小型锻件（管接头）表面缺陷检测关键技术研究
发布时间：2021-06-14 11:47
小型锻件在加工过程中受锻造加工工艺、相关锻压设备等因素的影响,表面往往存在质量缺陷。这些缺陷不仅影响小型锻件的外观,更影响其商业价值。人工检测小型锻件表面缺陷具有效率低、成本高、劳动强度大及漏检等缺点,已经不能满足锻造企业的发展需求。因此,如何在生产过程中高效、准确的检测出小型锻件的表面缺陷,成为提升小型锻件表面质量的关键所在。近年来,机器视觉检测技术在科学信息技术高速发展的带动下得到了快速发展,为小型锻件表面缺陷检测提供了基础。本文以管接头为例研究了小型锻件表面缺陷图像的预处理算法、图像初检算法、图像分割算法、特征提取与选择算法及模式识别算法,并设计了管接头表面缺陷检测的总体方案。主要完成以下工作:1.介绍了管接头的表面特性、生产工艺流程、常见的缺陷类型并分析其产生的原因、特点以及检测系统的技术指标;对管接头检测系统进行整体设计,包括硬件设计和软件设计。2.研究了管接头表面缺陷图像的前景提取算法、预处理算法、图像初检算法、图像分割及缺陷区域目标定位算法。采用GMM算法提取图像的前景区域;自适应中值滤波和分段线性变换对管接头表面缺陷图像进行预处理;局部二进制模式检测算法判断采集的管接头...
【文章来源】：江苏大学江苏省
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
人工检测Fig.1.1Manualdetection
司研发的纤维玻璃检测设备，能够快速识别分类缺陷并记录数据[19]。意大利MARINO 等研制的轨道巡检车对扣件的丢失检测率达到 95%[20]。具体对于表面检测，美国的 COGNEX、NI、VSCAN、Wintriss 公司，瑞士的 BOBST 公司，意大利的 Eudidlabs 公司，加拿大的 Hexsight 公司，德国的 Parsytec 公司，荷兰MOBA 公司、日本的 KEYENCE、THK、OMRON、Nabel 公司研制了很多检测表面缺陷的系统，并得到了应用和推广。图 1.2 是国外一些公司研发的视觉检测设备。轴承缺陷检测设备 钣金缺陷检测设备 针头缺陷检测设备
垫片检测设备 无纺布表面污点检测设备 薄膜质量检测设备图 1.3 国内视觉检测设备Fig.1.3 Domestic visual inspection equipment1.2.2 机器视觉技术在小型锻件表面缺陷检测中的关键技术分析在实现小型锻件表面缺陷视觉检测的过程中，需要解决的关键技术如下：（1）获得高质量的小型锻件表面缺陷图像。小型锻件表面轮廓复杂，表面缺陷位置各异，有些缺陷的颜色和背景的对比度相对较低，因此，合理选择硬件设备和设计照明方案，是采集小型锻件表面缺陷高质量图像的关键。（2）小型锻件缺陷图像分割。缺陷分割的好坏直接影响后续的缺陷判别和整个检测系统的准确率，针对小型锻件的表面缺陷图像研究鲁棒性较强的图像分割算法是实现缺陷检测的首要条件。（3）小型锻件缺陷图像的分类及识别。缺陷分割后，需要通过特征提取算
【参考文献】：
期刊论文
[1]基于自适应学习率BP神经网络的火点定位模型[J]. 王古森,高波. 计算机系统应用. 2019(03)
[2]基于改进多尺度LBP算法的肝脏CT图像特征提取方法[J]. 刘晓虹,朱玉全,刘哲,宋余庆,朱彦,袁德琪. 计算机科学. 2019(03)
[3]机器视觉系统关键技术分析及应用[J]. 侯远韶. 科技资讯. 2019(08)
[4]基于FPGA的图像自适应加权均值滤波设计[J]. 武昊男,储成群,任勇峰,焦新泉. 电子技术应用. 2019(03)
[5]基于模糊数学模型的舰船红外成像目标智能识别方法[J]. 荆天. 舰船科学技术. 2019(04)
[6]基于显著性检测的声呐图像快速降噪研究[J]. 金磊磊,梁红,杨长生. 西北工业大学学报. 2019(01)
[7]基于独立空谱残差融合的联合稀疏表示高光谱图像分类[J]. 卢佳,保文星. 计算机工程. 2019(01)
[8]基于电流的主轴性能退化评估方法[J]. 王红军,邹安南,左云波. 北京理工大学学报. 2019(01)
[9]基于多分类问题处理机制的研究[J]. 李浩,舒炫煜,何楚,田恬恬,王胜春,张锦. 电脑知识与技术. 2018(36)
[10]用于刹车片外观质量检验的照明系统质量检验[J]. 项荣,徐晗升. 仪器仪表学报. 2018(11)
博士论文
[1]基于2D/3D复合机器视觉的三维钢轨表面缺陷检测技术研究[D]. 石甜.武汉科技大学 2017
[2]铁路扣件图像特征提取与识别方法研究[D]. 刘甲甲.西南交通大学 2016
[3]产品表面缺陷视觉检测数据处理关键技术研究[D]. 袁小翠.南昌大学 2015
[4]表面缺陷视觉在线检测关键技术研究[D]. 韩芳芳.天津大学 2012
[5]基于图像处理的钢板表面缺陷成像优化与深度信息提取方法研究[D]. 刘源泂.武汉科技大学 2011
硕士论文
[1]基于卷积神经网络的人脸面部表情识别方法研究[D]. 张璐璐.河北科技大学 2019
[2]显著性检测的优化模型及在图像压缩中的应用[D]. 叶润春.中国科学技术大学 2018
[3]二极管玻壳表面缺陷检测技术研究[D]. 牛乾.西南科技大学 2018
[4]基于机器视觉的铁芯表面缺陷检测系统研究[D]. 胡秀珍.山东大学 2018
[5]基于模糊逻辑的彩色图像对等组矢量滤波算法研究[D]. 李红阳.吉林大学 2018
[6]基于YellowFin声纳的信息提取与利用技术[D]. 胡克明.哈尔滨工程大学 2018
[7]基于机器视觉的钢球表面缺陷检测算法[D]. 董百川.哈尔滨理工大学 2018
[8]基于机器视觉的禽蛋外部缺陷检测[D]. 贾咪咪.浙江工业大学 2017
[9]图像泊松去噪算法研究[D]. 张芳.杭州电子科技大学 2017
[10]基于视频的车流量检测系统研究与实现[D]. 姚伟.南昌航空大学 2015
本文编号：3229767
【文章来源】：江苏大学江苏省
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
人工检测Fig.1.1Manualdetection
司研发的纤维玻璃检测设备，能够快速识别分类缺陷并记录数据[19]。意大利MARINO 等研制的轨道巡检车对扣件的丢失检测率达到 95%[20]。具体对于表面检测，美国的 COGNEX、NI、VSCAN、Wintriss 公司，瑞士的 BOBST 公司，意大利的 Eudidlabs 公司，加拿大的 Hexsight 公司，德国的 Parsytec 公司，荷兰MOBA 公司、日本的 KEYENCE、THK、OMRON、Nabel 公司研制了很多检测表面缺陷的系统，并得到了应用和推广。图 1.2 是国外一些公司研发的视觉检测设备。轴承缺陷检测设备 钣金缺陷检测设备 针头缺陷检测设备
垫片检测设备 无纺布表面污点检测设备 薄膜质量检测设备图 1.3 国内视觉检测设备Fig.1.3 Domestic visual inspection equipment1.2.2 机器视觉技术在小型锻件表面缺陷检测中的关键技术分析在实现小型锻件表面缺陷视觉检测的过程中，需要解决的关键技术如下：（1）获得高质量的小型锻件表面缺陷图像。小型锻件表面轮廓复杂，表面缺陷位置各异，有些缺陷的颜色和背景的对比度相对较低，因此，合理选择硬件设备和设计照明方案，是采集小型锻件表面缺陷高质量图像的关键。（2）小型锻件缺陷图像分割。缺陷分割的好坏直接影响后续的缺陷判别和整个检测系统的准确率，针对小型锻件的表面缺陷图像研究鲁棒性较强的图像分割算法是实现缺陷检测的首要条件。（3）小型锻件缺陷图像的分类及识别。缺陷分割后，需要通过特征提取算
【参考文献】：
期刊论文
[1]基于自适应学习率BP神经网络的火点定位模型[J]. 王古森,高波. 计算机系统应用. 2019(03)
[2]基于改进多尺度LBP算法的肝脏CT图像特征提取方法[J]. 刘晓虹,朱玉全,刘哲,宋余庆,朱彦,袁德琪. 计算机科学. 2019(03)
[3]机器视觉系统关键技术分析及应用[J]. 侯远韶. 科技资讯. 2019(08)
[4]基于FPGA的图像自适应加权均值滤波设计[J]. 武昊男,储成群,任勇峰,焦新泉. 电子技术应用. 2019(03)
[5]基于模糊数学模型的舰船红外成像目标智能识别方法[J]. 荆天. 舰船科学技术. 2019(04)
[6]基于显著性检测的声呐图像快速降噪研究[J]. 金磊磊,梁红,杨长生. 西北工业大学学报. 2019(01)
[7]基于独立空谱残差融合的联合稀疏表示高光谱图像分类[J]. 卢佳,保文星. 计算机工程. 2019(01)
[8]基于电流的主轴性能退化评估方法[J]. 王红军,邹安南,左云波. 北京理工大学学报. 2019(01)
[9]基于多分类问题处理机制的研究[J]. 李浩,舒炫煜,何楚,田恬恬,王胜春,张锦. 电脑知识与技术. 2018(36)
[10]用于刹车片外观质量检验的照明系统质量检验[J]. 项荣,徐晗升. 仪器仪表学报. 2018(11)
博士论文
[1]基于2D/3D复合机器视觉的三维钢轨表面缺陷检测技术研究[D]. 石甜.武汉科技大学 2017
[2]铁路扣件图像特征提取与识别方法研究[D]. 刘甲甲.西南交通大学 2016
[3]产品表面缺陷视觉检测数据处理关键技术研究[D]. 袁小翠.南昌大学 2015
[4]表面缺陷视觉在线检测关键技术研究[D]. 韩芳芳.天津大学 2012
[5]基于图像处理的钢板表面缺陷成像优化与深度信息提取方法研究[D]. 刘源泂.武汉科技大学 2011
硕士论文
[1]基于卷积神经网络的人脸面部表情识别方法研究[D]. 张璐璐.河北科技大学 2019
[2]显著性检测的优化模型及在图像压缩中的应用[D]. 叶润春.中国科学技术大学 2018
[3]二极管玻壳表面缺陷检测技术研究[D]. 牛乾.西南科技大学 2018
[4]基于机器视觉的铁芯表面缺陷检测系统研究[D]. 胡秀珍.山东大学 2018
[5]基于模糊逻辑的彩色图像对等组矢量滤波算法研究[D]. 李红阳.吉林大学 2018
[6]基于YellowFin声纳的信息提取与利用技术[D]. 胡克明.哈尔滨工程大学 2018
[7]基于机器视觉的钢球表面缺陷检测算法[D]. 董百川.哈尔滨理工大学 2018
[8]基于机器视觉的禽蛋外部缺陷检测[D]. 贾咪咪.浙江工业大学 2017
[9]图像泊松去噪算法研究[D]. 张芳.杭州电子科技大学 2017
[10]基于视频的车流量检测系统研究与实现[D]. 姚伟.南昌航空大学 2015
本文编号：3229767
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3229767.html
