图像识别技术在陶瓷基片抓取系统中的应用研究

发布时间：2021-11-01 05:02

　　在现代工业生产中,随着生产效率的大幅度提升,传统的人工生产方式越来越不能满足现代化制造业的需求,现代化的生产方式需要一种全新的自动化技术,机器视觉技术应运而生。机器视觉应用图像识别技术代替人眼来做测量和判断,效率更高、精确度更好、客观性更强,且可以无休止的重复进行,大大提高了生产的自动化程度。本文对图像识别技术在机器视觉抓取系统中的应用进行研究,研究陶瓷基片识别和位姿获取算法实现抓取,具有一定的实际应用价值。在陶瓷基片目标识别方法研究方面,本文首先研究了基于Hu不变矩与KNN算法的目标识别方法,并基于该方法存在的不足提出了以黑色像素面积占比、质心到边缘距离均值以及质心到边缘距离方差作为特征参数的识别方法,实验结果表明,后者计算量小、运行时间快,且能更精准识别陶瓷基片的正反面。由于上述两种方法均不能对目标对象相互遮挡的情况进行准确识别,本文进一步研究了基于边缘的模板匹配识别算法,并在原有相似度量基础上提出了增加基于灰度值差值的倒数作为纠正项的改进方案。实验结果表明,改进后的算法不仅具备精准识别正反面的功能,而且成功解决了目标对象相互遮挡的情况,且适用于多种复杂遮挡情形,符合实际应用场景需... 

【文章来源】：西安科技大学陕西省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

本文抓取目标在现场环境中料盘上的陶瓷基片散乱放置，并存在翻转情况

西安科技大学硕士学位论文正、反面，获取每个目标的位置、姿态数据。系统工作时，若拾取到正手根据其姿态数据进行旋转；若拾取到反面目标，机械手先将目标置于反并将其翻转为正面目标，再根据其姿态进行旋转。最终将所有目标以统一装台上。在实际应用中视觉系统需要分析处理的情况包括目标相互遮挡、中包含多个目标、多目标情况中包含正面和反面情况如图 1.2 所示。

图 1.1 论文研究组织结构图文章节安排如下：一章为绪论部分。该部分详细分析了课题研究背景和意义以及国内外研课题的主要研究内容和章节安排进行了说明。二章为图像处理基础知识部分。该部分研究了图像预处理过程中常用的缘检测以及图像形态学处理算法，研究了图像匹配常用的形状特征和边算法以及相似性度量方法。三章为陶瓷基片目标识别算法研究部分。该部分对基于形状、边缘两种算法进行仿真。针对本文的实际应用场景，在研究过程中提出一种识别时对相似性度量方法进行改进，应用到本文机器视觉抓取系统中。四章为陶瓷基片目标位姿获取方法研究部分。该部分研究了旋转卡壳法取目标最小外接矩形的方法，并获取抓取目标的位置、姿态数据。五章为机器视觉抓取应用的平台及算法实验部分。该部分将选择的目标获取算法应用在实际系统中，并与机器视觉软件 Sherlock 的实际应用性

【参考文献】：
期刊论文
[1]基于标记分水岭的植物重叠叶片改进分割算法[J]. 张宁,王志明,郑健.  计算机与现代化. 2019(01)
[2]图像边缘检测方法研究新进展[J]. 虎玲,常霞,纪峰.  现代电子技术. 2018(23)
[3]KNN算法综述[J]. 窦小凡.  通讯世界. 2018(10)
[4]机器视觉技术在工业控制领域中的应用[J]. 杨志红.  信息与电脑(理论版). 2018(17)
[5]图像处理边缘检测技术的应用探索[J]. 张进猛,杨会兰,朱德军.  通讯世界. 2018(08)
[6]我国工业机器人技术现状与产业化发展战略[J]. 王丰.  科技风. 2018(24)
[7]海康机器视觉工业镜头应用技术[J]. 胡雨婷.  智慧工厂. 2018(07)
[8]基于机器视觉图像目标识别方法研究[J]. 谭河益.  民营科技. 2018(04)
[9]一种基于形状匹配的零件位置检测技术[J]. 张磊,张鑫,贾磊,庄春刚.  机电一体化. 2018(04)
[10]智能制造——中国制造2025主攻方向[J].   起重运输机械. 2018(01)

硕士论文
[1]基于工业机器人的多工件视觉识别与分拣[D]. 张翔.北京化工大学 2018
[2]基于KNN算法的改进研究及其在数据分类中的应用[D]. 王德宝.安徽理工大学 2018
[3]自然堆叠工件的视觉定位技术研究[D]. 赵碧霞.西南科技大学 2018
[4]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
[5]图像识别技术在铁轨扣件异常检测中的应用研究[D]. 代国忠.哈尔滨工程大学 2018
[6]PCB板识别中HU矩和SIFT算法改进研究[D]. 徐淼.西华大学 2018
[7]基于机器视觉的圆形线材表面缺陷图像识别研究[D]. 杨培义.华东交通大学 2017
[8]基于信息融合的移动机器人目标识别与定位研究[D]. 黄朝美.浙江工业大学 2016
[9]基于形状模板匹配的手机商标检测技术研究[D]. 梅文宝.广东工业大学 2016
[10]基于凸包算法的人脸识别方案[D]. 马远征.云南大学 2016



本文编号：3469547