当前位置:主页 > 科技论文 > 铸造论文 >

基于机器视觉的磨削表面粗糙度检测的研究

发布时间:2021-08-08 16:51
  随着制造业的高速发展,粗糙度作为加工表面质量的评判指标之一,是检测中不可或缺的部分,其直接影响到零件以后的性能和寿命,因此粗糙度的检测对于制造业的发展具有重大的意义。传统的粗糙度检测技术已经不能够满足智能快速的需要,特别是在大批量生产、粗糙度要求全检的时候,因此许多国内外学者多年来一直都致力于新检测方法的研究。然而经过不同的加工方式,零件表面的纹理会呈现不同的排布方式,磨削表面的纹理主要以随机性为主,方向性不强,这是磨削表面识别研究的一难点。多年来对于粗糙度检测方法的研究,不同的检测方法受限于自身的设备和环境的要求得不到相应的应用;在研究新检测方法时,对于提取的特征大都是建立粗糙度与表面纹理特征之间的线性关系,没有从特征对于识别模型的重要性去分析;对于提取的特征值数量没有合理的规划,容易导致识别模型学习过于复杂和识别精度过低等问题。因此,本课题以磨削表面为研究对象,基于前面学者对于粗糙度识别特征的线性关系,从特征对模型识别精度的重要性和数量上分析,以BP神经网络模型为识别模型的识别方法。首先本文通过磨削实验和检测实验获取了5组不同粗糙度值的磨削表面图像,由于图片受获取设备自身和环境的原... 

【文章来源】:华侨大学福建省

【文章页数】:83 页

【学位级别】:硕士

【部分图文】:

基于机器视觉的磨削表面粗糙度检测的研究


传统的粗糙度测量方法

基于机器视觉的磨削表面粗糙度检测的研究


研究具体研究安排如下所示:第一章,介绍了课题的研究背景和

基于机器视觉的磨削表面粗糙度检测的研究


实验的主要设备点光源XR20粗糙度测量仪

【参考文献】:
期刊论文
[1]基于随机森林的加权特征选择算法[J]. 徐少成,李东喜.  统计与决策. 2018(18)
[2]具有去除椒盐噪声能力的改进双边滤波算法[J]. 周航,韩权.  北京交通大学学报. 2017(05)
[3]车削零件表面粗糙度图像法检测优选方法[J]. 陈曼龙,侯东明,王会江.  应用光学. 2017(02)
[4]基于RGB模型的苹果叶片叶绿素含量估测[J]. 程立真,朱西存,高璐璐,李程,王凌,赵庚星,姜远茂.  园艺学报. 2017(02)
[5]基于信息增益特征选择的网络异常检测模型[J]. 刘汝隽,贾斌,辛阳.  计算机应用. 2016(S2)
[6]基于激光散斑成像的零件表面粗糙度建模[J]. 陈苏婷,胡海锋,张闯.  物理学报. 2015(23)
[7]基于BP神经网络的车削表面粗糙度检测[J]. 闵莉,王哲,高龙飞,刘大任.  沈阳建筑大学学报(自然科学版). 2015(05)
[8]基于不同加工方式工件表面粗糙度的图像研究[J]. 许泓彧,郭克涛,祝成波.  光电技术应用. 2015(01)
[9]基于显微成像法的机加工零件表面质量检测[J]. 麦青群,全燕鸣.  现代制造工程. 2012(11)
[10]LBP和Tamura纹理特征方法融合的织物疵点分类算法[J]. 景军锋,张缓缓,李鹏飞,王静.  计算机工程与应用. 2012(23)

博士论文
[1]图像去噪及其效果评估若干问题研究[D]. 杨成佳.吉林大学 2016
[2]基于智能算法的图像去噪方法研究与应用[D]. 范志勇.南京理工大学 2016
[3]面向医学数据的随机森林特征选择及分类方法研究[D]. 姚登举.哈尔滨工程大学 2016
[4]基于图像灰度的自由曲面重构算法研究[D]. 郝平.大连理工大学 2005

硕士论文
[1]偏微分方程在图像去噪中的应用[D]. 刘振宇.吉林大学 2018
[2]基于深度学习的图像去噪算法研究[D]. 邓正林.电子科技大学 2018
[3]基于HRV信号的压力识别及特征对比分析[D]. 谢国强.西南大学 2017
[4]低信噪比图像的去噪算法研究[D]. 王纯.杭州电子科技大学 2017
[5]彩色图像转灰度图像的方法研究[D]. 解启松.兰州大学 2016
[6]基于彩色分布统计矩阵和变量预测模型的粗糙度识别研究[D]. 王梦徽.湖南大学 2016
[7]基于DSP的磨削表面粗糙度在线检测系统开发[D]. 王翠亭.湖南大学 2014
[8]基于CCD的激光散斑表面粗糙度测量[D]. 张勇.南京信息工程大学 2014
[9]基于图像分割和多分辨率分析的图像融合方法研究[D]. 李婵飞.重庆大学 2013
[10]印刷防伪设计中的微镜阵列研究[D]. 唐铖.江南大学 2013



本文编号:3330321

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/jiagonggongyi/3330321.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户cc204***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com