基于机器视觉的小模数蜗杆表面缺陷检测技术研究

发布时间：2020-06-19 19:36

【摘要】：蜗杆是工业生产中重要的机械基础件,在加工过程中受加工工艺、生产环境等因素的影响,不可避免的会产生表面缺陷。有缺陷的产品若不剔除,不仅会严重降低产品的机械性能及寿命,甚至可能产生安全隐患。工业生产中,小模数蜗杆产量巨大,检测效率对于蜗杆质量检测至关重要。但企业目前仍普遍采用人工目测的方法,缺陷检测效率低、可靠性差。机器视觉检测技术因其非接触、速度快、稳定性高等优点越来越广泛的应用于工业产品的表面缺陷检测。本文对基于机器视觉的小模数蜗杆表面缺陷检测技术进行研究。主要研究工作如下:(1)搭建基于线阵相机的蜗杆表面图像采集系统。根据蜗杆表面缺陷特点对蜗杆表面缺陷采集系统整体布局进行设计,确定采用线阵图像传感器对蜗杆进行扫描采集图像。搭建蜗杆图像采集系统,设置硬件设备参数进行实验,确定线阵相机扫描位置。(2)研究蜗杆图像预处理算法及表面缺陷提取算法。采用自适应中值滤波方法对图像中的高斯噪声和脉冲噪声进行处理。根据图像灰度值特点,采用二值化阈值分割方法对图像进行阈值分割。针对不同类型缺陷,设计两种形态学处理过程对缺陷形状及特征进行提取。(3)研究蜗杆缺陷分类识别算法。根据缺陷特点对图像区域的几何特征和直方图特征进行提取。采用随机森林对提取特征重要性进行排序,从中选择对分类贡献较大的特征。使用支持向量机对缺陷进行识别与分类并采用改进粒子群优化算法对支持向量机模型参数进行优化训练。(4)研究蜗杆表面缺陷检测算法的性能。对缺陷特征数据进行归一化处理以避免数量级差别对分类结果的影响。为验证缺陷检测算法性能,对算法分类准确率进行测试,并采用5-折交叉验证方法对结果验证,且对蜗杆表面缺陷检测算法的时间效率进行测试,对缺陷检测过程中的滤波降噪、图像分割、缺陷提取、特征提取及分类的平均耗时进行统计。并对检测过程中的光源亮度、转速及振动等影响因素进行分析。
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TG115.28;TP391.41
【图文】：

第 2 章 蜗杆表面图像采集平台的搭建 2 章 蜗杆表面图像采集平台的搭建杆常见表面缺陷分析过程中不可避免的会形成一些缺陷，常见小模数蜗、齿顶凹坑、齿槽凹陷、大小齿等。制蜗杆表面出现的细线型缺陷大多是裂纹，如图钢种加热工艺不当（预热速度过快，加热温度过高的横向的裂纹，存在裂纹的蜗杆使用过程中可能导沿裂纹方向疲劳损伤而失效。裂纹缺陷的特点为不向大致平行于蜗杆中心轴线，其位置贯通在整个蜗

程中不可避免的会形成一些缺陷，常见小模数齿顶凹坑、齿槽凹陷、大小齿等。制蜗杆表面出现的细线型缺陷大多是裂纹，如种加热工艺不当（预热速度过快，加热温度过横向的裂纹，存在裂纹的蜗杆使用过程中可能裂纹方向疲劳损伤而失效。裂纹缺陷的特点为大致平行于蜗杆中心轴线，其位置贯通在整个图 2-1 钢件表面裂纹缺陷Fig.2-1 Crack defect on steel surface缺口、刮痕，是蜗杆齿顶出现的一个或多个凹程中与设备之间的碰撞形成的缺口或小划痕，大小不一，数量不一，缺陷位置分布较为分散

【参考文献】

相关期刊论文 前10条

1 刘其琛;穆炜炜;;最小二乘支持向量机的核函数及参数选择算法研究[J];电脑知识与技术;2015年19期

2 王东东;王福明;;基于MATLAB的数字图像噪声去除技术研究[J];机械工程与自动化;2015年02期

3 王耀南;陈铁健;贺振东;吴成中;;智能制造装备视觉检测控制方法综述[J];控制理论与应用;2015年03期

4 宋小燕;白福忠;武建新;陈晓东;张铁英;;应用灰度直方图特征识别木材表面节子缺陷[J];激光与光电子学进展;2015年03期

5 吴一全;孟天亮;吴诗Zs;;图像阈值分割方法研究进展20年(1994—2014)[J];数据采集与处理;2015年01期

6 李新科;高潮;郭永彩;邵延华;贺付亮;;利用改进的SIFT算法检测桥梁拉索表面缺陷[J];武汉大学学报(信息科学版);2015年01期

7 李雪琴;刘培勇;殷国富;蒋红海;;基于Fourier拟合曲面的X射线焊缝缺陷检测[J];焊接学报;2014年10期

8 潘思多;冀云鹏;杨楠;;表面在线检测技术[J];机械工程师;2014年08期

9 张静;叶玉堂;谢煜;刘霖;常永鑫;;金属圆柱工件缺陷的光电检测[J];光学精密工程;2014年07期

10 苏俊宏;刘胜利;;圆柱型高精密零件表面缺陷检测及形貌分析[J];激光与光电子学进展;2014年04期

本文编号：2721252