基于嵌入式GPU的模切工件边缘缺陷检测算法研发

发布时间：2021-04-01 02:39

　　当前模切机生产的工件检测大多采用人工抽样检测的方法,以剔除不合格的模切件。但人工检测的方法存在成本高、检测率低下和易引入二次破坏等问题。因此本文研发了一套基于嵌入式GPU的模切件边缘缺陷检测算法,能高效率并准确地检测模切件边缘缺陷,具有较高的工程应用价值。本文基于机器视觉,通过线阵相机和编码器结合获取模切件图像,在对图像进行尺寸校正、亮度校正和定位后,针对胶区边缘研发了 CLAHE增强的改进Canny算法进行边缘检测,针对非胶区边缘研发了腐蚀膨胀作差后进行Zernike矩亚像素边缘检测。对于有角度偏移的工件,研发了基于非胶区边缘像素为特征值的二阶矩计算旋转角度,并进行校正。接着对模切件边缘轮廓进行分割、拟合和误差计算,通过先验信息对轮廓基元进行直线与曲线的分割,针对直线采用基于最小二乘的线性方程拟合,针对曲线采用基于最小二乘的五阶多项式拟合,通过标准工件对应边缘拟合的方程式与待测工件对应区域像素点的相对最小均方误差判断边缘是否存在缺陷。最后,为了提高算法性能,针对边缘缺陷算法各个环节,利用嵌入式GPU Tegra X1实现基于CUDA的并行加速优化,并对算法准确性和性能进行测试。经过测... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

图２－７?ＧＰＵ内存空间示意图??

浙江大学硕士学位论文?相关技术概述??［５９］。如图２－８所示：??ＳＭ??ＳＭ??！???ＳＭ??ｆｍｗ１！?ｗｍｍｍ?＾??ｑ?ＳＰ?ＳＰ?ＳＰ?ＳＰ??ｐ??ＴＴ?ＳＰ?ＳＰ?ＳＰ?ＳＰ??ｕ??寄存器文件?指令调度器??—她．＇屬暴＿??共享内存?．＿＿．．．??图２－８ＣＵＤＡ编程模型示意图??ＮＶＩＤＩＡ公司开发的ＣＵＤＡ编程模型进行大致分为以下四种：??（１）?Ｗｒａｐ??ＧＰＵ分配指令的基本单位。一个Ｗｒａｐ包含３２个线程指令，这些指令本身??应当是相同的，但处理的数据可以不同。因此，每次ＳＭ发布指令时，只需发布??一次，就可以有３２个ＳＰ得到指令，由于ＳＰ各自具有独立的寄存器，即使得到??相同的指令，也可以针对不同的数据进行处理，大大地提高了执行效率。但是如??果当前执行的算法包含很多分支，ＳＭ为了使不同ＳＰ执行不同的指令，会分多??次分别发送，这会极大地降低并行效率。因此，在ＧＰＵ编程时，减少分支数量??是保证算法并行度的一个重要环节。??（２）?Ｔｈｒｅａｄ??即最基本的线程单位，逻辑上每个ＳＰ执行一个Ｔｈｒｅａｄ，实际运行时由ＳＭ??负责分配与管理。??（３）?Ｂｌｏｃｋ??多个Ｔｈｒｅａｄ俎成的线程块，拥有共享内存，并且线程之间可以直接进行同??步。从硬件上来看，一个Ｂｌｏｃｋ只由一个ＳＭ控制，不同Ｂｌｏｃｋ之间基本独立，??无法同步，无法读写共享内存。但也正因为其独立性，使程序可以在硬件配置不??同的ＧＰＵ上运行，增强了其通用性。??１６??

浙江大学硕士学位论文?模切件图像边缘缺陷检测算法分析与研发??３模切件图像边缘缺陷检测算法分析与研发??本章基于机器视觉系统，结合边缘处理、旋转角度计算和基元拟合等技术，??研发模切件的边缘缺陷检测算法。首先对相机采集的模切件图像进行预处理，对??图像进行尺寸校正和亮度校正，接着进行模切件定位，排除工件外部背景的干扰，??再进行边缘检测，之后对存在角度偏移的工件进行旋转角度计算并校正，最后对??边缘轮廓进行基元的分割与拟合，通过标准件相应区域拟合的方程式与待测工件??对应区域的误差进行比较判断工件是否合格。通过研究经典的实现算法，分析各??流程中的各种算法的应用场合以及优缺点，并进行相关的改进与测试，设计了本??文的算法方案。??３．１图像预处理和模切件定位??３．１．１图像尺寸校正??本文选用线阵ＣＣＤ对图像进行采集，线阵相机主要的优势在于分辨率高、??测量精度高和抗干扰能力强，在机器视觉系统中广泛应用，但在实际应用中，机??器视觉系统存在相机畸变，使得成像质量下降，图像的集合精度降低，测量系统??的误差变大，因此需对镜头畸变进行标定和补偿。??ｆＴｒｒｒｒｒｒｉ??Ｉ?？？？？？？？?Ｉ??Ｉ?？？？？？？??Ｉ?？？？？？？？Ｉ??Ｉ．?？?？：?？?Ｉ??图３－１标定板示意图??本文采用标定板的方式是对镜头畸变进行标定和补偿，标定板参数如表３－１??所示。通过标定板已知实际物理尺寸的标定圆，采集标定圆的图像，并求取圆的??像素直径，获得物理尺寸和像素间的换算关系，得到尺寸矫正系数，进一步得到??图像行列方向的分辨率。??１８??


本文编号：3112535