基于机器视觉的带孔工件识别与检测技术研究
发布时间：2021-08-04 22:21
随着工业时代由信息化向智能化的迅速发展,各种工件生产的质量要求随之提高,对工件的识别与检测是工件生产过程中必不可少的环节。在传统工件生产环节中,人工作业存在速度慢、误差较大、数字化程度低、接触性安全隐患大等诸多问题,而基于机器视觉的工件检测技术可有效地解决上述问题。本文主要针对带孔工件识别技术及规格合格性检测方法进行研究,研究内容包括以下部分:（1）提出了一种基于孔洞区域二值串描述的特征提取方法,简称PDB（Perforated Domain BRIEF）算法。算法中设计了针对孔洞的预处理,通过连通区域标记选点的方式确定工件特征点,并利用基于孔洞灰度差异性的二值串编码方式描述特征点。PDB算法充分利用了带孔工件结构特点,减少了存储空间并提高了工件特征点匹配效率。通过将PDB算法与多种经典特征提取算法进行实验对比,可以得出PDB算法对带孔工件的识别过程耗时更少,匹配率更高,能够实现对不同带孔工件的高效识别。（2）提出了一种针对孔洞的高斯概率模型点霍夫变换检测算法,可用于快速检测工件孔洞规格。该算法根据原图像建立高斯霍夫变换临时空间,并对得到的每一个孔洞子图像进行高斯霍夫变换处理,然后将每...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
工件检测系统模型图
Fig 2.1 Gray image of workpiece采集到的照片质量受到诸多因素的影响，尤采集的照片，不论是在实验室环境还是实际无法避免的，噪声点产生的来源可能是因为或者拍摄物体本身结构问题（比如易反光）或声点的像素值无法体现被测工件真实的数据误部分，这种误差是不可预测的随机误差，是一种误导。所以为了提高数据的有效性，，需要对图像进行去噪处理。图像不同检测型噪声的产生渠道及原因也不同。去除工件的方式，实际应用中常用的滤波处理方法有种利用邻域像素值求平均而得到新像素值的
出类间方差最大时的阈值作为最佳阈值。公式如下 2 220 0 1 1 k w u u w u u件而言，多孔洞是其最显著的特征，利用二值化孔洞区域及非孔洞区域能够有效地突出工件上孔为深色像素区域的特性，在一个合理阈值的划分周围的亮色区域形成强烈对比，增强了孔洞的识对工件区域内的像素灰度值求均值作为二值化的阈 11pixelsi NBW i iipixelsThresh gray x yN N 为工件所覆盖的像素个数，gray x ,y 表示工件所覆盖的像素点坐标集合中取得。在此操作反色，因为本文的目标是对孔洞的处理，而孔洞认对白色目标进行处理的条件。二值化后的工件大小测量及分布统计等操作。工件二值化处理前
【参考文献】：
期刊论文
[1]基于机器视觉缺陷检测可重构系统的设计与实现[J]. 郭永平,刘淑娟. 电子设计工程. 2018(23)
[2]基于卷积神经网络的工件识别算法[J]. 徐一丁,杜慧敏,毛智礼,张丽果,顾文宁. 组合机床与自动化加工技术. 2018(04)
[3]基于模板匹配的多圆识别算法[J]. 陈令刚. 电脑知识与技术. 2017(24)
[4]机器视觉技术的发展现状与展望[J]. 胥磊. 设备管理与维修. 2016(09)
[5]一种改进的基于最大类间方差的二值化方法[J]. 卜飞宇,祝青,王涛. 电脑知识与技术. 2015(05)
[6]平面工件的识别与定位方法研究[J]. 唐宇,吴清潇,朱枫. 机械设计与制造. 2015(10)
[7]一种基于圆的几何特性改进的圆检测随机算法[J]. 舒龙庆,曾垂力. 集成技术. 2015(02)
[8]改进的Hough变换实现圆检测[J]. 段黎明,汪威,张霞. 计算机集成制造系统. 2013(09)
[9]Otsu方法在多阈值图像分割中的应用[J]. 王磊,段会川. 计算机工程与设计. 2008(11)
[10]用点Hough变换实现圆检测的方法[J]. 林金龙,石青云. 计算机工程. 2003(11)
博士论文
[1]快速局部图像特征提取方法研究[D]. 田甜.华中科技大学 2015
[2]图像局部不变特征提取技术及其应用研究[D]. 刘景能.上海交通大学 2012
[3]形状识别与图像分割方法研究[D]. 陈运文.复旦大学 2008
硕士论文
[1]基于工业机器人的多工件视觉识别与分拣[D]. 张翔.北京化工大学 2018
[2]基于机器人视觉的多类型工件识别与定位问题研究[D]. 马庭田.南京航空航天大学 2018
[3]基于机器视觉的工件识别技术的研究[D]. 赵双.山东理工大学 2017
[4]基于机器视觉的液体分离传感器设计[D]. 华金.东南大学 2017
[5]基于机器视觉和深度学习的目标识别与抓取定位研究[D]. 李传朋.中北大学 2017
[6]基于图像的植物叶片参数测量方法研究[D]. 周乐前.湖南大学 2015
[7]基于机器视觉的表面缺陷检测算法研究[D]. 李玉宝.中南大学 2013
[8]基于机器视觉的工业机器人抓取技术的研究[D]. 董文辉.华中科技大学 2011
[9]新的二值图像八近邻边界跟踪和内外边标定算法[D]. 孙丁.华东师范大学 2011
本文编号：3322510
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
工件检测系统模型图
Fig 2.1 Gray image of workpiece采集到的照片质量受到诸多因素的影响，尤采集的照片，不论是在实验室环境还是实际无法避免的，噪声点产生的来源可能是因为或者拍摄物体本身结构问题（比如易反光）或声点的像素值无法体现被测工件真实的数据误部分，这种误差是不可预测的随机误差，是一种误导。所以为了提高数据的有效性，，需要对图像进行去噪处理。图像不同检测型噪声的产生渠道及原因也不同。去除工件的方式，实际应用中常用的滤波处理方法有种利用邻域像素值求平均而得到新像素值的
出类间方差最大时的阈值作为最佳阈值。公式如下 2 220 0 1 1 k w u u w u u件而言，多孔洞是其最显著的特征，利用二值化孔洞区域及非孔洞区域能够有效地突出工件上孔为深色像素区域的特性，在一个合理阈值的划分周围的亮色区域形成强烈对比，增强了孔洞的识对工件区域内的像素灰度值求均值作为二值化的阈 11pixelsi NBW i iipixelsThresh gray x yN N 为工件所覆盖的像素个数，gray x ,y 表示工件所覆盖的像素点坐标集合中取得。在此操作反色，因为本文的目标是对孔洞的处理，而孔洞认对白色目标进行处理的条件。二值化后的工件大小测量及分布统计等操作。工件二值化处理前
【参考文献】：
期刊论文
[1]基于机器视觉缺陷检测可重构系统的设计与实现[J]. 郭永平,刘淑娟. 电子设计工程. 2018(23)
[2]基于卷积神经网络的工件识别算法[J]. 徐一丁,杜慧敏,毛智礼,张丽果,顾文宁. 组合机床与自动化加工技术. 2018(04)
[3]基于模板匹配的多圆识别算法[J]. 陈令刚. 电脑知识与技术. 2017(24)
[4]机器视觉技术的发展现状与展望[J]. 胥磊. 设备管理与维修. 2016(09)
[5]一种改进的基于最大类间方差的二值化方法[J]. 卜飞宇,祝青,王涛. 电脑知识与技术. 2015(05)
[6]平面工件的识别与定位方法研究[J]. 唐宇,吴清潇,朱枫. 机械设计与制造. 2015(10)
[7]一种基于圆的几何特性改进的圆检测随机算法[J]. 舒龙庆,曾垂力. 集成技术. 2015(02)
[8]改进的Hough变换实现圆检测[J]. 段黎明,汪威,张霞. 计算机集成制造系统. 2013(09)
[9]Otsu方法在多阈值图像分割中的应用[J]. 王磊,段会川. 计算机工程与设计. 2008(11)
[10]用点Hough变换实现圆检测的方法[J]. 林金龙,石青云. 计算机工程. 2003(11)
博士论文
[1]快速局部图像特征提取方法研究[D]. 田甜.华中科技大学 2015
[2]图像局部不变特征提取技术及其应用研究[D]. 刘景能.上海交通大学 2012
[3]形状识别与图像分割方法研究[D]. 陈运文.复旦大学 2008
硕士论文
[1]基于工业机器人的多工件视觉识别与分拣[D]. 张翔.北京化工大学 2018
[2]基于机器人视觉的多类型工件识别与定位问题研究[D]. 马庭田.南京航空航天大学 2018
[3]基于机器视觉的工件识别技术的研究[D]. 赵双.山东理工大学 2017
[4]基于机器视觉的液体分离传感器设计[D]. 华金.东南大学 2017
[5]基于机器视觉和深度学习的目标识别与抓取定位研究[D]. 李传朋.中北大学 2017
[6]基于图像的植物叶片参数测量方法研究[D]. 周乐前.湖南大学 2015
[7]基于机器视觉的表面缺陷检测算法研究[D]. 李玉宝.中南大学 2013
[8]基于机器视觉的工业机器人抓取技术的研究[D]. 董文辉.华中科技大学 2011
[9]新的二值图像八近邻边界跟踪和内外边标定算法[D]. 孙丁.华东师范大学 2011
本文编号：3322510
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3322510.html
