基于机器视觉的零部件质量检测研究

发布时间：2020-10-08 16:14

　　 近几年机器视觉技术是众多领域研究的热点,随着机器视觉技术的发展,视觉检测技术凭着非接触、精度高、速度快的优点在许多领域中得到普遍应用,特别是产品缺陷检测和产品尺寸检测领域。零件的质检是零件加工完成后需要进行的重要环节,而螺栓表面的螺纹缺陷和气门关键部位的尺寸检测在目前大都仍采用目检的形式或传统检具对其进行质量检测,导致检测效率低,精度也低。本文深入研究图像处理技术,搭建了基于机器视觉的检测系统,从硬件选型、相机标定和图像处理等方面研究,将螺栓和气门作为本文的研究对象,对螺栓表面的螺纹缺陷和气门关键部位的几何尺寸进行检测,达到了实际所需的检测要求。针对螺栓表面的螺纹缺陷的检测,主要研究螺纹纹理的特征参数,以此建立判断依据检测螺栓表面的螺纹是否合格。针对螺纹的三种状态(正常、卷纹和划伤),用已确定的相机参数对螺纹图像进行畸变校正,采用灰度变换和中值滤波处理螺纹图像,采用灰度梯度共生矩阵的方法对螺纹纹理提取15个特征参数值,利用层次R型聚类分析法挑选典型特征参数值,基于典型特征参数建立贝叶斯判别函数和设计BP神经网络系统这两种方法检测螺栓表面的螺纹缺陷。两种方法的检测成功率都达到92%以上,满足了实际检测需求。根据实际情况,设计的BP神经网络更容易实现。针对气门几何参数检测,主要研究气门关键部位的尺寸:气门总长、杆径、槽径、盘径和锥角的测量。用已确定的工业相机参数进行气门图像畸变校正,同时完成测量系统的标定。并对气门图像进行图像滤波、增强和二值化等预处理,采用基于模糊算子进行图像增强,采用OTSU法进行二值化,采用坎尼算子对气门图像进行边缘粗检测,采用二项式插值改进的亚像素边缘检测完成图像边缘精定位,最后结合最小二乘法直线拟合和最小二乘法圆拟合完成了气门总长、气门杆径、气门盘径、气门槽径和气门锥角的检测。实验证明本文提出的方法能够完成气门关键部位的尺寸检测的需求。
【学位单位】：江苏大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：TH16;TP391.41
【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究背景、意义及来源
    1.2 视觉检测技术国内外研究现状
    1.3 图像处理技术的现状和发展趋势
    1.4 本文研究的主要内容与章节安排
第二章 视觉检测系统的设计与分析
    2.1 视觉检测组成和工作流程
    2.2 相机的分析与选择
    2.3 镜头的分析与确定
    2.4 光源和照明方式的分析与选择
    2.5 运动装置的设计
    2.6 程序设计软件
    2.7 零部件质量检测的总体方案设计
    2.8 本章小结
第三章 检测系统的相机标定
    3.1 机器视觉的相机标定技术
        3.1.1 相机的成像原理
        3.1.2 相机的参数标定
        3.1.3 镜头的畸变
        3.1.4 相机标定概述
    3.2 本文检测的相机标定技术
        3.2.1 标定原理与设计
        3.2.2 标定的流程
        3.2.3 几何畸变图像校正
    3.3 本章小结
第四章 螺栓表面的螺纹缺陷检测
    4.1 表面质量分析
    4.2 图像的预处理
        4.2.1 图像的灰度变换
        4.2.2 图像的去噪
    4.3 基于纹理分析的特征提取
        4.3.1 纹理的分析方法
        4.3.2 灰度梯度共生矩阵及测试设计
        4.3.3 基于层次聚类特征参数的确定
        4.3.4 基于贝叶斯判别的缺陷检测
        4.3.5 基于BP神经网络的缺陷检测
    4.4 本章小结
第五章 气门关键部位的几何尺寸检测
    5.1 几何参数分析
    5.2 测量系统的标定
    5.3 图像的预处理
        5.3.1 基于模糊增强算子的图像增强
        5.3.2 图像二值化
    5.4 图像边缘特征提取
        5.4.1 边缘算法的分析
        5.4.2 各种边缘算子的比较
        5.4.3 亚像素的定位分析
        5.4.4 边缘算法的确定
        5.4.5 结果及试验分析
    5.5 长度的测量
    5.6 直径的测量
        5.6.1 外径的测量
        5.6.2 孔径的测量
    5.7 角度的测量
    5.8 误差分析
    5.9 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 工作展望
参考文献
致谢
在校期间发表的学术论文
附录（部分主要程序）

【参考文献】

相关期刊论文 前10条

1 路长伟;;图像传感器的规格与镜头焦距转换系数[J];科技视界;2016年27期

2 宦小玉;沈宝国;史银花;;基于机器视觉的钳工零件角度检测系统[J];现代制造技术与装备;2016年09期

3 韩伟聪;鲍光海;;基于机器视觉的竹材尺寸测量系统设计[J];中国测试;2016年07期

4 尚会超;杨锐;段梦珍;段晓伟;张洪斌;;机器视觉照明系统的关键技术分析[J];中原工学院学报;2016年03期

5 肖剑雄峰;赵汉理;吴承文;;局部对比度增强的彩色图像灰度化参数化算法[J];计算机时代;2016年03期

6 姚英彪;李晓娟;;基于图像空间相关性与纹理的HEVC块划分快速算法[J];电信科学;2015年01期

7 李聪;易尧华;苏海;袁媛;;印版网点参数测量方法研究[J];中国印刷与包装研究;2014年06期

8 李燕;;汽车检具技术[J];汽车与配件;2014年45期

9 侯远韶;;机器视觉系统中光源的选择[J];洛阳师范学院学报;2014年08期

10 魏海;杨华舒;苏志敏;桂跃;董梦思;;前馈神经网络导数特性分析[J];计算机工程;2014年07期

相关博士学位论文 前4条

1 张小波;基于维纳滤波的图像去噪算法研究[D];西安电子科技大学;2014年

2 贾静;多相机系统中若干视觉几何问题的研究[D];西安电子科技大学;2013年

3 赵明玺;基于波形特征提取与支持向量机分类的颅内压增高预测研究[D];重庆大学;2012年

4 卞晓东;基于机器视觉的车辆几何尺寸测量系统研究[D];东南大学;2005年

相关硕士学位论文 前10条

1 徐家祥;电连接器壳体零件多尺寸精密测量系统[D];江苏大学;2016年

2 崔明;基于机器视觉的汽车安全带表面缺陷检测算法研究[D];中国矿业大学;2016年

3 王路路;基于机器视觉的汽车负极电瓶栓在线检测平台设计[D];江苏大学;2016年

4 孙鹏;相机标定方法的研究[D];东北石油大学;2016年

5 张正刘;基于机器视觉的复杂零件检测及相关关键技术研究[D];合肥工业大学;2016年

6 谢世斌;基于机器视觉的玻璃表面质量检测若干技术问题的研究[D];浙江大学;2016年

7 崔雯雯;基于图像处理的大米品质检测系统研究[D];吉林大学;2015年

8 张华军;基于图像处理的齿轮测量系统的研究[D];重庆大学;2015年

9 李春;基于机器视觉的焊接工件识别与焊接轨迹校正方法研究[D];华南理工大学;2015年

10 孟浩;基于CCD的非接触零件尺寸检测方法的研究与应用[D];南京信息工程大学;2014年

本文编号：2832455