点胶机目标检测算法研究

发布时间：2020-10-30 00:55

　　 当前,自动点胶机技术的高效自动化提高了对点胶视觉系统检测速度的要求。在流水线生产中,每个工件的实际位置都不固定,必须由视觉定位技术对工件进行逐个位置误差校正,从而获得实际精确点胶位置。随着视觉技术的不断成熟,目标检测技术也逐渐发展起来,基于机器视觉的目标检测技术是目前点胶领域内的重要研究课题之一。对于视觉系统的标定工作,本课题根据点胶高精度要求,借鉴了传统的标定方法,针对点胶机提出了基于双线性插值原理的复合XY轴标定算法。该算法主张利用XY轴标定和相机标定算法结合,对点胶机系统进行标定。实验表明此标定算法可以将点胶机系统X和Y方向的误差均限制在±15μm范围内,完全符合点胶所需精度。针对具有规则边缘的目标进行检测,在原有直线检测算法的基础上,对图像矩形检测算法进行了深入研究。利用霍夫变换拟合出平行和垂直线段,选取两组检测得到的平行线段,通过线段之间的相交情况判定矩形是否存在。为提高精度,根据矩形中心点位置的距离进行结果优化,获得最终矩形检测结果。且利用实验表明矩形检测算法具有较好的精度、抗噪性和较低的敏感性。对于较为复杂的目标检测,为满足点胶行业对目标检测算法高效率的要求,提出了基于边缘特征的复合模板匹配算法。利用隔行隔列的搜索方法和归一化相似性度量原则进行快速粗匹配,并使用多角度模板对粗匹配位置点附近的重点搜索区域进行坐标和角度的精匹配。相比于原算法单张图像的检测时间115 ms,本文算法仅仅需要48 ms,大幅度提高了检测时间和工作效率。
【学位单位】：哈尔滨工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP391.41;TG493
【部分图文】：

随着电子装备尺寸精度的不断提高，点胶技术要求高精度化、微体积化和高可靠化，所以需要对点胶时使用的胶水用量以及需点胶的位置都进行准确计算。因为机器视觉不仅能够提高检测精度，且在实际生产中响应快，能够不影响流水线的连续工作，所以其被广泛用于提高自动点胶技术的精度。正因为辅助以机器视觉系统的点胶技术能够对整个点胶生产流程实现闭环反馈控制，所以可以满足高效率和高准确度的点胶要求。视觉系统在点胶之前需要校正当前点胶产品的位置偏差，从而预先获取需要点胶位置的精确坐标，对点胶的质量起着至关重要的作用。当视觉系统对工件进行自动视觉检测，主要的实现步骤为采集图像、对图像进行处理以及提取正确点胶位置。图 1-2 是机器视觉系统在工业生产中的典型应用模式。如图所示，一般在实际运用中待检测的目标产品装夹完成后，首先需要利用适当的照明系统对所要检测的区域进行照明，然后利用一个或者多个摄像机采集所要检测区域的图像，最后利用计算机上具有图像分析和处理功能的视觉软件对其进行分析处理得到需要的胶点中心坐标值或者点胶路径，然后驱动运动平台移动到正确的点胶位置进行点胶。

随着电子装备尺寸精度的不断提高，点胶技术要求高精度化、微体积化和高可靠化，所以需要对点胶时使用的胶水用量以及需点胶的位置都进行准确计算。因为机器视觉不仅能够提高检测精度，且在实际生产中响应快，能够不影响流水线的连续工作，所以其被广泛用于提高自动点胶技术的精度。正因为辅助以机器视觉系统的点胶技术能够对整个点胶生产流程实现闭环反馈控制，所以可以满足高效率和高准确度的点胶要求。视觉系统在点胶之前需要校正当前点胶产品的位置偏差，从而预先获取需要点胶位置的精确坐标，对点胶的质量起着至关重要的作用。当视觉系统对工件进行自动视觉检测，主要的实现步骤为采集图像、对图像进行处理以及提取正确点胶位置。图 1-2 是机器视觉系统在工业生产中的典型应用模式。如图所示，一般在实际运用中待检测的目标产品装夹完成后，首先需要利用适当的照明系统对所要检测的区域进行照明，然后利用一个或者多个摄像机采集所要检测区域的图像，最后利用计算机上具有图像分析和处理功能的视觉软件对其进行分析处理得到需要的胶点中心坐标值或者点胶路径，然后驱动运动平台移动到正确的点胶位置进行点胶。

图 1-6 图像的灰度投影积分[14]目前的矩形检测算法中还有研究人创新的局面。例如华中科技大学的范鹤了一种基于谱聚类和遗传算法的矩形检各个顶角与 90 度的接近程度作为判断依应度对检测结果进行多次选择、交叉和即矩形位置。1.2.2 模板匹配的发展现状基于视觉的匹配定位技术主要是指部分进行匹配[18]。具体来说，如图 1-8 且该目标与模版拥有相同的尺寸，通过
【参考文献】

相关期刊论文 前10条

1 范雪婷;史照良;刘波;;基于SVM的资源三号测绘卫星影像多特征分类[J];地理空间信息;2015年04期

2 黄紫青;曾祥进;;基于机器视觉的芯片引脚识别与中心定位算法研究[J];软件导刊;2015年01期

3 张从鹏;魏学光;;基于Harris角点的矩形检测[J];光学精密工程;2014年08期

4 侯和平;郭凯铭;刘凯;李改霞;;基于Radon变换与灰度投影积分极值方法的矩形检测[J];西安理工大学学报;2014年02期

5 谢光伟;仲兆准;钟胜奎;张运诗;沈峰;;基于机器视觉的PCB板上圆Mark点定位方法的研究[J];电脑知识与技术;2013年32期

6 韩天庆;赵银娣;刘善磊;白杨;;空间约束的无人机影像SURF特征点匹配[J];中国图象图形学报;2013年06期

7 程方;张曦;张金松;;基于机器视觉的点胶机定位系统[J];机械设计与制造;2013年03期

8 王智文;;几种边缘检测算子的性能比较研究[J];制造业自动化;2012年11期

9 任玲辉;刘凯;张海燕;杨慧云;;灰度投影积分极值法的矩形检测[J];计算机工程;2012年08期

10 苏恒强;冯雪;于合龙;贾晶敏;汪岩;;基于Harris角点检测的位移测量算法[J];实验力学;2012年01期

相关硕士学位论文 前4条

1 范鹤鹤;一种基于谱聚类和遗传算法的矩形检测方法[D];华中科技大学;2015年

2 薛金龙;基于角点的图像特征提取与匹配算法研究[D];大连理工大学;2014年

3 周丽莎;基于模板匹配的视觉定位技术研究与应用[D];大连理工大学;2012年

4 任文杰;图像边缘检测方法的研究[D];山东大学;2008年

本文编号：2861730