基于机器视觉的手机电池表面缺陷检测研究

发布时间：2021-01-10 07:08

　　目前工业制造中,大多数产品尤其是电子产品的外观质量是人工检验,已经不能满足智能化、集成化的工业生产线的发展要求。二十一世纪,“人工智能”在语言识别、图像识别、机器视觉等领域的理论和技术已相对成熟,其中机器视觉与自动化产品质量检测相结合的集成系统也在逐步发展。本文选取的研究对象是使用量较大的手机电池,设计基于机器视觉的算法对手机电池的表面缺陷进行无损检测。首先,本文对课题研究背景及意义进行了说明,详细阐述了机器视觉技术以及基于机器视觉的缺陷检测技术与系统的国内外发展,说明整体表面缺陷检测整体方案的内容以及软件测试工具。其次,针对图片的分辨率大和倾斜的特点,设计倾斜矫正和感兴趣区域（ROI）提取操作,以得到相对水平位置的图片和区分开电池区域和背景。针对手机电池正面的字符,采用基于人工神经网络（ANN）的监督学习型电池字符的识别方法。提出模板匹配法和最小外接矩形查找法,确定了ROI的每一个字符位置,制作训练样本,使用ANN提取字符的特征训练并预测字符。然后对最小外接矩形的像素进行修改,目的是保证电池正反面保持相同的纹理。本文将字符处理后的ROI划分成两部分,并提出自适应阈值亮度法对字符操作后... 

【文章来源】：燕山大学河北省

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

机器人与智能视觉系统

燕山大学工学硕士学位论文光谱成像相结合，分析化学材料成分，减轻专业人员的工作量或者人技术提供非接触式精密温度测量和无损检测，热成像相机可用于国防工业场合如汽车或电子工业的零部件生产，热成像与机器视觉相结合或标准相机系统无法看到的问题，如图 1-2 所示。与工业 4.0 相呼应，在工业制造业蓬勃发展，更适用于所有行业，如食品，制药和医疗器械监管等也逐步发展，达到高效率资源利用率和生产率。

第 1 章 绪 论学习的图像分析软件，将人工智能与 VisionPro 和 Cognex Designer 软件结合在一起，该套件包含以下 4 种不同的工具：特征定位和识别，分割和缺陷检测，物体和场景分类和读取文本和字符[25]，如图 1-3 所示。a) 特征定位与识别 b) 分割和缺陷检测


本文编号：2968290