基于机器视觉的差速器壳体识别技术研究
发布时间：2020-12-05 21:23
近年来,机器视觉技术发展迅速,在自动化工业生产中发挥了极其重要的作用。机器视觉识别技术是通过对图像进行数字化处理,得到可以用于识别的图像,经过不同的识别方法对图像进行识别,代替人工完成识别任务。针对差速器壳体的混线生产系统中的型号多样化问题,为此,本课题提出了基于机器视觉的差速器壳体识别技术研究,对不同型号的差速器壳体进行识别。首先,根据具体要求设计了差速器壳体视觉识别系统的总体方案,对视觉系统的主要硬件进行了设计和选型,完成了差速器壳体视觉识别硬件实验平台的搭建。其次,研究了图像处理技术,针对差速器壳体的彩色图像进行了灰度化处理、对比度增强、图像滤波、二值化和边缘检测处理等操作,分析了各种方法的基本原理和实际效果,确定了图像滤波和边缘检测的具体实现方法。再次,分析了图像特征,研究了 Hu不变矩和Zernike矩两种图像形状特征提取算法,并对Zernike矩进行了算法改进,减少了计算量,缩短了 CPU运行时间,提高了 Zernike矩的特征提取速度。最后,研究了神经网络,针对BP算法在实际应用中出现的问题,本文提出了一种组合优化方法改进BP算法。设计了神经网络模型结构并进行训练和测试实...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图２－１视觉识别系统整体流程??
第２章差速器壳体识别系统设计??ｓ＾ａｊＯＢｔｅｌ??图?２－２?Ｐｒｏｓｉｌｉｃａ?－ＧＣ１２９０?相机??Ｐｒ〇Ｓｉｌｉｃａ－ＧＣ１２９０性能优越，广泛应用于工业机器视觉领域，例如：工业检??测、字符识别、半导体检测、智能交通等等。??２．２．２图像采集卡选型??图像采集卡对图像信息进行模数Ａ／Ｄ转换，把电信号转换为离散的数字信??号。图像采集卡应能够稳定接受信息、存储数据和高效传输数据，在选型时要考??虑以下几点：??（１）信号滤波和放大、信号处理速度以及稳定性；??（２）输入输出接口，要选择与工业相机相匹配的通讯接口；??（３）信号接收和传输性能。??本实验平台选用了维视ＭＶ－８１０型号图像采集卡，如图２－３所示。ＭＶ－８１０采??集的图像通过ＰＣＩ总线传输，采用ＰＡＬ、ＮＴＳＣ制式采集标准，采集接口具有两??路复合视频信号，采集速率为２５帧／秒，支持Ｗｉｎｄｏｗｓ系统和多种驱动，具备完??善的二次开发功能。??＼??图２－３ＭＶ－８１０图像采集卡??９??
山东大学硕士学位论文??２．２．３光学镜头选型??光学镜头是机器视觉中的重要部件之一，它和工业相机组合搭配使用，利用??成像原理将物体反射的光学信息投射给相机拍照。光学镜头对图像的质量也有很??大的影响。在计算机处理图像时，由于物体的细节在拍摄时没有被很好的成像，??造成图像信息缺失，所以选择合适焦距的光学镜头。通常而言，镜头的最小工作??距离和焦距相关，两者成正比例关系，它会随着焦距的増大而增大。但是，随着??焦距的增大，镜头的视角反而会逐渐减小，进而使得成像越小，得到模糊的图像。??任何镜头都无法避免畸变，畸变是镜头中存在的透视变形和失真现象，它与焦距??相关，两者成反比例关系。在进行光学镜头的选型时，除了考虑焦距外，还要综??合分辨率、视角、工作距离和景深等因素的影响，同时也要注意接口是否和相机??匹配問。??本实验平台的光学镜头选用了日本Ｃｏｍｐｕｔａｒ公司的Ｍ３Ｚ１２２８Ｃ－ＭＰ工业镜??头，如图２－４所示。其主要参数为：焦距范围１２－３６ｍｍ，广角光圈范围为２．８－１６Ｃ，??成像圈规格为２／３＂。镜头接口与Ｐｒｏｓｉｌｉｃａ?－ＧＣ１２９０工业相机接口匹配。??賺??图２－４Ｍ３Ｚ１２２８Ｃ－ＭＰ工业镜头??２．２．４光源及照明方式??工业现场的复杂环境对光的影响较大，因此机器视觉识别系统对光源选择以??及照明方式的要求是比较严格的。良好的光源和合理的照明方式配合一方面保证??了整体亮度的稳定性和均匀性，使物体处于不同位置时的成像质量不受影响；另??一方面可以突出物体的具体特征，增强特征和背景的对比度，降低识别难度。??１０??
【参考文献】：
期刊论文
[1]图像识别技术在车辆识别中的应用[J]. 田飞. 湖北农机化. 2017(06)
[2]基于BP神经网络的GIS缺陷图像识别系统的研究[J]. 万书亭,赵晓迪,肖珊珊,仝玎朔. 电力科学与工程. 2017(11)
[3]基于BP神经网络的图像识别方法[J]. 高强. 电子世界. 2017(17)
[4]基于人工神经网络的图像识别[J]. 卢雅文. 电子技术与软件工程. 2016(12)
[5]一种改进的基于最大类间方差的二值化方法[J]. 卜飞宇,祝青,王涛. 电脑知识与技术. 2015(05)
[6]基于神经网络的图像识别系统的研究[J]. 李承昊,蔡晨阳,李锐. 科技传播. 2015(21)
[7]基于Prewitt理论的自适应边缘检测算法[J]. 康牧,许庆功. 计算机应用研究. 2009(06)
[8]图像处理中滤波器及边缘检测算法的实验与研究[J]. 李彩花,胡晓平,李亚芹. 机电工程技术. 2008(09)
[9]机器视觉及其应用(系列讲座) 第四讲 机器视觉系统集成技术[J]. 葛云涛. 应用光学. 2007(02)
[10]机器视觉测量系统在工业在线检测中的应用[J]. 席斌,钱峰. 工业控制计算机. 2005(11)
博士论文
[1]面向精密制造与检测的机器视觉及智能算法研究[D]. 葛动元.华南理工大学 2013
[2]图像局部不变特征提取技术及其应用研究[D]. 刘景能.上海交通大学 2012
[3]形状识别与图像分割方法研究[D]. 陈运文.复旦大学 2008
硕士论文
[1]基于机器视觉的工业机器人搬运目标识别及定位技术研究[D]. 张彬.内蒙古大学 2019
[2]工业工件复杂表面的字符识别方法研究[D]. 段西利.西安理工大学 2019
[3]基于单图像的三维几何特征识别方法的研究与应用[D]. 苗绘翠.山东师范大学 2019
[4]基于Faster R-CNN目标检测的机器人抓取系统研究[D]. 张亚辉.中国科学院大学(中国科学院深圳先进技术研究院) 2019
[5]基于机器视觉的发动机缸体分拣与识别系统研究[D]. 周虹.吉林大学 2019
[6]图像边缘检测及模式识别技术研究[D]. 吕彦诚.哈尔滨工业大学 2019
[7]基于神经网络和模糊推理的VGI数据质量评价研究[D]. 魏劲如.长安大学 2019
[8]基于机器视觉的目标识别与定位系统设计[D]. 徐洪.西南科技大学 2019
[9]基于机器视觉的带孔工件识别与检测技术研究[D]. 周文霞.合肥工业大学 2019
[10]基于机器视觉的螺钉定位与识别研究[D]. 李响.西南交通大学 2019
本文编号：2900115
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图２－１视觉识别系统整体流程??
第２章差速器壳体识别系统设计??ｓ＾ａｊＯＢｔｅｌ??图?２－２?Ｐｒｏｓｉｌｉｃａ?－ＧＣ１２９０?相机??Ｐｒ〇Ｓｉｌｉｃａ－ＧＣ１２９０性能优越，广泛应用于工业机器视觉领域，例如：工业检??测、字符识别、半导体检测、智能交通等等。??２．２．２图像采集卡选型??图像采集卡对图像信息进行模数Ａ／Ｄ转换，把电信号转换为离散的数字信??号。图像采集卡应能够稳定接受信息、存储数据和高效传输数据，在选型时要考??虑以下几点：??（１）信号滤波和放大、信号处理速度以及稳定性；??（２）输入输出接口，要选择与工业相机相匹配的通讯接口；??（３）信号接收和传输性能。??本实验平台选用了维视ＭＶ－８１０型号图像采集卡，如图２－３所示。ＭＶ－８１０采??集的图像通过ＰＣＩ总线传输，采用ＰＡＬ、ＮＴＳＣ制式采集标准，采集接口具有两??路复合视频信号，采集速率为２５帧／秒，支持Ｗｉｎｄｏｗｓ系统和多种驱动，具备完??善的二次开发功能。??＼??图２－３ＭＶ－８１０图像采集卡??９??
山东大学硕士学位论文??２．２．３光学镜头选型??光学镜头是机器视觉中的重要部件之一，它和工业相机组合搭配使用，利用??成像原理将物体反射的光学信息投射给相机拍照。光学镜头对图像的质量也有很??大的影响。在计算机处理图像时，由于物体的细节在拍摄时没有被很好的成像，??造成图像信息缺失，所以选择合适焦距的光学镜头。通常而言，镜头的最小工作??距离和焦距相关，两者成正比例关系，它会随着焦距的増大而增大。但是，随着??焦距的增大，镜头的视角反而会逐渐减小，进而使得成像越小，得到模糊的图像。??任何镜头都无法避免畸变，畸变是镜头中存在的透视变形和失真现象，它与焦距??相关，两者成反比例关系。在进行光学镜头的选型时，除了考虑焦距外，还要综??合分辨率、视角、工作距离和景深等因素的影响，同时也要注意接口是否和相机??匹配問。??本实验平台的光学镜头选用了日本Ｃｏｍｐｕｔａｒ公司的Ｍ３Ｚ１２２８Ｃ－ＭＰ工业镜??头，如图２－４所示。其主要参数为：焦距范围１２－３６ｍｍ，广角光圈范围为２．８－１６Ｃ，??成像圈规格为２／３＂。镜头接口与Ｐｒｏｓｉｌｉｃａ?－ＧＣ１２９０工业相机接口匹配。??賺??图２－４Ｍ３Ｚ１２２８Ｃ－ＭＰ工业镜头??２．２．４光源及照明方式??工业现场的复杂环境对光的影响较大，因此机器视觉识别系统对光源选择以??及照明方式的要求是比较严格的。良好的光源和合理的照明方式配合一方面保证??了整体亮度的稳定性和均匀性，使物体处于不同位置时的成像质量不受影响；另??一方面可以突出物体的具体特征，增强特征和背景的对比度，降低识别难度。??１０??
【参考文献】：
期刊论文
[1]图像识别技术在车辆识别中的应用[J]. 田飞. 湖北农机化. 2017(06)
[2]基于BP神经网络的GIS缺陷图像识别系统的研究[J]. 万书亭,赵晓迪,肖珊珊,仝玎朔. 电力科学与工程. 2017(11)
[3]基于BP神经网络的图像识别方法[J]. 高强. 电子世界. 2017(17)
[4]基于人工神经网络的图像识别[J]. 卢雅文. 电子技术与软件工程. 2016(12)
[5]一种改进的基于最大类间方差的二值化方法[J]. 卜飞宇,祝青,王涛. 电脑知识与技术. 2015(05)
[6]基于神经网络的图像识别系统的研究[J]. 李承昊,蔡晨阳,李锐. 科技传播. 2015(21)
[7]基于Prewitt理论的自适应边缘检测算法[J]. 康牧,许庆功. 计算机应用研究. 2009(06)
[8]图像处理中滤波器及边缘检测算法的实验与研究[J]. 李彩花,胡晓平,李亚芹. 机电工程技术. 2008(09)
[9]机器视觉及其应用(系列讲座) 第四讲 机器视觉系统集成技术[J]. 葛云涛. 应用光学. 2007(02)
[10]机器视觉测量系统在工业在线检测中的应用[J]. 席斌,钱峰. 工业控制计算机. 2005(11)
博士论文
[1]面向精密制造与检测的机器视觉及智能算法研究[D]. 葛动元.华南理工大学 2013
[2]图像局部不变特征提取技术及其应用研究[D]. 刘景能.上海交通大学 2012
[3]形状识别与图像分割方法研究[D]. 陈运文.复旦大学 2008
硕士论文
[1]基于机器视觉的工业机器人搬运目标识别及定位技术研究[D]. 张彬.内蒙古大学 2019
[2]工业工件复杂表面的字符识别方法研究[D]. 段西利.西安理工大学 2019
[3]基于单图像的三维几何特征识别方法的研究与应用[D]. 苗绘翠.山东师范大学 2019
[4]基于Faster R-CNN目标检测的机器人抓取系统研究[D]. 张亚辉.中国科学院大学(中国科学院深圳先进技术研究院) 2019
[5]基于机器视觉的发动机缸体分拣与识别系统研究[D]. 周虹.吉林大学 2019
[6]图像边缘检测及模式识别技术研究[D]. 吕彦诚.哈尔滨工业大学 2019
[7]基于神经网络和模糊推理的VGI数据质量评价研究[D]. 魏劲如.长安大学 2019
[8]基于机器视觉的目标识别与定位系统设计[D]. 徐洪.西南科技大学 2019
[9]基于机器视觉的带孔工件识别与检测技术研究[D]. 周文霞.合肥工业大学 2019
[10]基于机器视觉的螺钉定位与识别研究[D]. 李响.西南交通大学 2019
本文编号：2900115
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/2900115.html
