基于机器视觉的金属手机背板缺陷检测识别方法研究

发布时间：2021-05-09 14:20

　　随着人们生活水平的不断提高,智能手机已经逐渐普及到每个人手中。近年来,金属材质的智能手机因其优秀的质感受到大众的喜爱,其中,金属背板作为其重要的部件,在经过一系列生产制造工序后,不可避免的产生表面外观缺陷,这必定影响到生产的手机产品质量。因此,外观缺陷检测是一个必不可少的环节。而目前,主要的检测手段是采用人工目检的方式,其存在着速度慢、效率低、检测标准不一致等不足,难以满足实际工业生产中的需求。机器视觉检测技术具有高效率、自动化、智能化等优势,可以很好的克服人工检测的不足。本文基于机器视觉技术,以金属手机背板表面缺陷为研究对象,设计了金属手机背板缺陷检测识别系统,研究并实现了金属手机背板的缺陷检测识别方法。主要研究工作如下:（1）介绍了本课题的研究背景与意义,概述了机器视觉技术,介绍了其硬件、软件系统以及具体应用案例,并分析和总结了机器视觉技术在表面缺陷检测领域以及在手机背板表面缺陷检测具体方向的国内外研究现状。（2）介绍了本文研究对象,分析了缺陷类型及检测标准,给出了金属手机背板缺陷检测识别系统总体方案,详细介绍了系统的机械结构、视觉成像系统、电气控制系统的设计与实现,针对传输装置、... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 论文研究背景和意义
    1.2 机器视觉概述
        1.2.1 机器视觉硬件系统
        1.2.2 机器视觉软件系统
        1.2.3 机器视觉应用案例
    1.3 表面缺陷检测技术国内外研究现状
    1.4 研究内容和论文构成
第2章 金属手机背板缺陷检测识别系统设计
    2.1 金属手机背板缺陷类型与检测标准
    2.2 系统总体设计
    2.3 机械结构设计
        2.3.1 传输装置
        2.3.2 上料与分拣装置
    2.4 视觉成像方案设计
        2.4.1 工业相机及镜头
        2.4.2 图像采集卡
        2.4.3 光源选型
    2.5 电气控制系统设计
    2.6 本章小结
第3章 金属手机背板缺陷检测定位算法研究
    3.1 缺陷检测算法流程
    3.2 图像预处理
    3.3 ROI区域提取
        3.3.1 基于轮廓偏移角的图像旋转矫正
        3.3.2 基于像素点灰度投影的图像分割
    3.4 区域划分
        3.4.1 孔洞区域识别划分
        3.4.2 Logo区域识别划分
    3.5 分区缺陷检测
        3.5.1 基于滑动窗口和高斯混合模型的非Logo区缺陷检测
        3.5.2 基于归一化相关系数的模板匹配Logo区缺陷检测
    3.6 本章小结
第4章 金属手机背板缺陷分类识别算法研究
    4.1 引言
    4.2 常用识别算法
    4.3 基于级联SVM的金属手机背板缺陷识别
        4.3.1 SVM算法原理
        4.3.2 缺陷特征选择与提取
        4.3.3 级联SVM分类器设计
        4.3.4 缺陷识别分类
    4.4 本章小结
第5章 金属手机背板缺陷检测识别软件系统设计
    5.1 引言
    5.2 软件平台与工具
        5.2.1 VS2013集成开发环境
        5.2.2 OpenCV计算机视觉库
        5.2.3 数据库
    5.3 软件系统总体设计
    5.4 软件系统开发
        5.4.1 系统界面
        5.4.2 工作流程
    5.5 本章小结
总结与展望
参考文献
致谢
附录A 攻读学位期间所发表的学术论文目录
附录B 攻读学位期间参加的科研项目


【参考文献】：
期刊论文
[1]深度学习及其在计算机视觉领域中的应用[J]. 李国和,乔英汉,吴卫江,郑艺峰,洪云峰,周晓明.  计算机应用研究. 2019(12)
[2]5G来临手机厂发力布局新风口[J]. 梅岭.  中国质量万里行. 2018(11)
[3]大数据环境下的MySQL优化技术探讨[J]. 韦美雁,段华斌,周新林.  现代计算机(专业版). 2018(30)
[4]常用数据库类型介绍与解析[J]. 李业田.  电子世界. 2018(20)
[5]机器视觉表面缺陷检测综述[J]. 汤勃,孔建益,伍世虔.  中国图象图形学报. 2017(12)
[6]针对复杂纹理的手机外壳缺陷检测方法[J]. 张伟,曾碧.  计算机应用与软件. 2017(11)
[7]一种新型自适应估计高斯混合模型阶数的快速EM算法[J]. 戴卿.  兰州工业学院学报. 2017(01)
[8]智能手机壳体车铣复合加工系统设计[J]. 罗卫强,唐斌,盘永才.  自动化与信息工程. 2016(05)
[9]支持向量机核函数选择研究与仿真[J]. 梁礼明,钟震,陈召阳.  计算机工程与科学. 2015(06)
[10]智能制造装备视觉检测控制方法综述[J]. 王耀南,陈铁健,贺振东,吴成中.  控制理论与应用. 2015(03)

博士论文
[1]大构件焊缝磨抛机器人视觉测量技术的研究[D]. 赵军.吉林大学 2014

硕士论文
[1]基于机器视觉的金属手机外壳尺寸测量与表面典型缺陷检测研究[D]. 冯锴.华南理工大学 2018
[2]车身焊点质量检测机器人视觉定位算法研究[D]. 杨懿.湖南大学 2016
[3]面向数码产品外壳表面缺陷的适应性智能视觉检测技术研究[D]. 张坤.华南理工大学 2015
[4]手机外壳表面缺陷检测系统的研究与设计[D]. 任威.北京邮电大学 2015
[5]医药安瓿视觉自动检测机器技术研究[D]. 潘星宇.湖南大学 2013
[6]基于机器视觉的电池表面缺陷检测技术研究[D]. 王磊.中国科学技术大学 2011
[7]基于数学形态学的细胞图像分割技术研究[D]. 陈伟斌.浙江工业大学 2009
[8]基于BP神经网络的车辆车牌识别系统的研究与实现[D]. 黄卫华.电子科技大学 2008



本文编号：3177458