基于机器视觉的玻璃边部磨削缺陷检测的研究与应用
发布时间：2021-11-02 08:12
机器视觉是一种利用图像感知装置捕获现实场景中的图像,然后利用计算机将图像中的特征识别出来,把特征参数存储起来或者生成相应的反馈信号作用于被测物体的自动化、智能化技术。该技术的处理速度快,识别精度高,可以检测到人眼不易分辨的微小物体。由于玻璃磨边所产生的缺陷非常细微,依靠人眼进行缺陷检测极易产生误检和漏检,针对这一现状,本课题将机器视觉技术在玻璃的磨边缺陷检测中运用,研究出了一种稳定、可靠且高效的新型自动化缺陷检测技术。课题的研究从三个角度展开:理论、实践和结果验证。理论方面包括机器视觉国内外现状的分析,光源的研究,玻璃磨边的加工过程,玻璃缺陷的形成机理,缺陷的类型（包括亮斑、爆边和白线）,工业CCD相机的成像原理,图像处理技术（降噪、锐化、分割、边缘检测、数学形态学以及文件存储格式）;实践方面围绕着玻璃磨边缺陷自动检测系统开发展开,内容包括总架构设计与功能详尽实现。总体方案的内容包括系统的功能模块化分,系统的总体架构图,感知设备结构的选取,传输链路的设计以及计算模块配置。详尽设计包括硬件的选取、缺陷的识别算法设计、软件设计以及后续数据的分析处理。算法设计是在现有的图像处理算法的基础上设...
【文章来源】：烟台大学山东省
【文章页数】：99 页
【学位级别】：硕士
【部分图文】：
机器视觉系统原理图
图 1.1 机器视觉系统原理图视觉传感器。机器视觉系统通常都有自己的由相机和镜头组成的成像系统，传感器分为线阵和面阵电耦合器（charge couple device,CCD）和互补金属体（complementary mental oxide semiconductor,CMOS）图像传感器。线阵D 的灵敏度很高、具有非常小的几何畸变、采集图像的延时性也非常低，视觉领域的快速发展。CMOS 传感器具有功耗低、体积小、成本低等独在机器视觉领域中也越来越引起人们的关注。光源。光源作为机器视觉系统的照明组件，对成像质量起着至关重要的作以直接影响到系统运转的精确呈度以及图像处理算法的复杂程度。根据具使用场景需要设计出具体的光源结构来解决实际问题。光源根据构成材料为高频荧光灯、光纤卤素灯、LED 灯，如图 1.2 所示。
图 1.3 光源性能对比从光源形态角度划分可分为环形光源、条形光源、同轴光源、背景光源等。环形光源的散射效果较明显，适合圆形被测物体，可以突出检测目标的三维信息；照射角度单一，与镜头安装使用减小占用空间；可用于电路板、边缘轮廓线、等表面特征检测，如图 1.4（a）所示。条形光源是方形被测物体的不二之选，其照射轨迹是沿着一条直线延伸，因此可用于边缘检测、图像扫描、棱角检测等，如图 1.4（b）所示。同轴光源发射的光线几乎平行，其发射出的光经过特定装置照射到物体上可以完全沿着直线返回到镜头中，清晰突出凹凸物体特征；其最突出的特点就是其光照均匀性与成像质量随着光源的工作距离变动极小；可用于高反光镜面表面的缺陷检测，如 CD、DVD、玻璃表面破损以及内部杂质等，如图 1.4（c）所示。背景光源是使用高密度 LED 颗粒排列而成，可以发出理想的平行光，尺寸种类丰富；可用于目标定位、工件尺寸测量、大面积电路板电子器件检测可识别、透明或半透明物体的污点、坏点检测等。如图 1.4（d）所示[10-14]。
【参考文献】：
期刊论文
[1]超高速磨削过程中磨削热分布率的研究[J]. 刘晓初,赵传,覃哲,周佳华,周文波,代东波. 组合机床与自动化加工技术. 2017(08)
[2]微晶玻璃超精密磨削的表面/亚表面损伤及其材料去除机理研究[J]. 高尚,朱祥龙,康仁科,郭东明,王紫光,张璧. 机械工程学报. 2017(07)
[3]新型高光谱图像快速实时目标检测与分类方法[J]. 付立婷,邓河,刘春红. 光学学报. 2017(02)
[4]磨削速度和压力对单晶硅去除特性的影响[J]. 于月滨,王紫光,周平,高尚,郭东明. 金刚石与磨料磨具工程. 2016(03)
[5]图像处理中几个关键算法的分析[J]. 魏艳艳. 电子测试. 2016(12)
[6]基于机器视觉的瓶口缺陷检测方法研究[J]. 周显恩,王耀南,朱青,吴成中,彭玉. 电子测量与仪器学报. 2016(05)
[7]数字图像处理与识别系统的开发研究[J]. 朱安琪. 电子测试. 2016(09)
[8]机器视觉在我国农业中的应用研究进展分析[J]. 王风云,郑纪业,唐研,刘延忠,李乔宇,穆元杰,王磊. 山东农业科学. 2016(04)
[9]石英玻璃的热辅助高效塑性域干磨削[J]. 王伟,姚鹏,王军,黄传真,朱洪涛. 光学精密工程. 2016(01)
[10]液晶屏模糊边缘缺陷分布式检测方法[J]. 夏晓云,张仁斌,谢瑞,王聪. 计算机应用研究. 2016(08)
博士论文
[1]大型立式玻璃磨边机关键力学问题研究[D]. 徐宏海.北京工业大学 2013
[2]基于嵌入式机器视觉的信息采集与处理技术研究[D]. 龚爱平.浙江大学 2013
[3]基于微纳米划擦特性的光学玻璃磨削机理与工艺研究[D]. 顾伟彬.上海交通大学 2012
[4]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]光学玻璃磨削亚表面裂纹分析及深度预测研究[D]. 冷冰.哈尔滨工业大学 2015
[2]大磨粒金刚石砂轮精密磨削光学玻璃的仿真及实验研究[D]. 刘翠军.哈尔滨工业大学 2013
[3]立式玻璃磨边机关键部件有限元分析及优化设计[D]. 郑晓丽.北方工业大学 2013
[4]基于机器视觉的触摸屏玻璃缺陷检测方法研究[D]. 陈晓红.华南理工大学 2013
[5]基于机器视觉的边缘检测算法研究与应用[D]. 张少伟.上海交通大学 2013
[6]基于亚像素的图像检测方法与关键技术研究[D]. 艾红干.中南大学 2012
[7]光学玻璃磨削裂纹形成过程仿真及试验研究[D]. 孟彬彬.哈尔滨工业大学 2011
[8]基于USB的线阵CCD图像采集系统[D]. 闫成彦.大连理工大学 2009
[9]玻璃磨削中切削力和金刚石刀具磨破损的实验研究[D]. 聂瑞.山东大学 2009
[10]基于VC++的数字图像处理系统的开发及算法研究[D]. 谭林秋.西安理工大学 2008
本文编号：3471666
【文章来源】：烟台大学山东省
【文章页数】：99 页
【学位级别】：硕士
【部分图文】：
机器视觉系统原理图
图 1.1 机器视觉系统原理图视觉传感器。机器视觉系统通常都有自己的由相机和镜头组成的成像系统，传感器分为线阵和面阵电耦合器（charge couple device,CCD）和互补金属体（complementary mental oxide semiconductor,CMOS）图像传感器。线阵D 的灵敏度很高、具有非常小的几何畸变、采集图像的延时性也非常低，视觉领域的快速发展。CMOS 传感器具有功耗低、体积小、成本低等独在机器视觉领域中也越来越引起人们的关注。光源。光源作为机器视觉系统的照明组件，对成像质量起着至关重要的作以直接影响到系统运转的精确呈度以及图像处理算法的复杂程度。根据具使用场景需要设计出具体的光源结构来解决实际问题。光源根据构成材料为高频荧光灯、光纤卤素灯、LED 灯，如图 1.2 所示。
图 1.3 光源性能对比从光源形态角度划分可分为环形光源、条形光源、同轴光源、背景光源等。环形光源的散射效果较明显，适合圆形被测物体，可以突出检测目标的三维信息；照射角度单一，与镜头安装使用减小占用空间；可用于电路板、边缘轮廓线、等表面特征检测，如图 1.4（a）所示。条形光源是方形被测物体的不二之选，其照射轨迹是沿着一条直线延伸，因此可用于边缘检测、图像扫描、棱角检测等，如图 1.4（b）所示。同轴光源发射的光线几乎平行，其发射出的光经过特定装置照射到物体上可以完全沿着直线返回到镜头中，清晰突出凹凸物体特征；其最突出的特点就是其光照均匀性与成像质量随着光源的工作距离变动极小；可用于高反光镜面表面的缺陷检测，如 CD、DVD、玻璃表面破损以及内部杂质等，如图 1.4（c）所示。背景光源是使用高密度 LED 颗粒排列而成，可以发出理想的平行光，尺寸种类丰富；可用于目标定位、工件尺寸测量、大面积电路板电子器件检测可识别、透明或半透明物体的污点、坏点检测等。如图 1.4（d）所示[10-14]。
【参考文献】：
期刊论文
[1]超高速磨削过程中磨削热分布率的研究[J]. 刘晓初,赵传,覃哲,周佳华,周文波,代东波. 组合机床与自动化加工技术. 2017(08)
[2]微晶玻璃超精密磨削的表面/亚表面损伤及其材料去除机理研究[J]. 高尚,朱祥龙,康仁科,郭东明,王紫光,张璧. 机械工程学报. 2017(07)
[3]新型高光谱图像快速实时目标检测与分类方法[J]. 付立婷,邓河,刘春红. 光学学报. 2017(02)
[4]磨削速度和压力对单晶硅去除特性的影响[J]. 于月滨,王紫光,周平,高尚,郭东明. 金刚石与磨料磨具工程. 2016(03)
[5]图像处理中几个关键算法的分析[J]. 魏艳艳. 电子测试. 2016(12)
[6]基于机器视觉的瓶口缺陷检测方法研究[J]. 周显恩,王耀南,朱青,吴成中,彭玉. 电子测量与仪器学报. 2016(05)
[7]数字图像处理与识别系统的开发研究[J]. 朱安琪. 电子测试. 2016(09)
[8]机器视觉在我国农业中的应用研究进展分析[J]. 王风云,郑纪业,唐研,刘延忠,李乔宇,穆元杰,王磊. 山东农业科学. 2016(04)
[9]石英玻璃的热辅助高效塑性域干磨削[J]. 王伟,姚鹏,王军,黄传真,朱洪涛. 光学精密工程. 2016(01)
[10]液晶屏模糊边缘缺陷分布式检测方法[J]. 夏晓云,张仁斌,谢瑞,王聪. 计算机应用研究. 2016(08)
博士论文
[1]大型立式玻璃磨边机关键力学问题研究[D]. 徐宏海.北京工业大学 2013
[2]基于嵌入式机器视觉的信息采集与处理技术研究[D]. 龚爱平.浙江大学 2013
[3]基于微纳米划擦特性的光学玻璃磨削机理与工艺研究[D]. 顾伟彬.上海交通大学 2012
[4]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]光学玻璃磨削亚表面裂纹分析及深度预测研究[D]. 冷冰.哈尔滨工业大学 2015
[2]大磨粒金刚石砂轮精密磨削光学玻璃的仿真及实验研究[D]. 刘翠军.哈尔滨工业大学 2013
[3]立式玻璃磨边机关键部件有限元分析及优化设计[D]. 郑晓丽.北方工业大学 2013
[4]基于机器视觉的触摸屏玻璃缺陷检测方法研究[D]. 陈晓红.华南理工大学 2013
[5]基于机器视觉的边缘检测算法研究与应用[D]. 张少伟.上海交通大学 2013
[6]基于亚像素的图像检测方法与关键技术研究[D]. 艾红干.中南大学 2012
[7]光学玻璃磨削裂纹形成过程仿真及试验研究[D]. 孟彬彬.哈尔滨工业大学 2011
[8]基于USB的线阵CCD图像采集系统[D]. 闫成彦.大连理工大学 2009
[9]玻璃磨削中切削力和金刚石刀具磨破损的实验研究[D]. 聂瑞.山东大学 2009
[10]基于VC++的数字图像处理系统的开发及算法研究[D]. 谭林秋.西安理工大学 2008
本文编号：3471666
本文链接：https://www.wllwen.com/kejilunwen/huaxuehuagong/3471666.html
