基于机器视觉的汽车安全带表面缺陷检测算法研究

发布时间：2017-09-26 10:08

  本文关键词：基于机器视觉的汽车安全带表面缺陷检测算法研究

  更多相关文章： 缺陷检测 图像分割 灰度共生矩阵 频谱分析

【摘要】：汽车安全带作为一种重要的交通安全保障工具,在其生产过程中,需要进行严格的质量检测,表面缺陷检测是质量检测中的关键环节之一。目前人工检测方法存在效率低、稳定性差的问题,无法满足实际检测需求,因此利用机器视觉代替人工已成为新的趋势。本文基于工业实际需求,探索了基于机器视觉的汽车安全带表面缺陷检测算法,并构建了基于机器视觉的汽车安全带表面缺陷检测系统。本文的主要研究如下:(1)为了满足高速度、高精度的检测要求,针对汽车安全带在图像采集和表面缺陷检测方面的特性,提出了系统的整体设计方案,并对检测系统的硬件组成进行了研究和分析,为后续的图像处理分析奠定了基础。(2)针对汽车安全带的纹理图像特征,提出了一种基于Laws纹理能量测度的形态学分割方法,提高了图像分割的抗噪性。针对纹理图像的边缘缺陷特征,分析了基于形态学处理的缺陷检测方法,取得了良好的检测效果。(3)针对汽车安全带的表面缺陷特征,从不同的角度出发,研究了不同的检测方法。在空间域中分析了Bob特征分析法、直方图特征分析法和灰度共生矩阵特征分析法,针对每种方法,研究了特征参数的选择及缺陷对特征参数的影响,并对实验结果进行了分析;在频域中研究了频谱特征分析法,并讨论了频域滤波器的选择和参数的计算。对比分析几种算法的缺陷检测结果,实验表明,相比其他几种检测方法,频谱特征分析法可以更好地满足缺陷检测的准确率和实时性要求。(4)搭建了汽车安全带表面缺陷检测平台,构建了基于机器视觉的汽车安全带表面缺陷检测系统,实现了汽车安全带表面缺陷在线检测。实验表明,系统的检测速度和稳定性均能满足检测要求。
【关键词】：缺陷检测 图像分割 灰度共生矩阵 频谱分析
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.85;TP391.41
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-17
• 1 绪论17-21
• 1.1 课题研究的背景和意义17
• 1.2 国内外研究现状17-20
• 1.3 论文主要内容20-21
• 2 检测系统总体方案设计21-26
• 2.1 系统模块化设计21-22
• 2.2 图像采集22-25
• 2.3 本章小结25-26
• 3 图像分割与边缘缺陷检测26-38
• 3.1 安全带表面缺陷分析26
• 3.2 图像滤波26-29
• 3.3 图像分割29-36
• 3.4 边缘缺陷检测36-37
• 3.5 本章小结37-38
• 4 基于空间域特征分析的安全带表面缺陷检测38-55
• 4.1 常用的空间域纹理特征分析方法38-39
• 4.2 基于Blob特征的缺陷检测39-42
• 4.3 基于直方图统计特征的缺陷检测42-46
• 4.4 基于灰度共生矩阵特征的缺陷检测46-54
• 4.5 本章小结54-55
• 5 基于频谱特征分析的安全带表面缺陷检测55-69
• 5.1 常用的频域纹理特征分析方法55-56
• 5.2 频谱特征分析56-60
• 5.3 滤波器的设计60-63
• 5.4 阈值分割63-64
• 5.5 频谱特征分析法实验分析64-66
• 5.6 表面缺陷检测算法对比分析66-68
• 5.7 本章小结68-69
• 6 汽车安全带表面缺陷检测系统实现69-76
• 6.1 检测指标69
• 6.2 系统硬件实现69-71
• 6.3 检测算法流程与检测结果分析71-75
• 6.4 本章小结75-76
• 7 总结与展望76-78
• 7.1 总结76
• 7.2 展望76-78
• 参考文献78-83
• 作者简历83-85
• 学位论文数据集85

【相似文献】

中国期刊全文数据库 前10条

1 尤政,胡庆英,林闽,李建;用于表面缺陷检测的激光超声技术[J];宇航计测技术;1998年06期

2 罗磊;张二虎;;基于图像分析的纸张表面缺陷检测系统的研究与实现[J];西安理工大学学报;2014年02期

3 王义文;蔺勇智;贾冬开;张中然;刘献礼;;空气与油液介质下钢球表面缺陷检测效果对比分析[J];轴承;2010年05期

4 蒋新苗;刘献礼;王鹏;赵彦玲;马振锋;;基于图像技术的钢球表面缺陷检测研究[J];哈尔滨理工大学学报;2006年02期

5 冯蒙丽;王丽;丁红胜;;电磁反演与交变磁场方法的金属表面缺陷检测[J];测试技术学报;2007年04期

6 卢湖川,王友军,李辉;火车轮对表面缺陷检测[J];大连理工大学学报;2004年06期

7 乐静;郭俊杰;朱虹;;基于EMD和Snakes模型信息融合的表面缺陷检测方法[J];仪器仪表学报;2006年12期

8 罗志勇，，王斌，刘栋玉，吕新民，江涛;带钢表面缺陷检测系统的发展[J];钢铁;1996年S1期

9 朱光;朱学芳;张华坤;;复杂背景下TFT-LCD表面缺陷检测系统的设计[J];电子测量与仪器学报;2011年12期

10 李炜,黄心汉,王敏,万国红;基于机器视觉的带钢表面缺陷检测系统[J];华中科技大学学报(自然科学版);2003年02期

中国重要会议论文全文数据库 前5条

1 韩立强;;基于图像分割技术的汽车发动机缸体表面缺陷检测[A];面向21世纪的科技进步与社会经济发展（下册）[C];1999年

2 郭庆华;田陆;袁英宏;黄郁君;;嵌入式系统在钢板表面缺陷检测中的应用[A];2012第四届先进轧钢精整及钢材包装技术学术研讨会文集[C];2012年

3 郭庆华;田陆;袁英宏;黄郁君;;嵌入式系统在钢板表面缺陷检测中的应用[A];2012年全国轧钢生产技术会论文集（下）[C];2012年

4 张凤全;高娜;于明;赵晓安;张慧娟;;图像处理在物体表面缺陷检测中的应用[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

5 刘乃强;徐科;;形态学梯度在带钢表面缺陷检测中的应用[A];全国炼钢连铸过程自动化技术交流会论文集[C];2006年

中国博士学位论文全文数据库 前6条

1 王世通;精密表面缺陷检测散射成像理论建模及系统分析研究[D];浙江大学;2015年

2 程万胜;钢板表面缺陷检测技术的研究[D];哈尔滨工业大学;2008年

3 王义文;钢球表面缺陷检测关键技术研究及样机研制[D];哈尔滨理工大学;2010年

4 赵立明;基于激光扫描成像与异源CCD融合的连铸热坯表面缺陷检测方法研究[D];重庆大学;2014年

5 丛家慧;引入人类视觉特性的带钢表面缺陷检测与识别方法研究[D];东北大学;2010年

6 王鹏;基于运动视觉技术的钢球表面缺陷检测[D];哈尔滨理工大学;2008年

中国硕士学位论文全文数据库 前10条

1 王松芳;基于特征分类的低分辨率触摸屏表面缺陷检测[D];北京交通大学;2016年

2 李帮建;基于计算机视觉的表面缺陷检测及应用[D];东南大学;2015年

3 杨建华;多口径发动机包覆层表面缺陷检测方法研究[D];中北大学;2016年

4 张露林;基于GPU的卫生用品表面缺陷检测软件设计[D];浙江大学;2016年

5 朱健;基于机器视觉的连接器表面缺陷检测算法研究[D];南京理工大学;2016年

6 邱洁;基于图像处理的电池片表面缺陷检测方法研究与应用[D];云南大学;2016年

7 李积才;钢球表面缺陷检测装置的设计及仿真[D];哈尔滨理工大学;2016年

8 崔明;基于机器视觉的汽车安全带表面缺陷检测算法研究[D];中国矿业大学;2016年

9 全洪渊;火炮弹体表面缺陷检测系统的设计与研究[D];重庆大学;2007年

10 胡贵超;基于计算机视觉的钢材表面缺陷检测系统的研究[D];哈尔滨理工大学;2013年

本文编号：922887