基于机器视觉的纽扣瑕疵检测技术与研究
发布时间:2023-01-09 11:31
在纽扣的生产过程中,由于存在机械故障、模具损坏等不可控因素,纽扣极易产生各种各样的瑕疵。目前纽扣的瑕疵检测方法通常是人工目测,该方法效率低下且准确率有限。针对这一问题,本文基于机器视觉的相关理论知识,并考虑不同类型纽扣的瑕疵特点,提出了基于机器视觉的针对塑料纽扣和金属纽扣的瑕疵检测方法。本文搭建了纽扣瑕疵检测的硬件平台并主要研究了三部分内容:一、纽扣图像感兴趣区域的分割;二、塑料纽扣的瑕疵检测方法;三、金属纽扣的瑕疵检测方法。论文的主要创新点如下:1、提出了基于形态学处理和Graham算法的纽扣图像感兴趣区域分割算法。该算法将采集到的纽扣图像进行滤波处理,根据塑料纽扣和金属纽扣的不同特点,利用形态学处理得到图像中纽扣所在的区域,并提取纽扣的边缘。最后利用Graham算法得到纽扣最小外接矩阵的坐标,将该坐标值映射到原图所在的位置,分割出纽扣图像的感兴趣区域。该算法为纽扣瑕疵检测奠定了基础,去除了无关的干扰信息,提高了瑕疵检测的效率。2、提出了基于动态阈值和自适应高斯聚类的塑料纽扣瑕疵检测算法。该算法按照瑕疵类别的不同分为两个模块:一、针对纽扣形状瑕疵的特点,本文利用动态阈值分割和连通区域...
【文章页数】:78 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状及本文研究思路
1.2.1 纽扣瑕疵检测的研究现状
1.2.2 本文纽扣瑕疵检测的研究思路
1.3 本文主要研究工作
2 瑕疵检测方法及ELM和 SRC的原理介绍
2.1 引言
2.2 瑕疵检测的基本原理和方法
2.2.1 瑕疵检测算法
2.2.2 瑕疵识别算法
2.3 极限学习机的原理和方法
2.4 稀疏表示分类的原理和方法
2.5 本章小结
3 瑕疵检测的硬件系统和纽扣像素坐标的定位
3.1 引言
3.2 图像采集装置的设计
3.2.1 工业相机的选取
3.2.2 相机镜头的选取
3.2.3 光源的设计
3.3 基于形态学处理和Graham算法的纽扣感兴趣区域分割
3.3.1 纽扣图像滤波
3.3.2 形态学处理
3.3.3 Graham算法分割纽扣感兴趣区域
3.4 实验
3.4.1 运行环境及实验步骤
3.4.2 实验结果及分析
3.5 本章小结
4 基于动态阈值和自适应高斯聚类的塑料纽扣瑕疵检测
4.1 引言
4.2 塑料纽扣形状瑕疵的检测算法
4.2.1 塑料纽扣阈值分割和单连通区域计数
4.2.2 Canny算子提取塑料纽扣外部和内孔轮廓
4.2.3 塑料纽扣外部和内孔轮廓的圆形度分析
4.3 塑料纽扣表面瑕疵的检测算法
4.3.1 塑料纽扣表面瑕疵建模
4.3.2 高斯混合模型聚类算法
4.3.3 纽扣颜色空间的自适应聚类
4.4 实验
4.4.1 运行环境及实验步骤
4.4.2 评价指标
4.4.3 实验结果及分析
4.5 本章小结
5 基于极限学习机级联稀疏表示分类的金属纽扣瑕疵检测
5.1 引言
5.2 金属纽扣图像的预处理
5.2.1 纽扣图像的去反光处理
5.2.2 纽扣图像的增强
5.2.3 纽扣图像的降维处理
5.3 ELM-SRC模型介绍
5.3.1 ELM分类器检测纽扣瑕疵
5.3.2 稀疏表示分类器检测纽扣瑕疵
5.3.3 ELM-SRC分类器检测纽扣瑕疵
5.4 实验
5.4.1 运行环境及实验数据
5.4.2 实验步骤及评价指标
5.4.3 实验结果与分析
5.5 本章小结
6 总结与展望
6.1 全文总结
6.2 全文展望
参考文献
致谢
攻读硕士期间研究成果
【参考文献】:
期刊论文
[1]基于Canny算子和SVM的瓶盖缺陷检测系统研究[J]. 文欣雨,廉小亲,郝宝智,吴叶兰,王晓刚. 测控技术. 2018(08)
[2]基于机器视觉的纽扣缺陷检测算法研究[J]. 李帅,赵瑾,景军锋. 科技创新与应用. 2018(08)
[3]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)
[4]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄. 软件学报. 2017(01)
[5]一种快速提取植物叶片最小外接矩形的算法[J]. 李洋,李岳阳. 江南大学学报(自然科学版). 2015(03)
[6]基于压缩感知的红外与可见光图像融合[J]. 周渝人,耿爱辉,张强,陈娟,董宇星. 光学精密工程. 2015(03)
[7]基于连通区域和统计特征的图像文本定位[J]. 刘亚亚,于凤芹,陈莹. 计算机工程与应用. 2016(05)
[8]一种解算空间几何对象的最小外接矩形算法[J]. 郭庆胜,冯代鹏,刘远刚,陈勇. 武汉大学学报(信息科学版). 2014(02)
[9]纽扣电池表面缺陷检测算法的研究[J]. 肖阔华,刘羽. 表面技术. 2013(01)
[10]CCD图像传感器的现状及未来发展[J]. 胡琳. 电子科技. 2010(06)
硕士论文
[1]钮扣字符缺陷在线检测算法研究[D]. 周同.华中科技大学 2016
[2]车辆皮革瑕疵智能检测方法研究[D]. 严飞华.重庆理工大学 2016
[3]基于机器视觉的纽扣内孔及色差缺陷在线检测技术研究[D]. 陈浩.华中科技大学 2015
[4]布匹瑕疵检测技术的研究与开发[D]. 王明景.江南大学 2014
[5]基于小波和统计学习理论的布匹瑕疵检测与分类技术研究[D]. 王新民.西安电子科技大学 2012
本文编号:3729109
【文章页数】:78 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状及本文研究思路
1.2.1 纽扣瑕疵检测的研究现状
1.2.2 本文纽扣瑕疵检测的研究思路
1.3 本文主要研究工作
2 瑕疵检测方法及ELM和 SRC的原理介绍
2.1 引言
2.2 瑕疵检测的基本原理和方法
2.2.1 瑕疵检测算法
2.2.2 瑕疵识别算法
2.3 极限学习机的原理和方法
2.4 稀疏表示分类的原理和方法
2.5 本章小结
3 瑕疵检测的硬件系统和纽扣像素坐标的定位
3.1 引言
3.2 图像采集装置的设计
3.2.1 工业相机的选取
3.2.2 相机镜头的选取
3.2.3 光源的设计
3.3 基于形态学处理和Graham算法的纽扣感兴趣区域分割
3.3.1 纽扣图像滤波
3.3.2 形态学处理
3.3.3 Graham算法分割纽扣感兴趣区域
3.4 实验
3.4.1 运行环境及实验步骤
3.4.2 实验结果及分析
3.5 本章小结
4 基于动态阈值和自适应高斯聚类的塑料纽扣瑕疵检测
4.1 引言
4.2 塑料纽扣形状瑕疵的检测算法
4.2.1 塑料纽扣阈值分割和单连通区域计数
4.2.2 Canny算子提取塑料纽扣外部和内孔轮廓
4.2.3 塑料纽扣外部和内孔轮廓的圆形度分析
4.3 塑料纽扣表面瑕疵的检测算法
4.3.1 塑料纽扣表面瑕疵建模
4.3.2 高斯混合模型聚类算法
4.3.3 纽扣颜色空间的自适应聚类
4.4 实验
4.4.1 运行环境及实验步骤
4.4.2 评价指标
4.4.3 实验结果及分析
4.5 本章小结
5 基于极限学习机级联稀疏表示分类的金属纽扣瑕疵检测
5.1 引言
5.2 金属纽扣图像的预处理
5.2.1 纽扣图像的去反光处理
5.2.2 纽扣图像的增强
5.2.3 纽扣图像的降维处理
5.3 ELM-SRC模型介绍
5.3.1 ELM分类器检测纽扣瑕疵
5.3.2 稀疏表示分类器检测纽扣瑕疵
5.3.3 ELM-SRC分类器检测纽扣瑕疵
5.4 实验
5.4.1 运行环境及实验数据
5.4.2 实验步骤及评价指标
5.4.3 实验结果与分析
5.5 本章小结
6 总结与展望
6.1 全文总结
6.2 全文展望
参考文献
致谢
攻读硕士期间研究成果
【参考文献】:
期刊论文
[1]基于Canny算子和SVM的瓶盖缺陷检测系统研究[J]. 文欣雨,廉小亲,郝宝智,吴叶兰,王晓刚. 测控技术. 2018(08)
[2]基于机器视觉的纽扣缺陷检测算法研究[J]. 李帅,赵瑾,景军锋. 科技创新与应用. 2018(08)
[3]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)
[4]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄. 软件学报. 2017(01)
[5]一种快速提取植物叶片最小外接矩形的算法[J]. 李洋,李岳阳. 江南大学学报(自然科学版). 2015(03)
[6]基于压缩感知的红外与可见光图像融合[J]. 周渝人,耿爱辉,张强,陈娟,董宇星. 光学精密工程. 2015(03)
[7]基于连通区域和统计特征的图像文本定位[J]. 刘亚亚,于凤芹,陈莹. 计算机工程与应用. 2016(05)
[8]一种解算空间几何对象的最小外接矩形算法[J]. 郭庆胜,冯代鹏,刘远刚,陈勇. 武汉大学学报(信息科学版). 2014(02)
[9]纽扣电池表面缺陷检测算法的研究[J]. 肖阔华,刘羽. 表面技术. 2013(01)
[10]CCD图像传感器的现状及未来发展[J]. 胡琳. 电子科技. 2010(06)
硕士论文
[1]钮扣字符缺陷在线检测算法研究[D]. 周同.华中科技大学 2016
[2]车辆皮革瑕疵智能检测方法研究[D]. 严飞华.重庆理工大学 2016
[3]基于机器视觉的纽扣内孔及色差缺陷在线检测技术研究[D]. 陈浩.华中科技大学 2015
[4]布匹瑕疵检测技术的研究与开发[D]. 王明景.江南大学 2014
[5]基于小波和统计学习理论的布匹瑕疵检测与分类技术研究[D]. 王新民.西安电子科技大学 2012
本文编号:3729109
本文链接:https://www.wllwen.com/projectlw/qgylw/3729109.html