基于机器视觉的磁环裂纹检测方法研究
发布时间：2022-01-25 14:33
裂纹检测作为机械零部件、土木结构件和建筑物等工程质量检测的重要一环,一直是学术界研究的热点与难点课题。传统的裂纹检测任务由工人根据自身经验完成,具有主观性太强、检测质量不稳定、成本代价高昂等缺点,因此裂纹的自动化检测是未来发展的趋势。本文从磁环裂纹检测问题出发,结合裂纹的开裂特点,提出一种新的基于图像的裂纹检测方法。首先,本文对磁环表面纹理噪声干扰、伪裂纹特征干扰进行了分析,分析对比了空间域、时频域滤波算法。空间域滤波方法中,研究了保边滤波算法在磁环裂纹图像中的处理效果,并比较了双边滤波器、导向滤波器和带权最小二乘滤波器处理磁环裂纹图像的性能,通过峰值信噪比对其性能指标进行了量化评价;时频域滤波方法中,基于小波分析利用极坐标变换提出了一种磁环裂纹的小波分析方法。提出了一种基于极坐标变换的图像采样方法,有效减少了原始数据,实验结果表明该方法稳定性较好。然后,分析了裂纹的开裂特点,并据此对裂纹的图像特征建立了模型。结合梯度矢量和局部特征描述子方法,提出了一种基于图像梯度矢量的局部特征描述子（LDGV）,并基于LDGV提出了一种裂纹种子点检测方法;基于小波分析方法提出了另一种裂纹种子点检测方...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：97 页
【学位级别】：硕士
【部分图文】：
图2-7双边滤波器的保边原理
细节系数越大，代表该位置发生的突变程度越高，通常裂纹位置在经过分解后得到较大的细节系数。按照上述分析，将细节系数归一化到 的灰度级空间，则裂纹区域应具有较高灰度值。算法流程如图2-18(b) 所示，其中小波函数选用”Symlet 2”，其波形如图2-18(a)。所得结果如图2-18（c），可见裂纹区域的灰度值较大，且分布集中，表明裂纹位置对“Symlet 2”响应最大。除裂纹区域外，其他细节系数较大的像素分布都比较分散，这表明对于一定宽度的裂纹，利用特定的小波函数进行分析是有效的。对小波变换的结23
端面为环形，因此目标物不会布满整个视场，图像的非目标物部分需要从原始图像中去除，以减少不必要的数据处理量。对于本文研究的圆环形零件端面，成像后只有环形部分需要检测，如图2-21所示。因此将内径以外的暗部和外径以外的暗部去除，得到初步的感兴趣区域 ROI(region of interest)。为此需要对零件圆心进行定位。目前对圆和直线这类基本几何形状的识别主要有两类算法，一类是基于霍夫变换的投票法，另外一类是拟合法。霍夫变换识别圆算法中，需要输入待识别圆的半径范围，最小投票数等参数，其优势在于可以一次识别多个圆，但是识别准确率与稳定性对输入参数比较敏感。本文只需要识别一个圆，并且对识别的稳定性要求极高，因此采用最小二乘拟合法。拟合算法需要在二值图上进行，需要先将原始图像进行二值化，为此分析图像的灰度值分布，绘制图2-21（a）的灰度直方图如图2-21（b）所示，目标检测区域(a)012345678x 104灰 度 分 布 直 方 图0 50 100 150 200 250(b)图 2-21 目标检测区域与图像灰度直方图：（a）目标检测区域；（b）左图的灰度直方图可以看出零件图像的灰度值分布有两个明显波峰
【参考文献】：
期刊论文
[1]基于最小代价路径搜索的路面裂缝检测[J]. 李清泉,邹勤,毛庆洲. 中国公路学报. 2010(06)
博士论文
[1]基于机器视觉的半导体芯片表面缺陷在线检测关键技术研究[D]. 巢渊.东南大学 2017
[2]基于图像处理的工件表面缺陷检测理论与方法研究[D]. 赵君爱.东南大学 2016
[3]基于稀疏特征的触摸屏图像缺陷检测及识别方法的研究[D]. 梁列全.华南理工大学 2015
[4]基于多特征融合的路面破损图像自动识别技术研究[D]. 徐志刚.长安大学 2012
硕士论文
[1]基于机器学习方法的管材缺陷识别方法研究[D]. 郭润元.西安理工大学 2018
[2]基于图像处理的微小元件端面裂纹及缺陷检测算法的研究[D]. 李慧娴.郑州大学 2018
[3]基于图像处理的路面裂缝检测算法研究[D]. 罗瑞.安徽工程大学 2017
本文编号：3608709
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：97 页
【学位级别】：硕士
【部分图文】：
图2-7双边滤波器的保边原理
细节系数越大，代表该位置发生的突变程度越高，通常裂纹位置在经过分解后得到较大的细节系数。按照上述分析，将细节系数归一化到 的灰度级空间，则裂纹区域应具有较高灰度值。算法流程如图2-18(b) 所示，其中小波函数选用”Symlet 2”，其波形如图2-18(a)。所得结果如图2-18（c），可见裂纹区域的灰度值较大，且分布集中，表明裂纹位置对“Symlet 2”响应最大。除裂纹区域外，其他细节系数较大的像素分布都比较分散，这表明对于一定宽度的裂纹，利用特定的小波函数进行分析是有效的。对小波变换的结23
端面为环形，因此目标物不会布满整个视场，图像的非目标物部分需要从原始图像中去除，以减少不必要的数据处理量。对于本文研究的圆环形零件端面，成像后只有环形部分需要检测，如图2-21所示。因此将内径以外的暗部和外径以外的暗部去除，得到初步的感兴趣区域 ROI(region of interest)。为此需要对零件圆心进行定位。目前对圆和直线这类基本几何形状的识别主要有两类算法，一类是基于霍夫变换的投票法，另外一类是拟合法。霍夫变换识别圆算法中，需要输入待识别圆的半径范围，最小投票数等参数，其优势在于可以一次识别多个圆，但是识别准确率与稳定性对输入参数比较敏感。本文只需要识别一个圆，并且对识别的稳定性要求极高，因此采用最小二乘拟合法。拟合算法需要在二值图上进行，需要先将原始图像进行二值化，为此分析图像的灰度值分布，绘制图2-21（a）的灰度直方图如图2-21（b）所示，目标检测区域(a)012345678x 104灰 度 分 布 直 方 图0 50 100 150 200 250(b)图 2-21 目标检测区域与图像灰度直方图：（a）目标检测区域；（b）左图的灰度直方图可以看出零件图像的灰度值分布有两个明显波峰
【参考文献】：
期刊论文
[1]基于最小代价路径搜索的路面裂缝检测[J]. 李清泉,邹勤,毛庆洲. 中国公路学报. 2010(06)
博士论文
[1]基于机器视觉的半导体芯片表面缺陷在线检测关键技术研究[D]. 巢渊.东南大学 2017
[2]基于图像处理的工件表面缺陷检测理论与方法研究[D]. 赵君爱.东南大学 2016
[3]基于稀疏特征的触摸屏图像缺陷检测及识别方法的研究[D]. 梁列全.华南理工大学 2015
[4]基于多特征融合的路面破损图像自动识别技术研究[D]. 徐志刚.长安大学 2012
硕士论文
[1]基于机器学习方法的管材缺陷识别方法研究[D]. 郭润元.西安理工大学 2018
[2]基于图像处理的微小元件端面裂纹及缺陷检测算法的研究[D]. 李慧娴.郑州大学 2018
[3]基于图像处理的路面裂缝检测算法研究[D]. 罗瑞.安徽工程大学 2017
本文编号：3608709
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3608709.html
