基于机器视觉的磁性材料外观自动光学检测成像技术研究

发布时间：2020-07-21 11:35

【摘要】：磁性材料,是一种主要由钕铁硼构成的新型磁材,由于其良好的磁性能,在电子工业、航天工业、机械工业等领域被广泛使用,一般常见的应用设备有音响设备、磁共振成像设备、电脑光驱设备、磁力电机设备等。磁性材料在生产加工的过程中由于各种各样的原因会在表面造成缺陷,严重影响其使用功能。首先,其外观上的缺陷会使磁性材料表面磁性分布不均匀;其次,磁性材料在使用过程中极易被腐蚀,出现外观缺陷导致镀上的保护层被破坏则更容易出现腐蚀的情况,这就严重影响到磁性材料产品的使用寿命。目前国内外还没有一套较完整的磁性材料检测系统。本文从磁性材料检测的实际需求出发,设计了一种基于机器视觉的全自动光学检测(Automatic Optical Inspection,AOI)系统,本文的主要研究成果及相关的内容为:(1)由于工业生产线处于高速运动状态、磁性材料边缘有较明显的圆弧倒角,导致普通图像采集系统在高速状态下采集到的图像轮廓会有明显的拖影,而且图像边缘倒角处容易出现阴影,掩盖缺陷的真实信息,所以依据磁性材料的特点以及现场情况,本文科学的设计了一套机器视觉检测系统,利用面阵相机、远心镜头、定焦镜头配合不同光源组成出高精度、适应性强的的光学检测系统图像采集系统。实验表明,本论文所设计的光学采集系统可以在上料速度高达450个/min的情况下采集到磁性材料轮廓无拖影、边缘倒角处无阴影的清晰图像,能够满足工业生产的需求;(2)根据磁性材料表面缺陷的特点,设计了一种适用于磁性材料表面的算法来处理所采集到的图像。首次将模板匹配与开运算等算法应用在磁性材料表面缺陷的检测上来,通过调节模板生成角度、匹配相似度系数和开运算内核大小来达到高速、准确的算法效果;实验结果表明,该算法可以检测出面积最小为0.01平方毫米的缺陷,而且检测时间小于133 ms,满足工业在线生产的速度需求。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TM271
【图文】：

章 磁性材料表面缺陷自动光学检测系统的性材料表面缺陷自动光学检测分析视觉检测系统应用在正常的生产线末的生产，在磁性材料进入下一道工序剔除，防止质量不合格的磁性材料流测指标为误检率低于 5 %，而漏检率示，现场存在一定的噪声和震动。

工件实物图

检测表面上尺寸，凹坑两种缺陷，缺陷的具体形态如图2-3 所示，检测速度不能慢于生产线转盘速度。图 2-3 磁性材料表面缺陷图2.2 系统总体设计方案2.2.1 系统功能分析磁性材料表面缺陷自动光学检测设备是一种包含多学科领域，例如光学工程、机械工程、计算机软件设计、计算机算法设计、机械工程等于一体的机器视觉检测设备。该检测系统采用在线检测的方式，对所有产品进行在线分类。大致的工作流程是：磁性材料经过上料传送带到达转盘之后，传感器将感知信号传送给检测系统的工控机，工控机控制不同工位上的光学原件(CCD 相机、镜头及光源)对工件进行光学成像，软件对其进行识别处理判定，并触发信号。待到下料工位时，分类机构根据传送过来的触发信号对磁性材料进行分类，防止存在缺陷的磁性材料流入到下一道加工工序。该在线检测系统存在两个基本指标：第一个是能够采集清晰度比较高的图像，不可以出现显著的模糊或失真现象；第二个是软件的检测速度必须大于上料结构的上料速度，上料速度为 600 个/min，所以要求检测速度必须小于 100 ms，即系统能够在较短的时间内完成对于采集图像的分析和判定。根据上述两个基本指标的要求，结合现场的条件，即可能存在着较大的外界干扰，导致所采集的图像不清晰以及材料表面的高反射性，所以针对尺寸缺陷，系统选取了远心镜头和高亮平行背光源，针对凹陷缺陷，系统选取了定焦镜头和平板漫射环形光源，配合合适的 CCD 相机可以保证采集到图像的高清晰度，此外，

【相似文献】

相关期刊论文 前10条

1 徐仲勋;黄科程;;机器视觉构造及应用综述[J];四川工程职业技术学院学报;2015年03期

2 朱阳芬;银冬平;邹舜章;王海文;周为;;机器视觉在汽车行业中的发展与应用[J];汽车实用技术;2017年22期

3 吴东明;王丽娟;;基于GPS和机器视觉的自主导航定位农机设备研究[J];农机化研究;2018年02期

4 李延浩;;机器视觉在多领域内的应用[J];电子技术与软件工程;2018年01期

5 ;机器视觉时代,最好的时代![J];智能机器人;2018年02期

6 宗卫红;;台达机器视觉系统助力制造业迈向智造新时代——访台达集团-中达电通机器视觉产品项目经理王风路[J];国内外机电一体化技术;2016年06期

7 何遥;;宇视揭秘安防机器视觉[J];中国公共安全;2016年19期

8 阮晋蒙;;机器视觉:让中国制造2025“看”得更远[J];新经济导刊;2017年Z1期

9 ;凌华科技推出三款高性能机器视觉产品[J];自动化应用;2017年02期

10 ;台达携机器视觉系统解决方案 亮相2017上海国际机器视觉展[J];变频器世界;2017年03期

相关会议论文 前10条

1 金守峰;张慧;;面向机器视觉的织物纬斜检测方法[A];全国先进制造技术高层论坛暨第九届制造业自动化与信息化技术研讨会论文集[C];2010年

2 管庶安;周龙;陈永强;廖明潮;;机器视觉在粮食品质检测中的应用研究[A];中国粮油学会第三届学术年会论文选集（下册）[C];2004年

3 张超;徐建瑜;王文静;;基于机器视觉的梭子蟹质量估计方法研究[A];浙江省信号处理学会2013学术年会论文集——信号处理在海洋[C];2013年

4 刘炎艳;;基于机器视觉的卷烟32位码识别系统研究[A];中国烟草学会2014年学术年会入选论文摘要汇编[C];2014年

5 王海宽;张锐;周志境;费敏锐;;基于机器视觉的智能医疗吊塔系统的设计与实现[A];2015全国嵌入式仪表及系统技术会议程序册[C];2015年

6 王稳;郭文成;叶宇翔;;基于机器视觉的激光光斑位置测量[A];2015年工业设计与协同创新学术会议暨第20届全国工业设计学术年会论文集[C];2015年

7 吴远峰;金翠娥;刘颖卓;;基于机器视觉的智能检测方法研究[A];第十一届全国磁粉渗透检测技术年会论文集[C];2017年

8 胡庆新;王伟;顾爱华;;基于机器视觉的农产品物料分级检测系统关键技术研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年

9 张超;李慧;;基于机器视觉的零件自动识别研究[A];探索 创新 交流（第7集）——第七届中国航空学会青年科技论坛文集（下册）[C];2016年

10 赵玉良;刘永贤;;基于机器视觉的汽车轮毂识别系统[A];2007中国汽车工程学会年会论文集[C];2007年

相关重要报纸文章 前10条

1 本报记者 李佳师;人工智能市场逼近2700亿元 三大难题待突破[N];中国电子报;2016年

2 中国电子信息产业发展研究院信息化研究中心智慧城市研究室主任 刘鹏宇;智能技术：呈现八大趋势[N];中国电子报;2017年

3 赛迪智库信息化中心助理研究员 刘鹏宇;2017年智能技术发展趋势[N];中国计算机报;2017年

4 经济日报·中国经济网记者 周明阳;给机器一双“慧眼”[N];经济日报;2017年

5 本报记者 胡心媛;机器视觉展推动智能制造落地[N];中国贸易报;2017年

6 本报记者 蔡炜;书写“东方工匠”传奇的黑牡丹集团技术总监邓建军：“创新，只有起点没有终点”[N];新华日报;2017年

7 本报研究员 费天元;机器视觉成争夺焦点 应用场景将加速拓展[N];上海证券报;2016年

8 记者 王宙洁 实习生 卢梦匀;机器视觉 智能生活的第三只眼[N];上海证券报;2015年

9 本报记者 郭涛;机器视觉：为机器装上“眼睛”和“大脑”[N];中国高新技术产业导报;2014年

10 本报记者 董碧娟;解密机器视觉“第三只眼”[N];经济日报;2013年

相关博士学位论文 前10条

1 胡志新;基于机器视觉的钢轨踏面磨耗剥落检测技术研究[D];南昌大学;2018年

2 吴衡;机器视觉鬼成像理论与实验研究[D];华南理工大学;2017年

3 胡越黎;目的机器视觉研究及其在皮肤症状识别中的应用[D];上海大学;2005年

4 韩彦芳;机器视觉中的聚类检测新方法[D];上海交通大学;2006年

5 饶洪辉;基于机器视觉的作物对行喷药控制系统研究[D];南京农业大学;2006年

6 周平;基于机器视觉的自然目标特征学习与即时检测[D];浙江大学;2006年

7 郁志宏;基于机器视觉的种蛋筛选及孵化成活性检测研究[D];内蒙古农业大学;2006年

8 徐晓秋;机器视觉球面孔位快速精密测量系统的研究[D];四川大学;2006年

9 龚爱平;基于嵌入式机器视觉的信息采集与处理技术研究[D];浙江大学;2013年

10 徐剑坤;基于机器视觉的巷道变形实时监测预警技术研究[D];中国矿业大学;2012年

相关硕士学位论文 前10条

1 张成龙;基于机器视觉的豆荚内部害虫检测技术研究[D];黑龙江八一农垦大学;2018年

2 夏天杰;基于机器视觉的移罐机械手柔性控制系统研究[D];华东理工大学;2018年

3 刘笑寒;基于机器视觉的磁性材料外观自动光学检测成像技术研究[D];电子科技大学;2018年

4 王成;基于机器视觉的鱼类定制切段方法及设备设计[D];大连工业大学;2017年

5 朱峰;鲍鱼机械式脱壳原理与设备研究[D];大连工业大学;2017年

6 汲彦军;机器视觉设备焊点质量检测关键技术研究[D];湖南大学;2017年

7 饶鹏;基于机器视觉的管料自动识别与定位系统的设计与实现[D];湖南大学;2017年

8 程春燕;基于机器视觉的脐橙品质自动检测分类技术研究[D];江西理工大学;2018年

9 陈姜嘉旭;基于机器视觉的PCB裸板缺陷检测技术研究[D];湖南大学;2017年

10 黄振兴;基于机器视觉的LED外观检测系统设计[D];西安工程大学;2017年

本文编号：2764350