金属工件表面缺陷检测识别方法研究

发布时间：2021-03-08 19:22

　　在生产过程中利用图像处理相关算法实现工件表面的缺陷检测识别可有效解决传统缺陷检测依赖人工离线化操作的问题,能够节省工厂人力成本。针对工件表面缺陷的检测问题,本文提出了一种基于机器视觉的工件表面缺陷自动检测识别方法,开展如下几个方面的研究:1、铣削工件表面图像采集和样本库构建。选定加工材料设计铣削加工实验,从而获得具有不同缺陷的工件表面图像。搭建图像采集实验平台,采集已加工的铣削工件表面图像,建立铣削工件表面图像样本库。同时,为了进一步扩建样本库,在已有样本库的基础上,引用了kaggle平台开源的Severstal数据集。2、利用改进FCM算法实现工件表面缺陷判别。针对采集图像进行预处理工作,分别对各图像进行去噪、特征结构增强处理,以提高原始铣削工件表面图像质量。预处理后,针对传统模糊C均值（FCM）算法在实现对图像的聚类分割时未考虑像元间相互关系,且未事先给出被分割图像初始聚类中心的问题,提出了一种考虑像元间相互关系的FCM聚类分割算法。该算法基于数据场原理,首先利用像元间相互关系,通过计算图像中各像素点的势值,形成图像数据场,然后利用图像数据场的势心,确定模糊C均值算法的初始聚类中心... 

【文章来源】：湘潭大学湖南省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

工件表面

湘潭大学硕士学位论文14第2章工件表面图像获取及样本库构建利用图像处理与机器学习相关算法对工件表面缺陷进行检测分类的过程中，为训练并测试算法效果，需要构建工件表面图像的样本库。本章首先设计加工实验，选择合适的刀具以及加工参数，获得不同表面特征的铣削工件。之后通过搭建图像采集实验平台，采集已加工完成工件的表面图像，建立工件表面图像样本库。针对样本库缺陷种类少、数据量不足的文图，利用kaggle平台开源的Severstal数据集扩建样本库。2.1加工实验2.1.1加工实验器材（1）针对工件加工实验，本研究选取VMC-C30型五轴加工中心作为加工设备，该设备集成Gki25数控操作系统，如图2-1所示，表2-1给出了该加工中心的主要技术参数，图2-2为加工过程图。图2-1VMC-C30型五轴加工中心图2-2加工过程图

湘潭大学硕士学位论文14第2章工件表面图像获取及样本库构建利用图像处理与机器学习相关算法对工件表面缺陷进行检测分类的过程中，为训练并测试算法效果，需要构建工件表面图像的样本库。本章首先设计加工实验，选择合适的刀具以及加工参数，获得不同表面特征的铣削工件。之后通过搭建图像采集实验平台，采集已加工完成工件的表面图像，建立工件表面图像样本库。针对样本库缺陷种类少、数据量不足的文图，利用kaggle平台开源的Severstal数据集扩建样本库。2.1加工实验2.1.1加工实验器材（1）针对工件加工实验，本研究选取VMC-C30型五轴加工中心作为加工设备，该设备集成Gki25数控操作系统，如图2-1所示，表2-1给出了该加工中心的主要技术参数，图2-2为加工过程图。图2-1VMC-C30型五轴加工中心图2-2加工过程图


本文编号：3071540