基于机器学习和机器视觉的点胶机自动定位系统

发布时间：2023-03-12 03:20

　　随着电子产品的发展,各厂家把产品设计得更薄更轻,使得封装工艺要求变得更高。传统的点胶机存在精度差、效率低等一系列的问题,故本文在传统点胶机的基础上加入了机器视觉技术和机器学习的方法,使得点胶机具有更高的精度和效率,从而满足现代制造业的需求。本文主要介绍了机器视觉点胶机系统的组成。机器视觉点胶机系统分为硬件部分和软件部分。硬件部分包括光源、相机、镜头以及运动控制器,本文分析了它们在机器视觉系统中的作用,性能参数和如何选型。软件部分包括图像预处理、相机标定以及目标检测。图像预处理首先将三通道彩色图像进行灰度化转化成单通道灰度图像以减少数据量提高计算效率,然后进行图像滤波抑制噪声。本文通过典型的针孔摄像机模型分析了4大坐标系的转换关系,在实际成像过程中还考虑了镜头畸变的影响,使用OpenCV视觉图像处理库中的函数进行图像校正,并根据机器视觉点胶机的实际情况选取了合适的标定方法。之后,根据机器视觉点胶机的实际情况,本文采用了两种目标定位方法:(1)在MB-LBP级联分类器的基础上额外再串联两个分类器,基于SIFT特征和SURF特征的分类器,构成一个新的级联分类器以满足机器视觉点胶机的目标检测和...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 机器视觉技术发展现状
        1.2.2 视觉定位的研究现状
    1.3 主要研究内容
    1.4 论文结构安排
第2章 机器视觉点胶机系统硬件设计
    2.1 机器视觉点胶机系统概述
    2.2 视觉点胶机系统硬件组成
        2.2.1 光源
        2.2.2 工业相机
        2.2.3 工业镜头
        2.2.4 运动控制器
    2.3 本章小结
第3章 摄像机标定
    3.1 摄像机标定概述
    3.2 摄像机成像几何模型
    3.3 镜头畸变
    3.4 畸变校正
    3.5 系统标定
    3.6 本章小结
第4章 图像预处理方法
    4.1 图像灰度化
    4.2 图像滤波
        4.2.1 图像滤波背景
        4.2.2 中值滤波
        4.2.3 均值滤波
        4.2.4 高斯滤波
    4.3 图像滤波结果对比
    4.4 本章小结
第5章 目标检测定位算法
    5.1 基于一种新的级联分类器的目标检测
        5.1.1 概述
        5.1.2 MB-LBP特征
        5.1.3 SIFT特征
        5.1.4 SURF特征
        5.1.5 Adaboost算法和级联方法
        5.1.6 目标检测算法流程
        5.1.7 实验结果
    5.2 基于HOG-SVM目标检测定位
        5.2.1 HOG特征简介
        5.2.2 SVM简介
        5.2.3 算法实现
        5.2.4 实验结果
    5.3 本章小结
第6章 总结和展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读学位期间的研究成果



本文编号：3760837