基于机器视觉的电视接插件缺陷检测系统的研究

发布时间：2022-01-25 21:02

　　现今时代是一个科学飞驰,技术跃进的时代。科技的强大牵引力拉动行业的发展和升级。传统技艺中的部分或全部工序已被机器所取代,其效率和精度都得到了极大地提高。如:在质量把控时,取代了以往手眼并用的缺陷检测方式。机器的失误率远远低于人工,效率提高了好几倍。不仅解放了人类的双手,还解放了双眼。传统检测方式的弊端是:大费周章,层层检测,保证质量高;人工成本高;标准不一致,有误检和漏检的隐患;人有情绪,导致检测结果不客观;长期处于枯燥的工作环境以及高强度不间断地作业,对质检员造成生理和心理上的伤害。同样地,电视接插件检测也存在上述一连串类似的疑难问题。本文以其为检测对象,就如何快速识别和分类电视接插件中的缺陷进行研究和测试,设计了一套安全稳定系数高、响应速度极快和能够自动高效识别缺陷的视觉检测系统。该系统集合了机器视觉、图像处理技术还有机器学习算法等技术,能满足实时在线检测、控制自动化和智能化管理等需求。论文的主要工作有以下几个方面:第一,概述了接插件检测的背景与在实际工程应用中的研究意义、人工检测接插件出现的普遍问题,机器视觉的兴起、发展、壮大和延伸及其在国内外的研究成果;第二,阐述了视觉系统的总... 

【文章来源】：广东工业大学广东省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

电视接插件

广东工业大学硕士学位论文授在世界著名期刊 Science 上发表了其著作《Approaches processing》，该论文正式给机器视觉下定义，正式提出了机。他认为“人类神经系统所作的信息处理与机器相似”[5]。科进行研究和发展。机器视觉属于人工智能领域的一支，落勃发展，朝着枝繁叶茂的方向迈进。它形成几个重要研究分支

图 1-3 机器学习基本模型Figure 1-3 Basic model of machine learning AI 中年轻有活力且重要的分支，其独特的魅力，为之疯狂，更是将其作为风向标。人工智能的科技多领域，如语音识别、自然语言处理、人脸识别等科幻节目中的情节正在一个一个被实现。发展历程分为 4 个阶段：热烈期、冷静期、复兴期学者多年的努力，机器学习的队伍不断发展壮大，在日渐凸显，在越来越多的领域得到重用，如航空现在如下几个方面：研究的热潮席卷全球各地。在全球，众多知名高校融合了计算机学、统计学、运筹学和自动化技术等学科。设立专门的机器学习实验室，以便于科研和

【参考文献】：
期刊论文
[1]基于频响复数值及数字图像处理技术的变压器绕组变形分类方法[J]. 刘云鹏,程槐号,胡焕,张重远.  高电压技术. 2019(03)
[2]基于HV&VHS的圆柱形电池曲表面缺陷视觉检测[J]. 谭文,文青,段峰,黎波.  控制工程. 2019(01)
[3]一种改进的具有色彩保护的多尺度Retinex图像增强算法[J]. 张翔,王伟,肖迪.  计算机科学. 2018(10)
[4]基于二级修复的多方向加权均值滤波算法[J]. 马洪晋,聂玉峰.  计算机科学. 2018(10)
[5]基于机器视觉的太阳能电池片缺陷检测技术的研究[J]. 刘磊,王冲,赵树旺,李海滨.  电子测量与仪器学报. 2018(10)
[6]基于SIFT的中厚板表面缺陷识别方法[J]. 周鹏,徐科,杨朝霖.  清华大学学报(自然科学版). 2018(10)
[7]一种特殊彩色空间中的面部皮肤缺陷检测算法[J]. 王朕,亓祥元,严冬梅.  扬州大学学报(自然科学版). 2018(03)
[8]一种基于CUDA的改进Canny边缘检测算法[J]. 蓝贵文,吴昊铮,张强,赵东方.  桂林理工大学学报. 2018(03)
[9]基于局部信噪比的微小损伤自适应检测技术研究[J]. 唐如欲,刘德安,朱健强.  中国激光. 2018(07)
[10]基于机器视觉的玻璃瓶口缺陷检测方法[J]. 罗时光.  包装工程. 2018(03)

博士论文
[1]手机玻璃屏表面缺陷机器视觉检测与分类方法研究[D]. 简川霞.广东工业大学 2017

硕士论文
[1]用于空间碎片监测的科学级CCD相机研制[D]. 徐艺灵.中国科学技术大学 2018
[2]基于用户行为的特征工程构建与应用研究[D]. 白肇强.华南理工大学 2018
[3]一种局部二值化方法及其应用[D]. 王鹏.吉林大学 2017
[4]机器人工件识别关键技术研究[D]. 吴益红.安徽工程大学 2016
[5]基于机动目标跟踪模型的自适应滤波算法[D]. 刘楠.浙江理工大学 2016
[6]基于FPGA的金属毛刺视觉检测系统研究与实现[D]. 李冬.西安电子科技大学 2015



本文编号：3609207