基于机器视觉的磁环表面缺陷检测研究

发布时间：2018-05-25 08:58

本文选题：磁环 + 图像预处理　；参考：《浙江理工大学》2017年硕士论文

【摘要】：我国是磁性材料制造生产大国,磁材生产企业众多。目前,大多数磁材生产企业仍采用传统的人工对磁材进行尺寸测量与缺陷检测。随着我国产业制造的不断转型升级,企业对产品的质量、精度以及可靠度的要求越来越高,传统的基于人工测量与缺陷检测越来越不能满足对磁环产品精准度以及检测速度的要求。虽然超声波、电涡流等无损技术已经应用到产品的缺陷检测,但其技术成本高,检测速度慢。随着科学技术的发展,利用机器视觉对产品进行测量与检测成为可能,此外,利用机器视觉对磁环进行尺寸测量与缺陷测具有速度快,精度高等特点。基于上述发展背景,本文对利用机器视觉对磁环进行尺寸测量及表面缺陷检测作了相关研究。本文分析了磁环表面缺陷检测研究现状,提出了本课题的关键技术点。根据厂家及课题组的要求制定了相关技术指标,并根据要求对磁环缺陷检测算法进行了设计,具体如下所示:图像预处理算法设计:通过相机获取的磁环初始图像灰度不均、含有噪声等干扰因素,因此在进行检测前必须要对图像实施预处理以降低干扰因素的影响。本文首先利用分段线性灰度变换对磁环图像进行灰度处理。然后,利用本文改进的中值滤波对磁环图像实施降噪处理。最后,为了分离磁环的背景,提取有效区域,本文分别介绍了基于阈值分割和基于边缘检测的分割算法。磁环尺寸测量算法设计:本文首先利用OTSU阈值对磁环表面和侧面图像实施分割,获得磁环二值图像。针对磁环内外径尺寸测量,本文利用霍夫圆检测、三点法、最小二乘法分别对磁环表面二值图像的内外轮廓进行拟合求出磁环的内外径尺寸。最后,通过对测量结果及算法运行时间的对比,选择了最小二乘法拟合磁环内外轮廓局部点来测量磁环内外径尺寸。针对磁环侧面高度尺寸的测量,本文通过在磁环侧面二值图像中截取已知宽度的区域,统计该区域磁环轮廓区域的像素面积,利用面积除以宽度即可得到磁环侧面平均高度的尺寸。磁环表面缺陷检测算法设计:针对磁环表面图像纹理复杂、缺陷种类多、受光不均匀特点,本文提出了两种磁环表面缺陷检测算法分别如下所示:(1)通过分析磁环表面图像中不同缺陷区域与正常区域的灰度值差别,将磁环表面缺陷划分为两类;第一类为缺陷灰度值与正常区域差别大,易分割。第二类为缺陷灰度值与正常区域灰度值差别小,不易分割。针对第一类磁环缺陷,首先,利用OTSU阈值对磁环图像实施分割。然后,根据测量的磁环内外径尺寸以及圆心构造磁环掩模图像,最后利用掩模图像运算提取缺陷。针对第二类磁环缺陷,首先,利用磁环OTSU分割图像与原图像进行“与”运算,屏蔽磁环背景区域。然后,利用Canny边缘检测算子提取磁环表面缺陷边缘信息。最后,通过掩模图像运算屏蔽磁环表面纹理区域和磁环内外轮廓边缘形成的干扰信息,提取磁环表面缺陷。本文最后,在不同的光照、规格、缺陷类型等方面,利用开发的样机进行了大量的在线实验。实验结果表明,本文缺陷提取算法稳定性好,鲁棒性强,能够准确、快速地提取出磁环表面图像各区域的缺陷,表面缺陷检测的准确率为95.3%。(2)提出了一种基于改进自适应Canny算法和掩模技术的磁环表面缺陷提取方法。首先,在分析磁环表面图像中不同区域灰度特征和梯度特征的基础上,通过拟合磁环内外轮廓构造掩模图像,以便屏蔽磁环背景区域的干扰;其次,提出基于8邻域各向异性滤波改进的自适应Canny边缘检测算法,抑制磁环表面纹理的干扰;进而,利用图像数字形态学增强边缘连通域,并利用构造的掩模图像提取磁环表面缺陷;最后,利用开发的样机进行了大量的在线实验。实验结果表明,本文缺陷提取算法稳定性好,鲁棒性强,能够准确、快速地提取出磁环表面图像各区域的缺陷,表面缺陷检测的准确率为97.3%。
[Abstract]:This paper deals with the measurement of magnetic ring surface defects and the detection speed of magnetic rings by using machine vision . In order to separate the background of magnetic ring and the detection speed , it is necessary to use machine vision to measure and detect magnetic ring image . Firstly , the defects of the surface defects of the magnetic ring are extracted by fitting the inner and outer contour of the magnetic ring . The results show that the defect extraction algorithm has good stability and strong robustness .
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41;O482.54

【相似文献】