基于机器视觉的汽车油泵支撑杆尺寸实时检测系统

发布时间：2018-01-12 06:33

  本文关键词：基于机器视觉的汽车油泵支撑杆尺寸实时检测系统　出处：《浙江大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 机器视觉 汽车油泵支撑杆 实时检测 图像清晰度评价 尺寸测量

【摘要】：汽车零部件质量对汽车整体性能有着重要影响。汽车零部件在生产加工完成后,需要对其质量进行检测。传统对零部件质量的检测主要是通过人工或者辅助某种机器完成的。受限于人本身状况的限制,检测精度不高,同时无法实现大规模的自动化生产。伴随着这种需求,机器视觉技术被引入到汽车零部件检测中。机器视觉检测技术通过工业相机采集目标物件的图像,用图像处理软件对其处理得到检测结果,并由控制器采取相应的执行操作。该技术具有非接触、实时、精度高、便于自动化管理的特点。针对汽车油泵支撑杆这一汽车零部件的检测,我们提出了用机器视觉技术来代替原来传统的人工检测。本文从系统的软硬件架构设计、图像清晰度评价、基于亚像素的支撑杆几何尺寸测量、以及分拣控制设备等方面进行研究,完成了完整的支撑杆的实时检测系统。系统结构采用特殊的光源单元模块和图像采集模块,组成机器视觉系统。同时,提出了无参考图像清晰度评价算法NRFSIM(No-Reference Feature Similarity)。由于实时检测系统的机械震动以及支撑杆的相对运动导致了成像的模糊,严重影响了后续测量。依据二次模糊图像清晰度检测原理,本文将有参考的图像质量评价算法 FSIM(Feature Similarity Index for Image Quality Assessment)应用到无参考图像清晰度评价算法,提出了 NRFSIM算法。该算法在多场景图像和该系统支撑杆图像清晰度判断上的算法性能远优于基于图像梯度的清晰度评价算法。提出了基于亚像素的支撑杆尺寸测量算法。采用基于拟合法的亚像素边缘检测算法进行图像边缘检测,在支撑杆尺寸的测量中研究了以直线平移测距算法和以点测距算法,通过实验验证表明以点测距算法在该检测系统使用中精度更高。进一步研究了在该系统下的相机标定方法,并开发了支撑杆尺寸实时检测系统,已投入到实时生产质量检测中,实验验证该系统具有足够的重复精度和检测精度。本文提出的算法以及设计的系统方案,不仅仅用于当前的实时检测系统,也可以推广到其他领域中使用。
[Abstract]:The quality of automobile parts has an important influence on the whole performance of automobile . The quality of automobile parts needs to be tested after the production process is finished . The traditional inspection of parts quality is carried out by means of manual or auxiliary machinery . The technology has the characteristics of non - contact , real - time , high precision and convenient automation . Based on the principle of image sharpness detection of secondary fuzzy image , the algorithm of image quality assessment ( FSIM ) with reference image quality evaluation is applied to non - reference image sharpness evaluation algorithm .

【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：U466;TP391.41

【参考文献】

相关期刊论文 前10条

1 杨迪威;余绍权;;利用相位一致性的图像质量评价方法[J];计算机工程与应用;2015年02期

2 洪裕珍;任国强;孙健;;离焦模糊图像清晰度评价函数的分析与改进[J];光学精密工程;2014年12期

3 咸兆勇;甘金明;玉振明;李陶深;;一种基于相关性和局部标准差的图像失焦模糊区域检测方法[J];计算机应用与软件;2014年09期

4 李鸿林;张琦;杨大伟;;无参考模糊图像质量评价改进算法[J];计算机应用;2014年03期

5 桑庆兵;齐会新;吴小俊;李朝锋;;基于DCT系数无参考模糊图像质量评价方法[J];仪器仪表学报;2013年11期

6 南栋;毕笃彦;查宇飞;张泽;李权合;;基于参数估计的无参考型图像质量评价算法[J];电子与信息学报;2013年09期

7 张红霞;;国内外工业机器人发展现状与趋势研究[J];电子世界;2013年12期

8 乐翔;程建;李民;;一种改进的基于Radon变换的运动模糊图像参数估计方法[J];红外与激光工程;2011年05期

9 申勤;;数字图像清晰度评价函数的研究与改进[J];微型机与应用;2011年01期

10 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

相关博士学位论文 前5条

1 张涛;无参考图像模糊度评价方法研究[D];大连海事大学;2015年

2 王伟;基于单幅图像的模糊去除及质量评价研究[D];中国科学技术大学;2014年

3 吴金建;基于人类视觉系统的图像信息感知和图像质量评价[D];西安电子科技大学;2014年

4 周文举;基于机器视觉的在线高速检测与精确控制研究及应用[D];上海大学;2014年

5 张桦;基于视觉感知的图像质量评价方法研究[D];浙江大学;2009年

相关硕士学位论文 前6条

1 陈建可;基于机器视觉的实时轮毂智能识别系统的研究[D];太原科技大学;2014年

2 于梦竹;基于亚像素边缘检测的图像放大算法研究与实现[D];哈尔滨工程大学;2013年

3 欧阳志熙;基于视觉测量的工件尺寸快速检测技术[D];重庆大学;2012年

4 厉晓飞;基于机器视觉的汽车零件缺陷检测技术研究[D];武汉理工大学;2012年

5 卢逢婷;基于HVS的图像质量评价研究[D];南京理工大学;2012年

6 贾平;基于多任务学习的图像超分辨率重建方法研究[D];湖南大学;2009年

，

本文编号：1413126