机器视觉精密测量中的显微光学聚焦
本文选题:机器视觉 切入点:显微成像 出处:《光学精密工程》2016年09期 论文类型:期刊论文
【摘要】:考虑显微光学涉及的聚焦精度对机器视觉精密测量效果的影响,开展了显微视觉环境下对图像聚焦技术综合定量评价的研究。建立了偏移率等系列性能指标,对13组清晰度函数在显微视觉条件下的无偏性、单峰性、分辨力等进行了综合评价,优选出方差函数和Brenner函数分别用于粗聚焦和精聚焦阶段的清晰度计算。建立了分步爬山搜索法,实现了显微自动聚焦。与传统爬山法相比,提出的方法聚焦时间显著缩短,重复精度提高约24%。将建立的自动聚焦与图像测量方法应用于某电液伺服阀衔铁气隙测量中,得到的测量均值与工具显微镜结果相近,而测量标准差可达1.9μm,测量效率也显著提高。最后对伺服阀加电条件下的气隙动力学特性进行了测试,获得了驱动电流-衔铁气隙之间的关系,为在线装配/装调提供了重要依据。
[Abstract]:Considering the effect of focusing precision involved in microscopic optics on the precision measurement effect of machine vision, the comprehensive quantitative evaluation of image focusing technology is studied in the environment of microscopic vision, and a series of performance indexes, such as offset ratio, are established. The unbias, single peak and resolution of 13 groups of definition functions under microscopic vision were evaluated. The variance function and Brenner function are selected to calculate the sharpness of coarse focus and fine focus, respectively. A step by step mountain climbing search method is established to realize microscopic auto-focusing. Compared with the traditional hill climbing method, the focus time of the proposed method is significantly shortened. The automatic focusing and image measurement method has been applied to the measurement of the armature air gap of an electro-hydraulic servo valve. The mean value of the measurement is similar to that of the tool microscope. The measurement standard deviation can reach 1.9 渭 m, and the measurement efficiency is also improved significantly. Finally, the dynamic characteristics of the air gap under the condition of the servo valve charging are tested, and the relationship between the driving current and the air gap of the armature is obtained. It provides an important basis for online assembly / assembly.
【作者单位】: 大连理工大学微纳米技术及系统辽宁省重点实验室;
【基金】:国家科技重大专项基金资助项目(No.2013ZX04001091)
【分类号】:TP391.41
【相似文献】
相关期刊论文 前10条
1 黎红伟;;关于机器视觉镜头[J];可编程控制器与工厂自动化;2005年02期
2 钱竞业;;机器视觉的发展方向探讨[J];现代制造;2006年06期
3 傅昆;;行者无疆——机器视觉的中国崛起[J];现代制造;2006年21期
4 雷文华;;机器视觉及其应用(系列讲座) 第一讲 机器视觉发展概述[J];应用光学;2006年05期
5 ;机器视觉的应用使生产加工更加智能、高效[J];现代制造;2009年06期
6 李树杰;;中国机器视觉的发展趋势[J];赤峰学院学报(自然科学版);2010年01期
7 ;机器视觉最新技术动态[J];中国光学;2013年01期
8 戴君,赵海洋,冯心海;机器视觉[J];机械设计与制造工程;1998年04期
9 艾海舟;机器视觉及其应用[J];科学中国人;1997年09期
10 刘曙光,刘明远,何钺;机器视觉及其应用[J];机械制造;2000年07期
相关会议论文 前10条
1 赵磊;董吉文;李金屏;;拓扑理论在机器视觉中的研究进展[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年
2 张彦东;;基于机器视觉的连接器装配机床改造研究[A];首届珠中江科协论坛论文集[C];2011年
3 蔡小秧;陈文楷;;机器视觉中的鲁棒估计技术[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
4 金守峰;张慧;;面向机器视觉的织物纬斜检测方法[A];全国先进制造技术高层论坛暨第九届制造业自动化与信息化技术研讨会论文集[C];2010年
5 沈宝国;陈树人;尹建军;;基于机器视觉的棉田杂草精确定位研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
6 范兆周;孟月;;机器视觉在COG封装设备中的应用[A];第十一届全国包装工程学术会议论文集(二)[C];2007年
7 王永强;孟然;于德敏;许增朴;;机器视觉玻壳产品在线分类识别系统研究[A];第三届全国信息获取与处理学术会议论文集[C];2005年
8 罗明智;杜家政;;机器视觉苹果自动分级系统图像处理方案设计[A];北京力学会第17届学术年会论文集[C];2011年
9 陈璐云;李玉和;李庆祥;白立芬;;微器件装配系统机器视觉的实现[A];中国仪器仪表学会第三届青年学术会议论文集(上)[C];2001年
10 吴清潇;苗锡奎;欧锦军;郝颖明;朱枫;;基于机器视觉的高精度晶圆对准系统[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年
相关重要报纸文章 前6条
1 本报记者 董碧娟;解密机器视觉“第三只眼”[N];经济日报;2013年
2 本报记者 郭涛;机器视觉:为机器装上“眼睛”和“大脑”[N];中国高新技术产业导报;2014年
3 金刚;给机器一双慧眼[N];计算机世界;2007年
4 宋昆;用机器视觉控制烟草质量[N];计算机世界;2007年
5 袁中;邦纳机器视觉在食品及医药包装行业中的应用[N];中国包装报;2009年
6 齐齐哈尔大学计算机系讲师 赵鑫;新技术在数字娱乐和动漫领域的应用[N];齐齐哈尔日报;2008年
相关博士学位论文 前10条
1 葛动元;面向精密制造与检测的机器视觉及智能算法研究[D];华南理工大学;2013年
2 龚爱平;基于嵌入式机器视觉的信息采集与处理技术研究[D];浙江大学;2013年
3 陈丽君;基于机器视觉的变量喷雾控制系统研究[D];沈阳农业大学;2009年
4 徐晓秋;机器视觉球面孔位快速精密测量系统的研究[D];四川大学;2006年
5 程洪;面向园艺应用的机器视觉目标辨识方法创新[D];中国农业大学;2015年
6 许海霞;机器视觉标定与目标检测跟踪方法及其应用研究[D];湖南大学;2011年
7 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
8 郝敏;基于机器视觉的马铃薯外部品质检测技术研究[D];内蒙古农业大学;2009年
9 周文举;基于机器视觉的在线高速检测与精确控制研究及应用[D];上海大学;2014年
10 孟庆宽;基于机器视觉的农业车辆—农具组合导航系统路径识别及控制方法研究[D];中国农业大学;2014年
相关硕士学位论文 前10条
1 许哲;基于机器视觉的快速测温热电偶焊接技术研究[D];河北联合大学;2014年
2 李鹏;基于机器视觉的PCB工业在线检测系统研究[D];昆明理工大学;2015年
3 佘燕玲;以用户为中心的机器视觉手势交互空间映射关系研究[D];华南理工大学;2015年
4 漆静;基于机器视觉集装箱吊具智能定位系统研究[D];西南交通大学;2015年
5 张文;基于机器视觉的通信装备故障识别研究[D];西南交通大学;2015年
6 冉宝山;基于机器视觉的装料系统试验研究[D];长安大学;2015年
7 冯康;基于机器视觉的棉花识别与定位技术的研究[D];石河子大学;2015年
8 杨君宜;全自动探针台机器视觉定位的关键技术研究[D];浙江大学;2016年
9 豆华哲;基于机器视觉的模型测量靶标的跟踪研究[D];北京交通大学;2016年
10 张志远;一种基于机器视觉的穴盘苗盘上检测方法研究[D];浙江理工大学;2016年
,本文编号:1634252
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1634252.html