基于机器视觉的纱管识别与系统实现

发布时间：2021-10-23 16:42

　　伴随着《纺织工业“十三五”发展规划》的发布,中国的纺织行业正逐步迈向工业4.0时代。与互联网、大数据等技术的深度融合,各式各样的数字化智能纺织产品层出不穷,与此同时,也为纺织企业向智能化转型奠定基础。纱线管是纺织企业在生产过程中必不可少的绕纱工具。目前,纺织企业在纱线管处理存在以下三方面的问题:一、纱线管种类繁多,分类情况复杂。二、人工分拣效率低下,成本高。三、有纱与无纱互混情况,分类难度大。如何高效的将这些混淆在一起的纱管分拣出来是当下纺织企业的燃眉之急。结合机器视觉检测技术的方式,不仅在流水线检测效率上表现出众,更在检测精度和准确性方面拥有无可代替的地位,成为当下主流的产品线检测技术。因此,本文提出了一种基于机器视觉的纱管识别检测系统。本文首先详细介绍了纱管识别检测系统的整体方案设计及技术指标。针对实际情况,本文分别对工业相机选型、工业镜头选型和光源选型进行分析。另一方面,为了提高纱管检测精度,本文重点介绍了光源与检测目标间的放置方案。基于上述系统设计方案,本文研究了纱管残留纱线检测算法和纱管颜色分拣算法。在纱管残留纱线检测算法中,提出了一种基于图像梯度法的最大连通域统计方法,该种... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 引言
    1.2 自动化理管机系统的研究现状
    1.3 机器视觉在检测系统的应用领域
    1.4 机器视觉在检测系统的发展趋势
    1.5 本课题来源以及论文结构安排
        1.5.1 课题来源
        1.5.2 论文结构安排
第2章 纱管在线检测系统方案设计
    2.1 系统整体方案设计
    2.2 系统要求技术指标
        2.2.1 纱管分拣速度技术指标
        2.2.2 识别含纱情况技术指标
        2.2.3 图像采集速度技术指标
    2.3 机器视觉设备选型
        2.3.1 工业相机选型
        2.3.2 工业镜头选型
        2.3.3 机器视觉光源选型
        2.3.4 纱管在线检测系统设备选型分析
    2.4 检测系统设计
    2.5 控制单元设计
        2.5.1 触发拍照模块设计
        2.5.2 光源控制器模块设计
        2.5.3 数据通信模块设计
    2.6 本章小结
第3章 纱管图像处理算法设计与实现
    3.1 图像去噪处理
        3.1.1 中值滤波
        3.1.2 高斯滤波
        3.1.3 均值滤波
    3.2 边缘检测
        3.2.1 差分边缘检测
        3.2.2 索贝尔边缘检测
    3.3 纱管含纱检测方法
        3.3.1 图像预处理
        3.3.2 剔除聚类点
        3.3.3 形态学处理
        3.3.4 统计最大连通域面积
    3.4 位置检测方法
        3.4.1 端口图像截取
        3.4.2 梯度及二值化处理
        3.4.3 宽度提取
    3.5 纱管颜色分拣方法
        3.5.1 色环检测与颜色提取
        3.5.2 颜色分拣
    3.6 本章小结
第4章 系统软件设计
    4.1 理管机在线检测系统软件整体框架
    4.2 上位机软件设计
        4.2.1 上位机软件工作流程
        4.2.2 相机参数配置软件
        4.2.3 图像处理软件
    4.3 图像处理软件功能模块分析
        4.3.1 图像采集功能实现
        4.3.2 图像算法处理功能实现
        4.3.3 参数设置功能模块实现
        4.3.4 图像存储功能模块实现
        4.3.5 状态测试功能模块实现
        4.3.6 注册升级功能模块实现
        4.3.7 人机交互界面设计
    4.4 本章小结
第5章 系统图像检测模块测试
    5.1 测试环境
        5.1.1 软件环境测试
        5.1.2 视觉检测硬件环境
    5.2 下位机主控板和光源控制板测试
        5.2.1 电源管理模块测试
        5.2.2 串口通信模块测试
        5.2.3 光源强度PWM调节模块
    5.3 图像处理软件测试
    5.4 图像检测算法稳定性测试
        5.4.1 纱管含纱误判率测试
        5.4.2 颜色分拣误判率测试
    5.5 其他测试
        5.5.1 图像处理时间测试
        5.5.2 工业相机实际帧率测试
    5.6 本章小结
第6章 总结与展望
    6.1 研究成果总结
    6.2 后续研究工作展望
致谢
参考文献
附录 作者在读期间发表的学术论文及参加的科研项目


【参考文献】：
期刊论文
[1]青岛纺机:人工智能+纺机支招高效生产[J]. 宋磊.  纺织机械. 2018(05)
[2]面向纺织管理机的用户使用需求与设计研究[J]. 张良,徐卫国.  工业设计. 2018(09)
[3]理管机颜色识别算法的研究[J]. 颜亚飞,张团善,冀永乐,张帆,蒙春学.  现代信息科技. 2018(06)
[4]理管机机器视觉摄像机结构设计[J]. 蒙春学,张团善,张帆,冀永乐,颜亚飞.  纺织报告. 2018(06)
[5]基于机器视觉的微小零件表面缺陷检测研究[J]. 王东,黎万义,孙佳,郝高明,王鹏.  应用科技. 2018(04)
[6]基于opencv图像边缘检测技术[J]. 李华琛.  数字技术与应用. 2016(11)
[7]机器视觉技术的发展及其应用[J]. 秦亚航,苏建欢,余荣川.  科技视界. 2016(25)
[8]HM-LG380B型集体落纱细纱机集中理管机的研制[J]. 唐萍,陆立秋.  纺织器材. 2016(03)
[9]理管机的研究与设计[J]. 陈睿,徐安进,吴小艳.  机电产品开发与创新. 2012(03)
[10]基于OpenCV的机器视觉图像处理技术实现[J]. 王福斌,李迎燕,刘杰,陈至坤.  机械与电子. 2010(06)

博士论文
[1]基于忆阻器的电路分析及其在神经形态系统中的应用[D]. 董哲康.浙江大学 2019

硕士论文
[1]理管机控制系统的研究[D]. 王海玉.天津科技大学 2017
[2]基于机器视觉的烟标在线检测系统的设计与实现[D]. 姚德.南京理工大学 2011
[3]基于LVQ神经网络数字图像边缘检测算法的研究[D]. 王雅红.太原理工大学 2005
[4]基于机器视觉的智能空瓶检测机器人研究[D]. 段峰.湖南大学 2002



本文编号：3453531