基于机器视觉和深度学习的螺丝综合检测方法研究

发布时间：2021-06-28 07:58

　　目前,我国大型制造业公司开启了工业化转型的浪潮,各个行业对高质量工业零件的需求与日俱增。螺丝作为工业设备上不可或缺的零件,其质量对工业设备的性能有着很大的影响。随着计算机和人工智能技术的发展,机器视觉和深度学习技术在工业生产领域中得到了非常广泛的应用。与此同时,工业化下设备进行大规模自动化生产的方式更加普遍,基于非接触模式下对螺丝的尺寸特征和缺陷特征进行综合检测的方法成为行业研究的热点。由于缺陷特征难以被量化和提取,采用机器视觉技术在工业流水线上进行缺陷检测难度较大,误判率较高,处理过程较为复杂。近年来,基于深度学习的网络模型在各大数据集上都取得了巨大的成功,证明该技术在图像处理领域内能够取得很好的效果,这也为我们对工业器件进行更快、更精确的智能化检测提供了新的思路。本课题在基于现有理论的基础上,对螺丝在工业上的重要特征进行分析和研究,提出了一种基于机器视觉和深度学习的螺丝综合检测方法。该方法重点研究螺丝的尺寸特征和缺陷特征,研究内容主要分为以下四个方面:1)视觉检测系统的搭建:首先根据投影法原理,搭建光学成像系统硬件平台,选择CCD工业相机,采用与工业相机像素同等级的光学镜头。然后通... 

【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】：86 页

【学位级别】：硕士

【部分图文】：

机器视觉检测系统的简易结构图

接触

华南理工大学硕士学位论文8第二章视觉检测系统的构建2.1检测系统整体设计方案本课题是基于机器视觉和深度学习理论设计出对螺丝尺寸特征和缺陷特征进行非接触式检测方法的研究，该检测方法包含电子、光学、图像处理、人工智能等学科技术。整个检测系统由硬件检测系统、图像处理系统和特征提取系统三大部分构成，如下图2-1所示。图2-1视觉检测系统示意图2.1.1硬件检测系统视觉检测系统由工业上的硬件设备和各种装置组成，通过该硬件检测系统采集到所要研究对象的图像信息。采集到图像质量的好坏与采集设备的精度和采集方式有着很大的关系，同时图像质量的好坏影响着图像信息表达的充分性和准确性[43]。一张质量好的图像在计算机后续处理图像的过程中，不仅能降低处理的复杂度，还能提高检测的精度。本文的硬件检测系统包括以下两个模块，硬件装置模块和相机标定模块。1）图像采集硬件模块：图像采集硬件模块是整个采集系统的基础，它包括工业相机的选型、镜头的选型、不同光源的选型、不同照明方式的选择等。2）相机标定模块：相机标定能建立图像上像素尺寸与空间实际物理尺寸的对应系数关系，该模块决定了整个系统检测参数的精确度，它包括选择什么样的标定方式、采

【参考文献】：
期刊论文
[1]机器视觉表面缺陷检测综述[J]. 汤勃,孔建益,伍世虔.  中国图象图形学报. 2017(12)
[2]外螺纹中径三针法测量技术研究[J]. 邵莉.  计量与测试技术. 2016(12)
[3]基于OpenCV与USB工业相机零件检测系统的图像处理研究[J]. 黄振峰,陈海平,邓培,张鑫星.  现代电子技术. 2012(18)
[4]机器视觉技术及其应用综述[J]. 段峰,王耀南,雷晓峰,吴立钊,谭文.  自动化博览. 2002(03)

硕士论文
[1]基于图像处理的螺纹表面缺陷检测技术研究[D]. 邓细凤.重庆大学 2012
[2]基于机器视觉的外螺纹检测方法及实验研究[D]. 卜晨.华南理工大学 2011



本文编号：3253939