基于机器视觉的橡胶减震垫缺陷检测系统的设计

发布时间：2017-05-17 05:09

  本文关键词：基于机器视觉的橡胶减震垫缺陷检测系统的设计，由笔耕文化传播整理发布。

【摘要】：机器视觉检测技术一般是指利用图像采集设备获取被检测物体的图像并与预先设定的标准对比从而判断被检测物体的质量状况的技术,具有检测速度快、准确率高、操作简单等优点。本文以汽车橡胶减震垫为研究对象,根据工件的物理特性、光学特性、表面特征及检测指标,以CCD相机为图像采集设备,配合计算机、软件设计及相应的接口,设计了一种基于机器视觉的非接触式工件缺陷自动检测系统。摄像机采集回来的图像往往存在不同程度的畸变,影响后续图像处理结果,根据相机成像的模型及非线性畸变的原因,研究了相机标定方法,通过从不同角度对黑白棋盘格采图,查找角点,根据物点与像点的坐标一一对应关系,求出相机的内外参数,根据这些参数实现图像畸变校正。在缺陷检测环节,首先根据采集工位和取像特点,设置像源的分配和处理流程,使图像并行处理;其次对橡胶减震垫表面缺陷图像预处理,采用基于Harris角点特征和图像灰度值相结合的图像模板匹配方法对批量工件在线模板匹配,采用小波去噪的方法处理通孔内壁,采用边缘检测的图像分割方法将目标检测区域和背景区域分离开,为缺陷识别做准备;最后根据检测要求规划检测区域,根据灰度直方图设置合理的阈值,能够准确定位缺陷部位,识别缺陷。本文设计的基于机器视觉的缺陷检测设备,具有匹配速度快、抗干扰能力强、缺陷识别准确等优点。经过反复测试表明,设备能够满足工件的在线缺陷检测需求,目前实际设备已经投入使用,提高了检测效率。
【关键词】：机器视觉 缺陷检测 橡胶减震垫 相机标定 图像处理
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-10
• 1 绪论10-14
• 1.1 引言10
• 1.2 课题来源10
• 1.3 课题研究的背景、目的、意义10-11
• 1.4 机器视觉检测技术的国内外发展现状11-13
• 1.5 本文研究内容及结构13-14
• 2 系统整体设计14-26
• 2.1 待测产品介绍14-16
• 2.1.1 待测物描述14
• 2.1.2 缺陷种类14-15
• 2.1.3 技术指标15-16
• 2.2 视觉模块16-20
• 2.2.1 相机的选择17-19
• 2.2.2 光源的选择19
• 2.2.3 镜头的选择19-20
• 2.3 自动分拣模块20-21
• 2.4 运动模块21-23
• 2.5 控制模块23-24
• 2.6 系统工作流程及步骤24-26
• 3 相机的标定26-37
• 3.1 相机模型26-28
• 3.1.1 针孔模型26-27
• 3.1.2 非线性模型27-28
• 3.2 非线性畸变的校正28-29
• 3.3 相机标定方法29-33
• 3.4 实验结果分析33-36
• 3.5 本章小结36-37
• 4 橡胶减震垫表面缺陷图像处理37-55
• 4.1 图像匹配算法37-43
• 4.1.1 基于灰度模板的图像匹配37-39
• 4.1.2 基于Harris角点的图像匹配39-40
• 4.1.3 基于Harris角点的和图像灰度信息的匹配40-41
• 4.1.4 实验结果41-43
• 4.2 图像降噪算法43-48
• 4.2.1 邻域平均法43-44
• 4.2.2 中值滤波法44-45
• 4.2.3 小波去噪45-46
• 4.2.4 实验结果46-48
• 4.3 图像分割算法48-54
• 4.3.1 改进的模糊C均值聚类分割算法48-50
• 4.3.2 最大类间方差法50-51
• 4.3.3 基于边缘检测的分割算法51-53
• 4.3.4 实验结果53-54
• 4.4 本章小结54-55
• 5 橡胶减震垫表面缺陷识别55-67
• 5.1 VisionPro简介55
• 5.2 图像获取和像源的分配55-58
• 5.2.1 八张图像的获取方式55-56
• 5.2.2 像源的分配56-58
• 5.3 模板定位和固定坐标的建立58-60
• 5.3.1 通孔的模板定位PMAlign58-59
• 5.3.2 固定坐标系的创建Fixture59-60
• 5.4 缺陷检测方法60-65
• 5.4.1 通孔内壁缺陷检测60-63
• 5.4.2 孔口裂纹检测63-64
• 5.4.3 表面疤痕检测64-65
• 5.5 检测结果汇总及分拣65-66
• 5.6 本章小结66-67
• 6 总结与展望67-69
• 6.1 本文工作总结67
• 6.2 展望67-69
• 参考文献69-75
• 攻读硕士学位期间发表论文情况75-76
• 致谢76-77

【参考文献】

中国期刊全文数据库 前10条

1 Ju-Ping Gu;Liang Hua;Xiao Wu;Hui Yang;Zhen-Tao Zhou;;Color Medical Image Enhancement Based on Adaptive Equalization of Intensity Numbers Matrix Histogram[J];International Journal of Automation and Computing;2015年05期

2 杨秋慧;玉昊昕;李陶深;玉振明;;一种大视场镜头的畸变校正方法[J];计算机应用与软件;2015年09期

3 王天畅;王士同;;空间约束和距离改进的FCM图像分割算法[J];计算机应用与软件;2015年03期

4 卢英;王慧琴;佟威;李俊杰;;基于Harris-张正友平面标定法的摄像机标定算法[J];西安建筑科技大学学报(自然科学版);2014年06期

5 梁利利;王兴武;谢丽娟;;红外图像去噪方法研究[J];电脑知识与技术;2014年32期

6 王子辰;戴明;李刚;汪永阳;宋悦铭;高玉军;;基于虚拟立体靶标的线阵相机标定与分析[J];红外与激光工程;2014年03期

7 Songtao Liu;Donghua Gao;Fuliang Yin;;Infrared image segmentation method based on 2D histogram shape modification and optimal objective function[J];Journal of Systems Engineering and Electronics;2013年03期

8 ;A comprehensive review of medical image enhancement technologies[J];Computer Aided Drafting,Design and Manufacturing;2012年03期

9 谭显坤;杨小义;;基于图像特征识别的部件缺陷无损检测方法(英文)[J];机床与液压;2012年12期

10 唐永鹤;陶华敏;卢焕章;胡谋法;;一种基于Harris算子的快速图像匹配算法[J];武汉大学学报(信息科学版);2012年04期

中国重要会议论文全文数据库 前1条

1 威洛斯;焦宗夏;;基于VisionPro的焊膏印刷机视觉定位系统[A];第十二届中国体视学与图像分析学术会议论文集[C];2008年

中国博士学位论文全文数据库 前2条

1 孙晶;图像局部不变特征提取技术研究及其应用[D];大连理工大学;2009年

2 陈世哲;微电子产品视觉检测中关键技术研究[D];哈尔滨工业大学;2006年

中国硕士学位论文全文数据库 前10条

1 王鹏月;基于双目视觉的机械臂伺服系统的研究[D];内蒙古科技大学;2013年

2 缪源;图像匹配算法的研究[D];合肥工业大学;2013年

3 俞甫;基于机器视觉的磁环多表面缺陷检测系统研究[D];中国计量学院;2013年

4 孙波;基于多目红外相机的手术机器人光学跟踪系统相关技术研究[D];山东大学;2011年

5 郭平;基于机器视觉的钢板表面缺陷检测技术研究[D];南昌大学;2010年

6 王林;基于Gabor变换的木材表面缺陷识别方法的研究[D];东北林业大学;2010年

7 李乔天;数字图像处理技术在光电影像测量仪中的应用[D];长春理工大学;2009年

8 韩超;细长圆管（棒）排列平行度图像测量技术研究[D];中北大学;2008年

9 李宝昭;基于匹配的图像识别算法的应用研究[D];广东工业大学;2007年

10 熊琰;三维数据建模与处理技术研究[D];南京航空航天大学;2007年

  本文关键词：基于机器视觉的橡胶减震垫缺陷检测系统的设计，由笔耕文化传播整理发布。

，

本文编号：372601