基于机器视觉的木皮在线分选检测系统
发布时间：2021-01-09 20:04
随着我国制造业的快速发展,胶合板被广泛应用于社会生产的各个领域,在国民经济中发挥着重要作用。木皮作为胶合板的原材料,其尺寸误差和表面缺陷会降低胶合板的产品质量。为了避免因木皮尺寸误差和表面缺陷造成的胶合板质量问题,本文依托于山东某木材机械企业项目,基于机器视觉检测技术快速准确的优点,以木皮尺寸和表面缺陷为研究对象,对在线检测系统的搭建、木皮尺寸的检测和表面缺陷的识别分类进行了深入研究。良好的检测系统是识别检测的基础,针对木皮尺寸和表面缺陷类型,对木皮检测系统整体架构进行了设计,并搭建了木皮检测系统硬件平台。采用暗场照明与背光照明相结合的方法辅助CCD相机对木皮图像进行采集,此方法可以突显木皮外形轮廓和表面特征,有助于木皮检测系统的检测识别。为了减少环境因素对采集图像质量的干扰,采用直方图均衡化的方法来突显所需的图像特征。在图像直方图均衡化的基础上,结合几种常用的图像边缘分割算法进行边缘检测,根据实际的分割效果选取最佳的Canny分割算法,并通过木皮图像外接多边形方法与边缘拟合提取方法相结合的方式对分割后的图像进行处理计算,实现了对木皮尺寸的准确检测。针对木皮表面缺陷的识别分类,利用词袋...
【文章来源】：济南大学山东省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
机器视觉应用案例
分选检测系统需要检测的对象，同时结合生产加工过程中分选检测系统的总体架构，并对系统架构中的组成和相关测对象及关键技术方法测对象检测系统的检测对象为：木皮尺寸与木皮表面缺陷。木皮备裁剪误差。木皮的表面缺陷主要来源于两个方面：第一受生长环境影响产生的先天性缺陷；第二种来源于病虫害性缺陷。木皮表面存在多种类型的缺陷，为研究方便，本活节、死节和孔洞缺陷进行分析检测，并结合木皮尺寸检系统所要检测的木皮样本如图 2.1 所示，木皮缺陷样本如
木皮分选检测系统的检测对象为：木皮尺寸与木皮表面缺陷。木皮尺寸误差产是加工设备裁剪误差。木皮的表面缺陷主要来源于两个方面：第一种来源于树长过程中受生长环境影响产生的先天性缺陷；第二种来源于病虫害和木材加工生的后天性缺陷。木皮表面存在多种类型的缺陷，为研究方便，本课题针对木要存在的活节、死节和孔洞缺陷进行分析检测，并结合木皮尺寸检测来设计检木皮检测系统所要检测的木皮样本如图 2.1 所示，木皮缺陷样本如图 2.2 所示图 2.1 木皮样本图
【参考文献】：
期刊论文
[1]基于k-means++的多分类器选择分类研究[J]. 熊霖,唐万梅. 重庆师范大学学报(自然科学版). 2018(06)
[2]基于机器视觉的纺织布品色差检测研究[J]. 冀永乐,张团善,颜亚飞,张帆,蒙春学. 西安工程大学学报. 2018(04)
[3]基于改进的FAST和FREAK的图像匹配算法[J]. 赵小强,徐铸业. 兰州理工大学学报. 2018(03)
[4]一种地外天体路标图像的稀疏化表征方法[J]. 胡荣海,黄翔宇. 空间控制技术与应用. 2018(03)
[5]基于机器视觉检测钢板板形的图像处理方法研究[J]. 许博文,唐朝,张田,李家栋. 软件工程. 2018(06)
[6]基于机器视觉的苹果品质在线分级检测[J]. 石瑞瑶,田有文,赖兴涛,古文君. 中国农业科技导报. 2018(03)
[7]一种基于机器视觉的农田害虫活体动态图像特征获取系统[J]. 宋琨珷,徐峰. 电子质量. 2017(12)
[8]基于分块SURF特征提取的图像目标跟踪算法[J]. 牛畅,黄银和,尹奎英. 激光与红外. 2017(12)
[9]基于机器视觉的钢轨表面检测光学模型的研究[J]. 吴禄慎,张丛,万超,史皓良. 铁道标准设计. 2017(05)
[10]基于机器视觉的SOP芯片引脚缺陷检测系统设计[J]. 李本红,张淼,欧幸福. 电子器件. 2017(01)
博士论文
[1]基于流形支持向量机的木材表面缺陷识别方法的研究[D]. 陈立君.东北林业大学 2015
[2]数字图像处理技术在木材表面缺陷检测中的应用研究[D]. 谢永华.东北林业大学 2013
硕士论文
[1]基于支持向量机（SVM）的车牌识别[D]. 余承波.安徽理工大学 2018
[2]基于小波变换和LBP的木材表面缺陷识别[D]. 张益翔.南京林业大学 2017
[3]基于机器视觉的中厚钢板轮廓检测系统的研究[D]. 胡远.浙江理工大学 2017
[4]随机共振优化模型及其在图像增强中的应用研究[D]. 王迪.杭州电子科技大学 2016
[5]木质板材缺陷的多视觉检测方法[D]. 吕士硕.天津科技大学 2015
[6]基于数学形态学的木材缺陷分割技术的研究[D]. 邱筱斐.东北林业大学 2012
[7]木材表面缺陷图像识别的算法研究[D]. 朱蕾.南京林业大学 2011
[8]基于颜色特征木材缺陷检测的研究[D]. 王玉珏.东北林业大学 2010
[9]支持向量分类机的核函数研究[D]. 李红英.重庆大学 2009
[10]支持向量机核函数的研究[D]. 黄啸.苏州大学 2008
本文编号：2967310
【文章来源】：济南大学山东省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
机器视觉应用案例
分选检测系统需要检测的对象，同时结合生产加工过程中分选检测系统的总体架构，并对系统架构中的组成和相关测对象及关键技术方法测对象检测系统的检测对象为：木皮尺寸与木皮表面缺陷。木皮备裁剪误差。木皮的表面缺陷主要来源于两个方面：第一受生长环境影响产生的先天性缺陷；第二种来源于病虫害性缺陷。木皮表面存在多种类型的缺陷，为研究方便，本活节、死节和孔洞缺陷进行分析检测，并结合木皮尺寸检系统所要检测的木皮样本如图 2.1 所示，木皮缺陷样本如
木皮分选检测系统的检测对象为：木皮尺寸与木皮表面缺陷。木皮尺寸误差产是加工设备裁剪误差。木皮的表面缺陷主要来源于两个方面：第一种来源于树长过程中受生长环境影响产生的先天性缺陷；第二种来源于病虫害和木材加工生的后天性缺陷。木皮表面存在多种类型的缺陷，为研究方便，本课题针对木要存在的活节、死节和孔洞缺陷进行分析检测，并结合木皮尺寸检测来设计检木皮检测系统所要检测的木皮样本如图 2.1 所示，木皮缺陷样本如图 2.2 所示图 2.1 木皮样本图
【参考文献】：
期刊论文
[1]基于k-means++的多分类器选择分类研究[J]. 熊霖,唐万梅. 重庆师范大学学报(自然科学版). 2018(06)
[2]基于机器视觉的纺织布品色差检测研究[J]. 冀永乐,张团善,颜亚飞,张帆,蒙春学. 西安工程大学学报. 2018(04)
[3]基于改进的FAST和FREAK的图像匹配算法[J]. 赵小强,徐铸业. 兰州理工大学学报. 2018(03)
[4]一种地外天体路标图像的稀疏化表征方法[J]. 胡荣海,黄翔宇. 空间控制技术与应用. 2018(03)
[5]基于机器视觉检测钢板板形的图像处理方法研究[J]. 许博文,唐朝,张田,李家栋. 软件工程. 2018(06)
[6]基于机器视觉的苹果品质在线分级检测[J]. 石瑞瑶,田有文,赖兴涛,古文君. 中国农业科技导报. 2018(03)
[7]一种基于机器视觉的农田害虫活体动态图像特征获取系统[J]. 宋琨珷,徐峰. 电子质量. 2017(12)
[8]基于分块SURF特征提取的图像目标跟踪算法[J]. 牛畅,黄银和,尹奎英. 激光与红外. 2017(12)
[9]基于机器视觉的钢轨表面检测光学模型的研究[J]. 吴禄慎,张丛,万超,史皓良. 铁道标准设计. 2017(05)
[10]基于机器视觉的SOP芯片引脚缺陷检测系统设计[J]. 李本红,张淼,欧幸福. 电子器件. 2017(01)
博士论文
[1]基于流形支持向量机的木材表面缺陷识别方法的研究[D]. 陈立君.东北林业大学 2015
[2]数字图像处理技术在木材表面缺陷检测中的应用研究[D]. 谢永华.东北林业大学 2013
硕士论文
[1]基于支持向量机（SVM）的车牌识别[D]. 余承波.安徽理工大学 2018
[2]基于小波变换和LBP的木材表面缺陷识别[D]. 张益翔.南京林业大学 2017
[3]基于机器视觉的中厚钢板轮廓检测系统的研究[D]. 胡远.浙江理工大学 2017
[4]随机共振优化模型及其在图像增强中的应用研究[D]. 王迪.杭州电子科技大学 2016
[5]木质板材缺陷的多视觉检测方法[D]. 吕士硕.天津科技大学 2015
[6]基于数学形态学的木材缺陷分割技术的研究[D]. 邱筱斐.东北林业大学 2012
[7]木材表面缺陷图像识别的算法研究[D]. 朱蕾.南京林业大学 2011
[8]基于颜色特征木材缺陷检测的研究[D]. 王玉珏.东北林业大学 2010
[9]支持向量分类机的核函数研究[D]. 李红英.重庆大学 2009
[10]支持向量机核函数的研究[D]. 黄啸.苏州大学 2008
本文编号：2967310
本文链接：https://www.wllwen.com/qiyeguanlilunwen/2967310.html
