铣削纹理背景下的工件表面缺陷分类识别
发布时间：2020-08-13 04:32
【摘要】：为解决工件表面缺陷在铣削纹理背景干扰下识别难的问题,本文基于机器视觉技术研究了一种铣削纹理背景干扰下工件表面缺陷分类识别方法,主要包括铣削加工实验以及工件表面图像采集实验,工件表面铣削纹理背景提取,工件表面铣削背景纹理抑制及缺陷目标分割,工件表面缺陷特征描述以及缺陷特征向量的构建,工件表面缺陷分类识别等方面,针对这些内容,论文开展了如下研究:(1)铣削实验与工件表面缺陷图像的采集。以高速三轴联动加工中心(HNC-180xp/M3)为实验平台,依据切削加工手册选取三组常用加工参数建立三因素三水平正交实验表,分别针对15号钢、45号钢和钛合金TC4开展铣削实验,以获取具有不同背景纹理的工件表面。基于经验知识描述工件表面常见缺陷的特征,然后针对工件表面进行图像的采集。(2)铣削工件表面纹理背景提取。对采集到的图像进行维纳平滑去噪,针对传统灰度共生矩阵算法采用同一量化区间导致计算复杂度高的问题,提出针对图像纹理变化频率不同的区域采用不同的灰度级量化的方法来进行改进。基于改进后的灰度共生矩阵算法提取工件表面背景纹理,获得工件表面背景纹理图。(3)工件表面背景纹理抑制与缺陷目标分割。将工件表面背景纹理图均分成若干大小相同的像素方块,随机抽样其中若干幅像素方块依次排列成图像矩阵,以近似代表非缺陷区域背景纹理,并作为输入进行非负矩阵分解降维,依次将分解出的基矩阵同背景纹理图中相同大小像素方块求欧式距离,求出距离平均值并赋值给背景纹理图中相应像素方块的中心像素点以抑制背景纹理突显缺陷目标,然后采用K-means聚类算法对工件表面背景纹理弱化图进行二值化处理,实现铣削纹理背景干扰下的工件表面图像缺陷目标分割。(4)工件表面常见缺陷特征描述。依据缺陷目标的几何特征对缺陷特征进行数学化描述,并构建用于分类识别的缺陷特征向量集。(5)工件表面缺陷分类识别模型建立与验证。依据缺陷特征集,设计二叉树支持向量机分类器,采用自上而下分裂的方式构造二叉树结构,将工件表面常见缺陷进行分类识别。理论分析和实验结果表明:本文所建立的缺陷识别与分类方法,能够有效从具有铣削纹理背景的图像中准确分离出缺陷目标并进行分类识别。该方法对背景纹理干扰不敏感,准确率高,为实现工件表面缺陷无损检测提供了一种新思路。
【学位授予单位】：湘潭大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TG54;TP391.41
【图文】：
集目标图像，而后进行目标图像的去噪和增强，随后通过图像分割算法分离出目逡逑标像素点，最后通过模式识别技术进行识别分类，从而实现检测目的，其检测系逡逑统示意图如图１．１所示。在硬件设备一定的情况下，算法的优劣将直接影响缺陷逡逑检测效果。目前，国内外专家学者己经研发了许多针对各种表面缺陷视觉检测算逡逑法，并开发出了相应的检测系统，这些技术广泛的应用在诸如切削加工、汽车制逡逑造、电子元器件、轨道交通和食品安全检测等领域。逡逑光源逦输出结果逡逑２逡逑逦Ｉ逦邋逦邋逦邋逦逡逑待检测目标一？邋ＣＣＤ摄像机一？图像采集卡一？逡逑图１．１机器视觉缺陷检测系统示意图逡逑在切削加工领域，机器视觉技术应用的一个主要分支就是工件表面缺陷检测，逡逑其基本原理是不同缺陷的光学特性存在较大差异，将获取的图像信号转化为数字逡逑信号，并对数字信号进行处理，分析其中的缺陷特征参数，在此基础上实现缺陷逡逑的识别、定位等功能。例如，Ｓａｍｉｋ邋Ｄｕｔｔａ［２６］等提出一种通过对切削加工过程中逡逑刀具表面图像纹理特征的分析并提取出八个关键特征量运用支持向量机对机床逡逑加工状态进行预测的方法，来实现对工件表面加工质量的检测；Ｍｉｃｈａｌ逡逑Ｓｚｙｄｌｏｗｓｋｉ［２７］、Ｌｉｈｏｎｇ邋Ｌｉ［２８］、Ｔ．邋Ｍｉｋｏｔａｊｃｚｙｋ［２９］、Ｃｈｅｎ邋Ｚｈａｎｇ１３。］等也均从不同角逡逑度运用机器视觉技术通过对刀具加工状态的监控
第２章铣削实验与工件表面缺陷图像采集逡逑现在复杂纹理背景干扰下的工件表面质量缺陷检测与识别，第一个具有不同背景纹理的铣削加工表面，而不同的工件材料，加工参数工方案的选择都将导致被加工材料拥有不同的背景纹理；与此同时进行图像采集之前的预处理，以及硬件、软件设备的选择都会对采量产生影响，从而影响到检测的成败。因此，选择合理的刀具、铣工方案进行铣削实验，并且采用合适的图像采集设备进行图像采集图像是本章的主要内容和口的。逡逑铣削加工实验逡逑实验设备简介逡逑）机床如图２．１所示：逡逑
逦（ｂ）４５号钢逦（ｃ）钛合金ＴＣ４逡逑图２．２加工样块逡逑其基本参数如表２．１所示：逡逑表２．１加工材料特性逡逑型号邋＾逦碰伸长率￣收缩率抗拉强度屈服强度逡逑逦（ｇ／ｃｍ３）逦（ＨＢ）逦（％）逦（％）逦（Ｍｐａ）逦（Ｍｐａ）逡逑１５邋号钢逦７．８５逦１４３逦２７逦５５逦３７５逦２２５逡逑４５邋号钢逦７．８５逦１９７逦１６逦４０逦６００逦３５５逡逑钛合金逦４．５０逦２８５逦１０逦２５逦８９５逦８６０逡逑３）加工刀具如图２．３所示：逡逑懌}瑁皱义襄瘛ⅲ慑义贤迹玻臣庸さ毒咤义媳臼笛檠∮玫牡毒呶夏煽勺讼车叮秃盼矗埃粒埃常遥樱矗担樱牛保矗牛牵镀义嫌仓屎辖稹ｅ义希玻保布庸し桨干杓棋义嫌捎诔跏即庸すぜ砻娌黄秸焕诩谐郑氏榷源庸すぜ直鸾写皱义舷常庸す倘缤迹玻此荆哄义希保板义
本文编号：2791528
【学位授予单位】：湘潭大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TG54;TP391.41
【图文】：
集目标图像，而后进行目标图像的去噪和增强，随后通过图像分割算法分离出目逡逑标像素点，最后通过模式识别技术进行识别分类，从而实现检测目的，其检测系逡逑统示意图如图１．１所示。在硬件设备一定的情况下，算法的优劣将直接影响缺陷逡逑检测效果。目前，国内外专家学者己经研发了许多针对各种表面缺陷视觉检测算逡逑法，并开发出了相应的检测系统，这些技术广泛的应用在诸如切削加工、汽车制逡逑造、电子元器件、轨道交通和食品安全检测等领域。逡逑光源逦输出结果逡逑２逡逑逦Ｉ逦邋逦邋逦邋逦逡逑待检测目标一？邋ＣＣＤ摄像机一？图像采集卡一？逡逑图１．１机器视觉缺陷检测系统示意图逡逑在切削加工领域，机器视觉技术应用的一个主要分支就是工件表面缺陷检测，逡逑其基本原理是不同缺陷的光学特性存在较大差异，将获取的图像信号转化为数字逡逑信号，并对数字信号进行处理，分析其中的缺陷特征参数，在此基础上实现缺陷逡逑的识别、定位等功能。例如，Ｓａｍｉｋ邋Ｄｕｔｔａ［２６］等提出一种通过对切削加工过程中逡逑刀具表面图像纹理特征的分析并提取出八个关键特征量运用支持向量机对机床逡逑加工状态进行预测的方法，来实现对工件表面加工质量的检测；Ｍｉｃｈａｌ逡逑Ｓｚｙｄｌｏｗｓｋｉ［２７］、Ｌｉｈｏｎｇ邋Ｌｉ［２８］、Ｔ．邋Ｍｉｋｏｔａｊｃｚｙｋ［２９］、Ｃｈｅｎ邋Ｚｈａｎｇ１３。］等也均从不同角逡逑度运用机器视觉技术通过对刀具加工状态的监控
第２章铣削实验与工件表面缺陷图像采集逡逑现在复杂纹理背景干扰下的工件表面质量缺陷检测与识别，第一个具有不同背景纹理的铣削加工表面，而不同的工件材料，加工参数工方案的选择都将导致被加工材料拥有不同的背景纹理；与此同时进行图像采集之前的预处理，以及硬件、软件设备的选择都会对采量产生影响，从而影响到检测的成败。因此，选择合理的刀具、铣工方案进行铣削实验，并且采用合适的图像采集设备进行图像采集图像是本章的主要内容和口的。逡逑铣削加工实验逡逑实验设备简介逡逑）机床如图２．１所示：逡逑
逦（ｂ）４５号钢逦（ｃ）钛合金ＴＣ４逡逑图２．２加工样块逡逑其基本参数如表２．１所示：逡逑表２．１加工材料特性逡逑型号邋＾逦碰伸长率￣收缩率抗拉强度屈服强度逡逑逦（ｇ／ｃｍ３）逦（ＨＢ）逦（％）逦（％）逦（Ｍｐａ）逦（Ｍｐａ）逡逑１５邋号钢逦７．８５逦１４３逦２７逦５５逦３７５逦２２５逡逑４５邋号钢逦７．８５逦１９７逦１６逦４０逦６００逦３５５逡逑钛合金逦４．５０逦２８５逦１０逦２５逦８９５逦８６０逡逑３）加工刀具如图２．３所示：逡逑懌}瑁皱义襄瘛ⅲ慑义贤迹玻臣庸さ毒咤义媳臼笛檠∮玫牡毒呶夏煽勺讼车叮秃盼矗埃粒埃常遥樱矗担樱牛保矗牛牵镀义嫌仓屎辖稹ｅ义希玻保布庸し桨干杓棋义嫌捎诔跏即庸すぜ砻娌黄秸焕诩谐郑氏榷源庸すぜ直鸾写皱义舷常庸す倘缤迹玻此荆哄义希保板义
本文编号：2791528
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/2791528.html
