不规则零件机器视觉检测中的关键技术研究

发布时间：2020-11-21 13:01

　　 机器视觉在产品自动检测上有着不可替代的作用,它具有检测速度快、精度高、非接触性等特点。本文在充分调研国内外机器视觉研究领域已有成果的基础上,理论结合实际,研究了不规则零件尺寸检测和表面缺陷检测算法,搭建了针对不规则卡箍缺损检测的硬件平台,开发了一套基于机器视觉的不规则卡箍检测系统软件。系统已获得实际应用。本文的研究工作及创新点如下:(1)针对实时拍摄过程中阴影的干扰问题,提出基于YCb Cr颜色空间和双边滤波的阴影检测去除算法。系统研究了阴影产生的机理以及现有的检测阴影的方法。提出的算法采用YCb Cr颜色空间来进行阴影机理分析,并与现有的阴影去除算法进行了实验对比,同实验仿真图中可以看出,该算法得到的效果图中不仅去除了阴影,而且较好的保留了原图中的细节信息。(2)针对传统图像匹配耗费时间较长的问题,提出一种基于文化粒子群的图像配准算法(CIPSO)。系统研究了图像配准的原理以及现有成熟的图像配准方法。分析比较了现有几种匹配方法的性能及其优缺点。提出一种基于文化粒子群的图像配准算法。根据待处理图像的灰度和空间结构信息,构造出一个基于最大化互信息的配准测度函数。以测度函数的优化问题作为出发点,将文化算法和粒子群优化算法相结合,用来指导图像的配准。改进后的粒子群算法加快了粒子群的收敛速度,从而克服了图像配准中计算量过大、搜索速度过慢等问题,提高了匹配速度。(3)对传统脉冲耦合神经网络(PCNN)进行了改进,并用于图像分割,避免了传统图像分割方法容易出现的分割误差或分割错误。传统的PCNN空间上不相邻的神经元可以同时“点火”,但是对于区域生长的图像来说,像素空间邻接若不归为一类将会导致分割有误差甚至出现分割错误。改进后PCNN中神经元只允许“点火”一次,一旦“点火”,输出将保持不变。改进后PCNN时间的独立性体现的恰恰是区域的独立性,区域间独立的结果是边缘神经元只和本区域内部神经元有耦合作用,所以改进后PCNN模型中边缘处神经元得到补偿,为后期的精确分割提供依据。改进后的PCNN模型不需要经过大量图像训练过程或样本调整过来提取图像基本信息,只需进行几次不同迭代运算,图像的边缘和区域信息可以被提取出来。最后,将PCNN改进算法用于卡箍划痕分割实验,从实验结果可以看出改进后的PCNN的分割效果明显优于其他传统算法,具有分割精度高,适应范围广的特点。(4)针对粒子群算法的随机性和收敛性,分别采用代数模型、解析模型和状态空间模型对其运行轨迹进行了分析。算法中参数是算法的性能和效率的关键。研究了PSO算法中的主要5类控制参数,并对参数的选取进行了较为细致的研究。采用线性离散时间系统的研究方法对粒子群算法的收敛性进行了分析,并给出对应的参数关系。图像分割之后,针对提取出来的分割信息进行拟合曲线,来获得如卡箍的面积、周长、偏心率、球形性等特征,进而为系统的判别分类提供参考信息。文中利用最小一乘来拟合曲线,拟合算法采用粒子群算法。最后采用粒子群来指导改进后的最小一乘法进行曲线拟合试验,最终完成卡箍的直径检测。针对卡箍耳朵的不规则性,文中采用随机Hough变换来进行卡箍耳朵的角度检测,并且得到较好的结果。(5)设计并构建了卡箍尺寸和缺陷在线检测系统,进行了现场验证,产品获得实际应用,节约了成本并提高了检测准确性。在基于机器视觉产品表面缺陷检测系统的体系结构上,对缺陷检测提出的各种算法进行研究,实现了一种基于机器视觉的弹簧卡箍在线检测系统,并且介绍了它们在工业现场的实际使用效果。在实际工程环境下,实现整套系统的功能验证,包括:系统的有效性,系统的抗干扰能力,系统的诊断能力。研制的基于机器视觉的弹簧卡箍在线检测系统能够满足每秒7个的检测速度,检测尺寸误差控制在0.3mm以内,检测的准确率高于97%。
【学位单位】：南京航空航天大学
【学位级别】：博士
【学位年份】：2015
【中图分类】：TP391.41
【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 基于机器视觉产品缺陷检测的国内外研究状况
    1.3 本文的研究内容及论文结构
第二章 卡箍缺陷检测系统方案设计
    2.1 系统检测的常见缺陷类型
    2.2 系统硬件结构设计
    2.3 系统软件结构设计
        2.3.1 图像滤波
        2.3.2 图像配准
        2.3.3 图像分割
        2.3.4 特征提取
        2.3.5 缺陷分类
    2.4 本章小结
第三章 阴影检测与去除算法研究
    3.1 图像成像理论
        3.1.1 光线
        3.1.2 表面
        3.1.3 成像模型
    3.2 阴影基础理论
        3.2.1 阴影的类型
        3.2.2 阴影的光谱性质
    3.3 现有阴影检测算法研究
    3.4 现有阴影去除算法研究
        3.4.1 基于光照变化表面的阴影去除算法
        3.4.2 基于纹理连续性的阴影去除算法
    3.5 阴影检测算法的改进
        3.5.1 YCb Cr颜色空间
        3.5.2 双边滤波
        3.5.3 基于YCbCr颜色空间和双边滤波的阴影检测
    3.6 实验验证与分析
    3.7 本章小结
第四章 基于文化粒子群的图像配准
    4.1 图像配准
        4.1.1 基础理论
        4.1.2 图像配准方法
    4.2 文化粒子群
    4.3 一种基于文化粒子群的图像配准算法
        4.3.1 粒子群优化算法
        4.3.2 CIPSO在图像配准中的算法设计
        4.3.3 卡箍配准实验仿真与分析
    4.4 本章小结
第五章 基于PCNN的图像分割算法研究
    5.1 图像分割技术
    5.2 常见分割算法
        5.2.1 基于阈值的图像分割
        5.2.2 基于区域的图像分割
        5.2.3 基于边缘检测的图像分割
        5.2.4 基于数学形态学的图像分割
        5.2.5 基于亚像素的图像分割
    5.3 基于HIS颜色空间的图像分割
        5.3.1 彩色图像的表示
        5.3.2 彩色模型
        5.3.3 卡箍颜色检测实验
    5.4 PCNN图像分割算法的改进
        5.4.1 PCNN算法
        5.4.2 PCNN分割算法的改进
        5.4.3 基于改进算法的卡箍分割实验
    5.5 本章小结
第六章 不规则零件的尺寸检测
    6.1 基于最小一乘的直径检测算法的改进
        6.1.1 最小一乘拟合直线
        6.1.2 粒子群算法的改进
        6.1.3 基于改进算法的卡箍直径检测
    6.2 基于Hough变换的角度检测
        6.2.1 Hough变换
        6.2.2 随机Hough变换
        6.2.3 基于随机Hough变换的卡箍角度检测
    6.3 本章小结
第七章 弹簧卡箍在线检测系统的实现
    7.1 弹簧卡箍缺陷在线检测的要求
    7.2 卡箍缺陷检测系统实现和应用
        7.2.1 照明模块选择
        7.2.2 光学成像系统选择
        7.2.3 机械结构设计
        7.2.4 系统实现
    7.3 本章小结
第八章 总结与展望
    8.1 研究总结
    8.2 下一步工作展望
参考文献
致谢
在学期间的研究成果及发表的学术论文

【相似文献】

相关期刊论文 前10条

1 郁伟平;姜景;;机器视觉检测系统在汽车中央电器盒上的应用[J];仪表技术;2011年11期

2 ;简化机器视觉检测过程的可配置软件[J];世界产品与技术;2003年02期

3 姚敏茹;贠江剑;;机器视觉检测技术在药片包装检测中的应用[J];价值工程;2011年04期

4 张磊;陈红;范维浩;;陶瓷套圈表面质量机器视觉检测系统[J];自动化技术与应用;2011年02期

5 张谦;裴海龙;史步海;赵运基;;无纺布成品表面污渍机器视觉检测系统的设计[J];华南理工大学学报(自然科学版);2012年03期

6 李燕;;机器视觉检测系统的研究[J];黑龙江科技信息;2008年35期

7 李晓飞;张宝峰;张晓玲;刘冬梅;;高速在线机器视觉检测系统边缘检测算法研究[J];天津理工大学学报;2008年05期

8 李庆生;;机器视觉检测系统在半导体工业切筋成型机上的应用[J];电子工业专用设备;2009年06期

9 李国辉;罗宏森;汤勉刚;母洪都;周震;;基于视觉注意机制的棉花污染物机器视觉检测算法[J];电子技术应用;2012年03期

10 李国辉;苏真伟;晏开华;黄明飞;;可疑目标区域的机器视觉检测算法[J];四川大学学报(工程科学版);2010年01期

相关博士学位论文 前3条

1 朱霞;不规则零件机器视觉检测中的关键技术研究[D];南京航空航天大学;2015年

2 刘良江;先进电子制造生产线机器视觉检测方法与技术研究[D];湖南大学;2010年

3 伍济钢;薄片零件尺寸机器视觉检测系统关键技术研究[D];华中科技大学;2008年

相关硕士学位论文 前10条

1 卢小鹏;TFT-LCD Mura缺陷机器视觉检测方法研究[D];电子科技大学;2014年

2 花奇;基于LabVIEW的机器视觉检测系统设计及其在硬盘连接器生产中的应用[D];南华大学;2015年

3 侯备;酒类产品质量机器视觉检测控制系统研究[D];湖南大学;2011年

4 孔侃;螺母机器视觉检测与筛选系统研究与设计[D];江西理工大学;2013年

5 曾歆懿;贴片产品机器视觉检测中的图像获取与处理[D];广东工业大学;2007年

6 邵泉钢;弱透光环境下微构件机器视觉检测关键技术研究[D];浙江大学;2011年

7 李晓飞;高速在线机器视觉检测方法的研究[D];天津理工大学;2008年

8 刘霞;工业零件形状尺寸的机器视觉检测系统的研究[D];哈尔滨理工大学;2009年

9 庄开岚;驱动桥壳长度及板簧座倾角的机器视觉检测研究[D];青岛理工大学;2011年

10 陆勋;基于LabVIEW的机器视觉检测系统设计[D];华东理工大学;2010年

本文编号：2893038