基于亚像素分析的轴类零件自动检测技术

发布时间：2017-07-29 13:05

  本文关键词：基于亚像素分析的轴类零件自动检测技术

  更多相关文章： 轴类零件 机器视觉 亚像素边界检测 图像滤波 缺陷检测

【摘要】：对于大批量生产的零件,传统的检测方法都是用人工来进行检测,这样不仅效率低,而且比较容易出错,本文针对汽车发动机中气门上的导杆,运用机器视觉技术,实现对零件的尺寸以及表面缺陷的自动检测。对轴类零件的检测主要包括尺寸和表面缺陷的检测,而尺寸检测其中的关键就是提高边界检测算法测量精度,对表面缺陷的检测主要包括麻点、划痕和毛刺这几个在工件表面上常见缺陷的检测,表面缺陷的检测其中的关键就是运用不同的检测算法分别将这几个缺陷分别提取出来,并且尽量的减少漏检率,针对这些关键问题,本文主要进行下述工作。首先在结构方面,主要是对自动检测装置进行结构优化。为了减少异物对图像采集系统的影响,镜头和CCD采取水平放置,并且在光源和工件之间加入导光板,使光照比较均匀,图像采集部分设置为一个密闭的暗室结构,这样避免了外界自然光的干扰。对工件传送速度的优化,使图像采集部分刚好可以采集到工件的整个表面情况。其次在图像算法方面。针对图像中出现的噪声,本文分别运用均值滤波、开关中值滤波、递进开关中值滤波这几种算法对图像进行滤波,根据滤波结果选择滤波效果最好的递进开关中值滤波为本文滤波算法。分析比较几种不同边界检测算子的优缺点,在Sobel算子的基础上进行改进,运用8方向模板,并且在梯度方向上对边界进行细化,从而到达单像素级的边界,并在此基础上分别研究灰度矩算法、多项式插值和曲线拟合这几种亚像素边界检测算法的定位精度,并且在灰度矩算法的基础上进行改进,改进之后的算法有很好的定位精度以及重复定位精度。运用灰度值投影的方法对工件待检测区域进行定位,在定位的区域内运用不同检测算法实现了对麻点、划痕和毛刺的检测。最后运用上述的检测算法和实验装置对直径为5mm±0.05的导杆进行多次实验,并对实验结果进行分析,结果表明本文所提出的算法具有很好的定位精度,而且完全可以实现对缺陷的检测。
【关键词】：轴类零件 机器视觉 亚像素边界检测 图像滤波 缺陷检测
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP274
【目录】：

• 摘要4-6
• abstract6-11
• 第1章 绪论11-15
• 1.1 论文的选题背景及研究意义11
• 1.2 图像处理技术的国内外现状11-12
• 1.3 亚像素检测算法的国内外现状12-13
• 1.4 本文研究的主要内容13-15
• 第2章 自动检测设备的结构设计15-27
• 2.1 工业相机的选型15-16
• 2.2 镜头的选择16-18
• 2.3 光源设计18-22
• 2.3.1 光源的选择18-19
• 2.3.2 光照系统的布置方案19-21
• 2.3.3 结构光光照强度的优化21-22
• 2.4 工业相机和镜头的结构布置22-23
• 2.5 工件传送速度的优化23-24
• 2.6 检测设备的整体结构24-26
• 2.7 本章小结26-27
• 第3章 图像平滑和像素级的边界检测算法研究27-43
• 3.1 图像平滑27-34
• 3.1.1 噪声产生原因及滤波目的27-28
• 3.1.2 几种常见的滤波算法28-31
• 3.1.2.1 算术平均值滤波AEM28
• 3.1.2.2 中值滤波28-29
• 3.1.2.3 开关中值滤波SMF29-30
• 3.1.2.4 递进开关中值滤波PSM30-31
• 3.1.3 噪声模型和滤波效果评价标准31-33
• 3.1.3.1 噪声模型31-32
• 3.1.3.2 滤波器性能客观评价标准32-33
• 3.1.4 实验与小结33-34
• 3.2 像素级的边界检测34-41
• 3.2.1 Robert算子37
• 3.2.2 Sobel算子37-38
• 3.2.3 Prewitt算子38
• 3.2.4 Canny边界检测算子38-40
• 3.2.5 本文检测算法40-41
• 3.3 本章小结41-43
• 第4章 亚像素边界检测算法及其评价43-57
• 4.1 亚像素边界检测原理43-53
• 4.1.1 矩法44-50
• 4.1.1.1 基于灰度矩的亚像素边界检测算法44-50
• 4.1.2 基于曲线拟合亚像素边界检测算法50-52
• 4.1.3 基于多项式插值的亚像素边界检测算法52-53
• 4.2 三种不同算法的比较53-55
• 4.2.1 定位精度的比较53
• 4.2.2 重复定位精度的比较53-55
• 4.3 本章小结55-57
• 第5章 小型轴类零件表面缺陷检测算法研究57-77
• 5.1 零件表面几种常见的缺陷57-59
• 5.2 对采集的图像进行分析59-64
• 5.2.1 对图像中的黑色带进行定位59-64
• 5.3 特征提取64-72
• 5.3.1 麻点的检测64-67
• 5.3.1.1 边界跟踪64-66
• 5.3.1.2 麻点的提取66-67
• 5.3.2 划痕的检测67-71
• 5.3.2.1 断点检测和断点连接68-71
• 5.3.3 毛刺的检测71-72
• 5.4 实验数据72-76
• 5.5 本章小结76-77
• 第6章 总结与展望77-79
• 6.1 工作总结77
• 6.2 展望77-79
• 参考文献79-83
• 附录83-85
• 作者简介及在学期间所获得的科研成果85-87
• 致谢87

【参考文献】

中国期刊全文数据库 前10条

1 刘文涛;陈忠;张宪民;;一种改进的灰度矩亚像素边缘定位方法[J];测试技术学报;2014年06期

2 赵建春;叶丽娜;刘芳;张兵兵;;改进型中值滤波在图像处理中的应用[J];四川兵工学报;2013年06期

3 来跃深;陈琛;田军委;程钢;;高斯插值亚像素边缘检测算法的优化[J];西安工业大学学报;2012年10期

4 张显斌;袁轲;;原棉异纤维检测系统照明光源光照度分布研究[J];光学技术;2012年02期

5 杨鹏;谢立;刘济林;;基于Zernike矩的高精度太阳图像质心提取算法[J];宇航学报;2011年09期

6 李帅;卢荣胜;史艳琼;刘宁;李楠楠;;基于高斯曲面拟合的亚像素边缘检测算法[J];工具技术;2011年07期

7 尚雅层;陈静;田军委;;高斯拟合亚像素边缘检测算法[J];计算机应用;2011年01期

8 王吉林;姚励;赵力;;基于改进的多项式插值亚像素法电缆护套材料厚度测量[J];电测与仪表;2009年12期

9 伍卫平;何玉明;胡而已;;移动最小二乘三次曲面拟合法分析图像亚像素位移[J];固体力学学报;2008年S1期

10 高世一;赵明扬;张雷;邹媛媛;;基于Zernike正交矩的图像亚像素边缘检测算法改进[J];自动化学报;2008年09期

中国博士学位论文全文数据库 前3条

1 张建川;红钢棒材表面缺陷图像采集与检测系统研究[D];山东大学;2012年

2 孙秋成;基于机器视觉的轴径测量[D];吉林大学;2010年

3 邵承会;高度脉冲噪声污染水岸图像分割[D];吉林大学;2005年

中国硕士学位论文全文数据库 前7条

1 付佳佳;基于图像处理技术的轴类工件多参数自动检测技术研究[D];吉林大学;2014年

2 赵娜;活塞环自动检测分选仪测试系统优化研究[D];天津大学;2014年

3 曾源圣;机器视觉检测型材冷弯成形技术的研究[D];广东工业大学;2013年

4 王洋;金属工件表面缺陷的图像处理技术研究[D];沈阳理工大学;2012年

5 陈初侠;图像滤波及边缘检测与增强技术研究[D];合肥工业大学;2009年

6 史成淼;基于数字图像的亚像素边缘定位的研究[D];吉林大学;2008年

7 卢得芳;基于亚像素的轴类零件视觉检测方法研究[D];重庆大学;2008年

，

本文编号：589280