• 攻读硕士学位期间发表的论文76-78
• 致谢78

【相似文献】

中国期刊全文数据库 前10条

1 刘曙光,屈萍鸽,费佩燕;机器视觉在纺织检测中的应用[J];纺织学报;2003年06期

2 赵茂程;侯文军;;我国基于机器视觉的水果自动分级技术及研究进展[J];包装与食品机械;2007年05期

3 张五一;赵强松;王东云;;机器视觉的现状及发展趋势[J];中原工学院学报;2008年01期

4 牛一帆;;机器视觉在印刷质量检测中的应用[J];印刷质量与标准化;2009年09期

5 牛一帆;;机器视觉在印刷质量检测中的应用[J];广东印刷;2009年05期

6 杨继志;郭敬;;机器视觉在烟草行业的应用[J];机电产品开发与创新;2011年06期

7 王蕾;刘建立;高卫东;;基于机器视觉的织物洗涤后尺寸稳定性评价[J];纺织学报;2012年07期

8 张晶;刘东明;;基于机器视觉的工件检测系统研究[J];硅谷;2012年09期

9 张树君;辛莹莹;陈大千;;基于机器视觉的饮料瓶标签检测设备[J];食品研究与开发;2014年03期

10 黄星奕;钱媚;徐富斌;;基于机器视觉和近红外光谱技术的杏干品质无损检测[J];农业工程学报;2012年07期

中国重要会议论文全文数据库 前10条

1 赵磊;董吉文;李金屏;;拓扑理论在机器视觉中的研究进展[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

2 张彦东;;基于机器视觉的连接器装配机床改造研究[A];首届珠中江科协论坛论文集[C];2011年

3 蔡小秧;陈文楷;;机器视觉中的鲁棒估计技术[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 刘雅举;李娜;张莉;李东明;;机器视觉在药用玻璃瓶质量检测中的研究[A];2007年河北省电子学会、河北省计算机学会、河北省自动化学会、河北省人工智能学会、河北省计算机辅助设计研究会、河北省软件行业协会联合学术年会论文集[C];2007年

5 吴庆华;代娜;黄俊敏;程志辉;何涛;;基于机器视觉的轴承二维尺寸检测[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

6 马连峰;张秋菊;;基于机器视觉的彩色套印检测技术研究[A];第十一届全国包装工程学术会议论文集（二）[C];2007年

7 金守峰;张慧;;面向机器视觉的织物纬斜检测方法[A];全国先进制造技术高层论坛暨第九届制造业自动化与信息化技术研讨会论文集[C];2010年

8 管庶安;周龙;陈永强;廖明潮;;机器视觉在粮食品质检测中的应用研究[A];中国粮油学会第三届学术年会论文选集（下册）[C];2004年

9 张伟华;陈军;连世江;贾海政;;机器视觉及其在农业机械中的应用综述[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

10 沈宝国;陈树人;尹建军;;基于机器视觉的棉田杂草精确定位研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

中国重要报纸全文数据库 前10条

1 本报记者 李剑琦;机器视觉行业整合正热 中国市场尚处萌芽期[N];机电商报;2005年

2 本报记者 董碧娟;解密机器视觉“第三只眼”[N];经济日报;2013年

3 本报记者 郭涛;机器视觉：为机器装上“眼睛”和“大脑”[N];中国高新技术产业导报;2014年

4 张均;德国机器视觉传感器市场前景好[N];中国贸易报;2007年

5 金刚;给机器一双慧眼[N];计算机世界;2007年

6 朱广菁;机器视觉怎样“看”不合格产品[N];大众科技报;2008年

7 宋昆;用机器视觉控制烟草质量[N];计算机世界;2007年

8 张栋;西安光电子专业孵化器举办专业展览会[N];中国高新技术产业导报;2007年

9 王遐;机器视觉:药品包装在线检测系统开发成功[N];中国包装报;2010年

10 点评人 高炎 黄牧青 刘笑一 李士杰 北京大学技术转移中心;机器视觉辅助冬季道路状况监测[N];科技日报;2014年

中国博士学位论文全文数据库 前10条

1 梁卓锐;机器视觉手势交互的交互映射研究[D];华南理工大学;2015年

2 孟庆宽;基于机器视觉的农业车辆—农具组合导航系统路径识别及控制方法研究[D];中国农业大学;2014年

3 葛动元;面向精密制造与检测的机器视觉及智能算法研究[D];华南理工大学;2013年

4 饶洪辉;基于机器视觉的作物对行喷药控制系统研究[D];南京农业大学;2006年

5 龚爱平;基于嵌入式机器视觉的信息采集与处理技术研究[D];浙江大学;2013年

6 陈丽君;基于机器视觉的变量喷雾控制系统研究[D];沈阳农业大学;2009年

7 徐晓秋;机器视觉球面孔位快速精密测量系统的研究[D];四川大学;2006年

8 成芳;稻种质量的机器视觉无损检测研究[D];浙江大学;2004年

9 程洪;面向园艺应用的机器视觉目标辨识方法创新[D];中国农业大学;2015年

10 许海霞;机器视觉标定与目标检测跟踪方法及其应用研究[D];湖南大学;2011年

中国硕士学位论文全文数据库 前10条

1 冼志军;锡膏印刷机误差与锡膏印刷质量检测技术研究[D];华南理工大学;2015年

2 孙斌;基于FPGA的压力表盘机器视觉研究与实现[D];昆明理工大学;2015年

3 许哲;基于机器视觉的快速测温热电偶焊接技术研究[D];河北联合大学;2014年

4 李鹏;基于机器视觉的PCB工业在线检测系统研究[D];昆明理工大学;2015年

5 佘燕玲;以用户为中心的机器视觉手势交互空间映射关系研究[D];华南理工大学;2015年

6 孙中国;基于机器视觉的面粉袋码垛机器人研究[D];山东建筑大学;2015年

7 漆静;基于机器视觉集装箱吊具智能定位系统研究[D];西南交通大学;2015年

8 张文;基于机器视觉的通信装备故障识别研究[D];西南交通大学;2015年

9 冉宝山;基于机器视觉的装料系统试验研究[D];长安大学;2015年

10 冯康;基于机器视觉的棉花识别与定位技术的研究[D];石河子大学;2015年

，

本文编号：809054