基于机器视觉的玻璃器皿缺陷检测系统
发布时间：2021-03-26 10:33
随着人们对玻璃器皿品质要求的不断提高,玻璃器皿的质量检测在玻璃生产中显得尤为重要。目前我国的主要玻璃器皿生产厂商的质量检测大都还是依靠人工灯检,这种检测方式存在检测效率低下、检测结果受到人为因素影响以及成本较高等问题,难以满足生产需要。随着机器视觉、模式识别等理论快速发展,机器检测被越来越多的应用到工业检测领域当中。本文设计了一套基于机器视觉技术的玻璃器皿缺陷检测识别系统,来代替传统人工检测的方法,从而提高了检测的效率和精度。本论文的主要研究内容如下:根据玻璃器皿实际生产过程和环境,结合机器视觉检测技术的基本原理,在研究分析了大量文献的基础上,设计了玻璃器皿缺陷检测系统的整体方案,包括硬件系统的构成、选型,光源照明方案和软件系统的检测算法流程等。分析了玻璃器皿图像的获取过程中噪声产生的原因和类型,在此基础上设计了玻璃器皿缺陷检测系统的图像预处理算法。对加权均值滤波进行了改进,设计了自适应加权掩模均值滤波算法。然后对图像进行了锐化和增强处理,采用了灰度变换和直方图均衡化对玻璃器皿图像分别从灰度值线性映射和灰度值动态拉伸两个角度进行增强,为下一步的缺陷分割奠定了基础。研究了玻璃器皿缺陷的检...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：97 页
【学位级别】：硕士
【部分图文】：
图１－１视觉检测系统构成??其中，工业相机作为整个检测系统中图像获取与感知的核心单元，主要功??
—．??图２－１玻璃器皿自动检测系统??玻璃器皿自动检测系统如图２－１所示，包括硬件和软件两个子系统。硬??件系统主要负责玻璃器皿输送、工装定位、器皿翻转、称重及成像采集和机械??７??
据并给出器皿是否合格的检测结果；??视觉检测系统：其功能是对器皿进行全面检测，判断器皿是否合格，记录??并给出判断结果。机器视觉检测系统构成图如图２－２所示：??工业相机??视觉光源工业计??ｒ?１?雜＇??１＾＂＇＇?■?－?机械手??图２－２玻璃器皿视觉检测系统构成??２．２．２相机和镜头的选型??图像的获取在整个机器视觉检测系统中占据着重要地位，成像质量较好的??图像对后续检测、分类算法的稳定运行起着事半功倍的效果，可以起到简化检??测算法的作用，甚至关系到整个检测、分类算法的成败。??８??
【参考文献】：
期刊论文
[1]Morphological Undecimated Wavelet Decomposition Fusion Algorithm and Its Application on Fault Feature Extraction of Hydraulic Pump[J]. 孙健,李洪儒,王卫国,叶鹏. Transactions of Nanjing University of Aeronautics and Astronautics. 2015(03)
[2]Feature Extraction of Bearing Vibration Signals Using Second Generation Wavelet and Spline-Based Local Mean Decomposition[J]. 文成玉,董良,金欣. Journal of Shanghai Jiaotong University（Science）. 2015(01)
[3]基于机器视觉的半导体表面缺陷检测研究[J]. 董先飞,韩震宇,廖声洋,仪向向. 计测技术. 2014(05)
[4]Study of a New Improved PSO-BP Neural Network Algorithm[J]. Li Zhang,Jia-Qiang Zhao,Xu-Nan Zhang,Sen-Lin Zhang. Journal of Harbin Institute of Technology. 2013(05)
[5]玻璃缺陷特征提取[J]. 郭振铎,刘洲峰,徐庆伟,朱永胜. 中原工学院学报. 2010(02)
[6]基于不变矩特征的图像识别[J]. 杜庆海,于忠清,张佳. 信息技术与信息化. 2008(06)
[7]基于不变矩特征及BP神经网络的图像模式识别[J]. 田华,石圣羽,宗晓萍. 河北大学学报(自然科学版). 2008(02)
[8]一种透视变换图像金字塔匹配改进算法[J]. 金勇俊,李言俊,张科. 计算机工程与应用. 2007(24)
[9]基于Haar小波的图像变换方法的研究[J]. 薛智刚,李巴津. 微计算机信息. 2006(30)
[10]BP算法分析与改进[J]. 贾丽会,张修如. 计算机技术与发展. 2006(10)
博士论文
[1]模板图像快速可靠匹配技术研究[D]. 董晶.国防科学技术大学 2015
[2]神经网络的优化与用于优化的神经网络[D]. Atlas Khan.大连理工大学 2013
[3]BP神经网络分类器优化技术研究[D]. 高鹏毅.华中科技大学 2012
[4]产品表面缺陷在线检测方法研究及系统实现[D]. 彭向前.华中科技大学 2008
[5]边缘检测的若干技术研究[D]. 董鸿燕.国防科学技术大学 2008
硕士论文
[1]基于机器视觉的西林瓶缺陷检测算法及系统研究[D]. 杨宗芳.太原科技大学 2016
[2]基于双阈值分割的玻璃缺陷特征提取方法研究[D]. 杨继亮.中北大学 2012
[3]图像阈值分割算法研究[D]. 谢鹏鹤.湘潭大学 2012
[4]基于机器视觉的玻璃质量在线检测系统研究[D]. 王飞.河南科技大学 2010
[5]浮法玻璃缺陷的智能识别方法[D]. 胡亮.武汉理工大学 2010
[6]基于小波变换的图像分割技术[D]. 毛安定.昆明理工大学 2009
[7]基于小波变换技术的图像压缩研究[D]. 陈宏曙.南京理工大学 2004
本文编号：3101439
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：97 页
【学位级别】：硕士
【部分图文】：
图１－１视觉检测系统构成??其中，工业相机作为整个检测系统中图像获取与感知的核心单元，主要功??
—．??图２－１玻璃器皿自动检测系统??玻璃器皿自动检测系统如图２－１所示，包括硬件和软件两个子系统。硬??件系统主要负责玻璃器皿输送、工装定位、器皿翻转、称重及成像采集和机械??７??
据并给出器皿是否合格的检测结果；??视觉检测系统：其功能是对器皿进行全面检测，判断器皿是否合格，记录??并给出判断结果。机器视觉检测系统构成图如图２－２所示：??工业相机??视觉光源工业计??ｒ?１?雜＇??１＾＂＇＇?■?－?机械手??图２－２玻璃器皿视觉检测系统构成??２．２．２相机和镜头的选型??图像的获取在整个机器视觉检测系统中占据着重要地位，成像质量较好的??图像对后续检测、分类算法的稳定运行起着事半功倍的效果，可以起到简化检??测算法的作用，甚至关系到整个检测、分类算法的成败。??８??
【参考文献】：
期刊论文
[1]Morphological Undecimated Wavelet Decomposition Fusion Algorithm and Its Application on Fault Feature Extraction of Hydraulic Pump[J]. 孙健,李洪儒,王卫国,叶鹏. Transactions of Nanjing University of Aeronautics and Astronautics. 2015(03)
[2]Feature Extraction of Bearing Vibration Signals Using Second Generation Wavelet and Spline-Based Local Mean Decomposition[J]. 文成玉,董良,金欣. Journal of Shanghai Jiaotong University（Science）. 2015(01)
[3]基于机器视觉的半导体表面缺陷检测研究[J]. 董先飞,韩震宇,廖声洋,仪向向. 计测技术. 2014(05)
[4]Study of a New Improved PSO-BP Neural Network Algorithm[J]. Li Zhang,Jia-Qiang Zhao,Xu-Nan Zhang,Sen-Lin Zhang. Journal of Harbin Institute of Technology. 2013(05)
[5]玻璃缺陷特征提取[J]. 郭振铎,刘洲峰,徐庆伟,朱永胜. 中原工学院学报. 2010(02)
[6]基于不变矩特征的图像识别[J]. 杜庆海,于忠清,张佳. 信息技术与信息化. 2008(06)
[7]基于不变矩特征及BP神经网络的图像模式识别[J]. 田华,石圣羽,宗晓萍. 河北大学学报(自然科学版). 2008(02)
[8]一种透视变换图像金字塔匹配改进算法[J]. 金勇俊,李言俊,张科. 计算机工程与应用. 2007(24)
[9]基于Haar小波的图像变换方法的研究[J]. 薛智刚,李巴津. 微计算机信息. 2006(30)
[10]BP算法分析与改进[J]. 贾丽会,张修如. 计算机技术与发展. 2006(10)
博士论文
[1]模板图像快速可靠匹配技术研究[D]. 董晶.国防科学技术大学 2015
[2]神经网络的优化与用于优化的神经网络[D]. Atlas Khan.大连理工大学 2013
[3]BP神经网络分类器优化技术研究[D]. 高鹏毅.华中科技大学 2012
[4]产品表面缺陷在线检测方法研究及系统实现[D]. 彭向前.华中科技大学 2008
[5]边缘检测的若干技术研究[D]. 董鸿燕.国防科学技术大学 2008
硕士论文
[1]基于机器视觉的西林瓶缺陷检测算法及系统研究[D]. 杨宗芳.太原科技大学 2016
[2]基于双阈值分割的玻璃缺陷特征提取方法研究[D]. 杨继亮.中北大学 2012
[3]图像阈值分割算法研究[D]. 谢鹏鹤.湘潭大学 2012
[4]基于机器视觉的玻璃质量在线检测系统研究[D]. 王飞.河南科技大学 2010
[5]浮法玻璃缺陷的智能识别方法[D]. 胡亮.武汉理工大学 2010
[6]基于小波变换的图像分割技术[D]. 毛安定.昆明理工大学 2009
[7]基于小波变换技术的图像压缩研究[D]. 陈宏曙.南京理工大学 2004
本文编号：3101439
本文链接：https://www.wllwen.com/kejilunwen/huaxuehuagong/3101439.html
