基于机器视觉的训练弹检测系统研究

发布时间：2020-09-14 16:07

　　自动化检测技术在工业生产和社会发展中扮演着重要的角色。其中,基于机器视觉的工业检测技术凭借其非接触、稳定性好、检测速度快等优点已经成为自动化检测技术的主要研究方向。然而,其检测精度仍有待提高,检测目标也需更加多样化。训练弹是一种用于军事演习和训练的弹药,由于它具有潜在的安全隐患,所以对于尺寸的要求十分严格。目前训练弹的检测仍然是“人工+量具”的方式,因其检测效率低、可靠性差等缺点,所以急需对其进行改进。本文提出训练弹检测系统的整体方案,研究和优化系统中的机器视觉检测算法,实现训练弹检测系统。主要研究内容如下:1.设计训练弹检测系统。首先,分析硬件的选型规则,并针对训练弹的检测要求,确定训练弹检测系统的硬件。然后,设计训练弹检测系统的软件算法流程,并对各处理模块进行分析。最后,对系统标定算法进行研究,分析系统标定的原理并总结其实现过程。2.对训练弹检测系统中的核心算法进行研究。首先,分析图像预处理中滤波算法的原理和实现过程,通过实验确定系统的滤波算法,针对训练弹图像的特点设计ROI区域提取算法。然后,研究边缘检测算法,对传统边缘检测算法的原理和实现过程进行分析,并通过实验总结其优缺点。对基于Zernike矩的亚像素边缘检测算法进行研究,通过分析其产生误差的因素,采用双重定位结合奇偶模板的方法进行优化。最后,研究直线拟合算法,针对传统最小二乘拟合直线算法在较多离群点时拟合效果差的情况,采用Tukey权重函数对传统最小二乘拟合直线算法进行优化,并进行实验验证。3.对训练弹检测系统进行实验分析。首先,选择训练弹检测系统的软件平台并对系统的软件算法进行实验。然后,对训练弹检测系统进行标定,构建图像坐标系与世界坐标系的几何关系。最后,对训练弹检测系统的检测误差和稳定性进行实验分析和总结。
【学位单位】：哈尔滨理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TJ410.5
【部分图文】：

检测设备

图 1-1 康耐视检测设备Fig. 1-1 Cognex detection device图 1-2 欧姆龙检测设备Fig. 1-2 Omron detection device1.3 机器视觉检测算法的国内外研究现状机器视觉检测算法是机器视觉检测系统的核心部分，它主要负责处理和析图像信息，从中得出检测结果。机器视觉检测算法包括图像预处理、特征取、目标识别三部分。在工业检测中，工件在图像中的边缘信息非常重要，以边缘检测算法在特征提取中的重要性也不言而喻。在检测工件的几何尺时，几何基元拟合算法在机器视觉检测中被广泛应用，所以几何基元拟合算是目标识别的重要算法之一。传统的边缘检测算法是对图像中的整像素边缘进行提取，随着工业检测求的不断提高，传统的边缘检测算法已经不能满足要求，因此亚像素边缘检算法[20-22]应运而生。亚像素边缘检测算法是一种把像素进行细化的高精度边检测算法，通过亚像素的边缘检测算法可以将定位精度提高到小于一个像素亚像素边缘检测算法包括拟合、插值和矩方法三种。国内机器视觉相关人员已经对亚像素边缘检测算法进行了一系列研究。

检测设备,机器视觉检测,亚像素边缘检测,算法

训练弹,图像

哈尔滨理工大学第2章训练弹检2.1 训练弹检测系统的方案设计训练弹是军事演习中的一种弹药，检测训练弹的几何参数如图 2-2 所示，0.033mm。训练弹检测系统主要由硬件中硬件系统包括机械架构、传感器、照传输机和支撑光源、传感器和相机的支达相机的视场内。照明系统由光源以及系统由镜头和工业相机构成，负责采集块和检测算法模块。硬件驱动模块负责块负责对图像进行预处理和分析并完成

【相似文献】