基于机器视觉的曲边玻璃缺陷检测

发布时间：2021-04-17 14:13

　　伴随着智能化的进步,机器人数量快速增加,人工智能得到了充分的发展空间。机器视觉是一种利用高性能相机等采集装置获取需要分析的图像,并从中将需要的信息分离出来,从而实现代替人眼睛功能的技术。玻璃作为现行社会随处可见的产品,边缘研磨是玻璃加工高水平发展的技术需求,机器视觉的高精度、持续时间长的特点满足了质量检测的需求,实现玻璃制造行业的快速高效发展。根据需检测的曲边玻璃的缺陷特征来设计机器视觉的图像采集系统。从玻璃的加工机理和磨削方法,简析出玻璃缺陷（亮斑、白线、爆边）的形成原理,通过缺陷特征的分析,选择设计采集设备,工业CCD相机的清晰度、分辨率均可以满足;由于检测面是上下对称曲面的,为实现光源的均匀照射,采用条形LED光源与检测表面平行的结构设计;白线与亮斑的特征通过光源的照射,与相机处于同一平面时即可完整的显示出来,在对爆边的检测中,由于爆边较小,将相机与玻璃成45o角时可以扩大爆边特征,简化检测过程。使用较为成熟的图像处理软件HALCON识别采集到的缺陷图片,通过人工视觉以及机器视觉的综合分析确定玻璃边缘缺陷的检测思路。在已有算法的基础上,阈值分割出亮斑,直方图均衡化强化爆边特征,双... 

【文章来源】：烟台大学山东省

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 引言
    1.2 机器视觉技术
        1.2.1 机器视觉背景介绍
        1.2.2 机器视觉研究现状与应用
        1.2.3 机器视觉系统
    1.3 玻璃行业和机器视觉结合的必然性
    1.4 本课题主要研究内容
第二章 玻璃边缘缺陷的分析
    2.1 研磨加工技术
        2.1.1 垂直研磨
        2.1.2 平行滚轮式研磨
        2.1.3 面部侧面研磨
    2.2 玻璃缺陷形成机理及特征
        2.2.1 亮斑的成因分析
        2.2.2 爆边的成因分析
        2.2.3 白线成因分析
    2.3 本章小结
第三章 硬件装置的设计
    3.1 CCD相机的选择
    3.2 光源系统的设计
    3.3 总体结构框架
    3.4 本章小结
第四章 缺陷识别算法研究
    4.1 图像处理基本理论
        4.1.1 相邻像素
        4.1.2 直方图
        4.1.3 图像增强
        4.1.4 图像分割
        4.1.5 数学形态学在图像处理中的应用
        4.1.6 图像数据的表示与存储
    4.2 缺陷识别算法设计
        4.2.1 Halcon旋转缩放和平移
        4.2.2 亮斑的识别算法
        4.2.3 白线的识别算法
        4.2.4 爆边的识别算法
    4.3 本章小结
第五章 软件编程界面设计
    5.1 HALCON和 VC++混合编程的设计流程
    5.2 用例设计
    5.3 系统信息交互的简述
    5.4 本章小结
第六章 实验检测
第七章 总结与展望
    7.1 总结
    7.2 展望
参考文献
致谢
攻读硕士学位期间所获学术成果


【参考文献】：
期刊论文
[1]无边框液晶显示屏垂直磨边制程的探究[J]. 王超,王健,党张伟,郭占,黄雷.  电子世界. 2019(02)
[2]机器视觉技术的发展现状与应用动态研究[J]. 陈英.  无线互联科技. 2018(19)
[3]计算机图形图像处理的关键技术研究[J]. 陈芬.  电脑知识与技术. 2018(22)
[4]数字图像处理技术的应用与发展[J]. 刘印.  信息与电脑(理论版). 2018(14)
[5]大尺寸液晶玻璃切割技术研究[J]. 曹力宁,蔡克新.  电子工艺技术. 2018(04)
[6]光伏玻璃的缺陷显著图检测[J]. 王哲,李文书.  计算机系统应用. 2018(04)
[7]数字图像处理与识别系统的开发研究[J]. 朱安琪.  电子测试. 2016(09)
[8]机器视觉在我国农业中的应用研究进展分析[J]. 王风云,郑纪业,唐研,刘延忠,李乔宇,穆元杰,王磊.  山东农业科学. 2016(04)
[9]基于Marr理论的立体视觉概述[J]. 陈新河,周波,梁宝华.  宜宾学院学报. 2015(12)
[10]磨边技术的发展和未来[J]. 赵龙.  网印工业. 2014(12)

博士论文
[1]大型立式玻璃磨边机关键力学问题研究[D]. 徐宏海.北京工业大学 2013
[2]基于微纳米划擦特性的光学玻璃磨削机理与工艺研究[D]. 顾伟彬.上海交通大学 2012
[3]图像分类任务的关键技术研究[D]. 任桢.哈尔滨工程大学 2010
[4]边缘检测的若干技术研究[D]. 董鸿燕.国防科学技术大学 2008
[5]RGB颜色空间及其应用研究[D]. 黄国祥.中南大学 2002

硕士论文
[1]基于机器视觉的玻璃边部磨削缺陷检测的研究与应用[D]. 赵俊冉.烟台大学 2018
[2]面向机器视觉应用的智能光源设计与优化研究[D]. 骆伟岸.广东工业大学 2018
[3]基于机器视觉的玻璃缺陷分类识别的研究[D]. 薛源.合肥工业大学 2018
[4]基于单目视觉的爬壁机器人定位系统研究[D]. 朱凌峰.浙江大学 2018
[5]基于视觉测量的玻璃瓶缺陷检测[D]. 周航.沈阳航空航天大学 2018
[6]基于图像增强的交通图像边缘检测研究[D]. 石晓婧.天津职业技术师范大学 2018
[7]基于SPH方法的石英玻璃超精密加工机理研究[D]. 郑桂林.大连理工大学 2017
[8]基于边缘的复杂背景下识别技术研究[D]. 黄正文.集美大学 2017
[9]基于嵌入式的采样机器人视觉测量系统研究[D]. 袁超峰.西安建筑科技大学 2017
[10]透明玻璃平板表面缺陷在线检测系统的研究[D]. 彭超.浙江工业大学 2016



本文编号：3143590