基于视觉的车身漆膜缺陷自动检测与分类方法研究

发布时间：2021-08-16 08:33

　　汽车涂装是汽车生产制造过程中至关重要的一个环节,进行涂装后的车身需进行表面漆膜缺陷的检测和修饰。传统的工业线缺陷检测系统采用人眼初检和人工复检,由于受到人眼分辨率、分辨速度及检验工人主观意识的影响,且长时间的密集工作以及白色灯光的反射会导致工人的视觉疲劳,人工检测的效率并不高,常有漏检的现象发生。本文阐述了车身漆膜质量的重要性,研究了国内外针对车身漆膜缺陷检测的研究现状,总结并分析了现有的传统目标检测算法及基于深度学习的目标检测算法的优劣,提出了一种基于视觉的车身漆膜缺陷自动检测与分类方法,该方法能有效改进传统人工目视检测的不足,提高汽车车身漆膜质量。本文的研究内容主要包括以下几点:（1）通过在汽车涂装车间质检流水线的数据采集,获得车身漆膜缺陷样本集,分析常见的车身漆膜缺陷种类及其形态学特征,提出了一种样本集的离线数据增强策略,使用该策略对样本集进行增强并建立了车身漆膜缺陷数据库;（2）通过对SSD算法的研究,提出了一种改进的Mobile Net-SSD算法,从网络结构和匹配策略两方面对SSD算法进行了改进;（3）设计并实现了车身漆膜缺陷自动检测及分类系统,通过Web服务器的形式为用户... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

车身漆膜缺陷的常见类型

模型 P-R 曲线图如图 5.1 所示。图 5.1 模型 P-R 曲线图5.2 整体系统实验5.2.1 系统概述车身漆膜缺陷自动检测及分类系统运行在已配置好 Caffe 框架和模型的服务器上，基于 Python 语言和 Flask 框架，通过 Web 服务器的形式为用户提供车身00.10.20.30.40.50.60.70.80.910 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1PrecisionRecall漆包缩孔脏粒纤维漆渣漆片

统实现39（d）通过命令行提交 HTTP 请求访问接口图 5.3 车身漆膜缺陷自动检测与分类系统截图5.3 本章小结第五章首先介绍了实验环境和配置，然后通过对比进行了离线数据增强、网络结构改进和匹配策略改进的实验结果表明本文所述的策略提高了算法的表现。最后，详细地阐述了本系统的架构、模块和系统模块集成实验。

【参考文献】：
期刊论文
[1]基于深度学习的目标检测算法综述[J]. 周晓彦,王珂,李凌燕.  电子测量技术. 2017(11)
[2]汽车车身漆膜缺陷自动检测系统[J]. 孔飞,张川,冯日华,韩俊杰.  现代涂料与涂装. 2017(03)
[3]基于卷积神经网络的目标检测研究综述[J]. 李旭冬,叶茂,李涛.  计算机应用研究. 2017(10)

硕士论文
[1]汽车涂装质量控制系统应用研究[D]. 宋泽宇.沈阳工业大学 2018
[2]基于深度学习的目标检测算法研究[D]. 张志豪.电子科技大学 2018
[3]基于图像处理的车身漆膜缺陷识别与分类研究[D]. 骆亚微.吉林大学 2016
[4]基于线结构光的车身漆膜缺陷检测方法研究[D]. 陈洪柱.吉林大学 2014



本文编号：3345342