基于图像处理的车身漆膜缺陷识别与分类研究

发布时间：2017-05-25 10:27

  本文关键词：基于图像处理的车身漆膜缺陷识别与分类研究，，由笔耕文化传播整理发布。

【摘要】：车身漆膜对车身起到防护和装饰的作用。漆膜质量的优劣影响着顾客对汽车质量的直观评价,直接影响汽车在销售市场的竞争力。同时,改善漆膜质量也是提高车身耐腐蚀性并延长使用寿命的主要措施之一。因此,保证车身漆膜质量非常的重要。然而,在实际涂装生产中,由于涂装车间环境、油漆质量以及涂装工艺等影响,车身漆膜会产生不可避免的缺陷,因此对车身漆膜缺陷进行检测是十分必要的。计算机视觉技术作为当前质量检测领域的先进技术手段,得到了越来越多生产企业的重视。本文利用计算机视觉技术对车身漆膜缺陷的识别与分类进行研究,目的在于克服传统人工检测手段的不足,研发实效的检测技术,提高检测精度与速度,并满足在线检测需求。本文研究的车身漆膜缺陷检测过程主要包括:采集图像、图像预处理、获取漆膜缺陷特征参数、对漆膜缺陷进行识别与分类。论文建立了车身漆膜缺陷检测总体方案,设计开发了相关检测实验台架,并进行了样件检测实验研究。通过分析光照不均匀性对图像质量的影响,研究了顶帽变换和底帽变换技术的应用效果,并进行了实验分析;通过分析常见图像增强方法的应用效果,提出一种基于形态学的图像增强方法,并进行了对比实验;为了改善图像分割效果,对原有的基于图论的图像分割方法进行了改进,并进行了实验验证;为便于自动检测,基于MATLAB软件平台开发了相应的检测插件;以常见的六种车身漆膜缺陷为例,包括起泡、颗粒不良、流挂、针孔、划痕和橘皮,对本文研究方法进行了实验验证。本文的主要工作如下:1.分析常见车身漆膜缺陷类型及产生原因。提出基于图像处理的视觉检测方案并确定检测实验台的结构布置及材料选择,为此种检测方法的实际应用提供可能。2.分析图像预处理的主要步骤,包括图像剪裁、消除图像不均匀性、图像降噪和图像增强,提出一种基于形态学的图像增强方法,并与常见图像增强方法对比分析,结果表明该方法可以进一步提高图像对比度,具有良好的增强效果。对原有基于图论的图像分割方法进行改进,应用效果表明,该方法在避免了过度分割现象的同时减少了非闭合曲线的产生。3.确定车身漆膜缺陷特征参数。采用主成分分析法(PCA)对特征参数进行了降维处理,提高了计算效率。采用支持向量机原理对漆膜缺陷进行分类。确定分类器核函数并采用遗传算法、粒子群算法以及网格划分的方法选择最优核函数参数。4.设计与开发相关的缺陷检测插件,包括MATLAB开发平台下的检测界面的设计。介绍检测界面中各功能按钮的实现方法。将GUI程序转化为exe的可执行文件,提高了已编程命令按钮程序的适用范围。5.对车身漆膜常见的六种缺陷进行了检测实验研究。实验证明,本文提出的漆膜缺陷的识别与分类方法可以有效的识别流挂、颗粒不良、橘皮和划痕等漆膜缺陷。
【关键词】：漆膜缺陷 图像处理技术 图像增强 图像分割 支持向量机
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ639.8
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-17
• 1.1 汽车车身漆膜缺陷检测意义11-12
• 1.2 车身漆膜缺陷检测研究现状12-13
• 1.3 计算机视觉技术的发展13-14
• 1.4 漆膜缺陷检测相关技术分析14-15
• 1.5 本文研究内容及章节安排15-17
• 第2章 车身漆膜缺陷检测实验台设计17-29
• 2.1 车身漆膜缺陷的种类17-19
• 2.2 车身漆膜缺陷检测方案及实验台设计19-20
• 2.3 车身漆膜缺陷检测装置设计20-28
• 2.3.1 检测实验台几何位置及硬件的选择20-24
• 2.3.2 检测实验台结构设计24-28
• 2.4 本章小结28-29
• 第3章 车身漆膜缺陷检测相关技术研究29-49
• 3.1 图像预处理29-35
• 3.1.1 图像剪裁29-30
• 3.1.2 消除图像光照不均匀性30-32
• 3.1.3 图像降噪32
• 3.1.4 基于形态学的图像增强32-35
• 3.2 图像分割35-40
• 3.2.1 常见图像分割方法36-37
• 3.2.2 改进的图论图像分割法37-40
• 3.3 车身漆膜缺陷特征参数确定40-42
• 3.3.1 图像全局特征40-41
• 3.3.2 图像局部特征41-42
• 3.3.3 车身漆膜缺陷特征参数的选取42
• 3.4 缺陷特征参数的降维42-45
• 3.5 漆膜缺陷判别算法设计45-47
• 3.5.1 分类器核函数和参数的选择45-46
• 3.5.2 特征参数数据规格化46-47
• 3.6 本章小结47-49
• 第4章 缺陷检测插件的开发49-57
• 4.1 缺陷检测插件的开发49-55
• 4.1.1 缺陷检测插件的总体结构49-50
• 4.1.2 用户界面50
• 4.1.3 插件功能的实现50-55
• 4.2 GUI程序转化EXE可执行文件55
• 4.3 本章小结55-57
• 第5章 漆膜缺陷检测实验57-65
• 5.1 漆膜缺陷图像处理58-59
• 5.2 漆膜缺陷识别59-63
• 5.2.1 获取特征参数数据59-61
• 5.2.2 缺陷特征识别分类61-63
• 5.3 检测结果分析63
• 5.4 本章小结63-65
• 第6章 总结与展望65-67
• 6.1 全文总结65
• 6.2 工作展望65-67
• 参考文献67-73
• 作者简介及科研成果73-75
• 致谢75

【参考文献】

中国期刊全文数据库 前10条

1 宋丽梅;王朋强;常玉兰;李晓捷;习江涛;郭庆华;李秉男;;A non-contact real-time measurement of lamp dimension based on machine vision[J];Optoelectronics Letters;2015年02期

2 XUE Xin Hua;YANG Xing Guo;CHEN Xin;;Application of a support vector machine for prediction of slope stability[J];Science China(Technological Sciences);2014年12期

3 张菊香;;车身电泳不能成膜的原因分析[J];涂料工业;2014年10期

4 于诚;孙伟;Scrivener Karen;;Application of Image Analysis Based on SEM and Chemical Mapping on PC Mortars under Sulfate Attack[J];Journal of Wuhan University of Technology(Materials Science Edition);2014年03期

5 Nassim Laouti;Sami Othman;Mazen Alamir;Nida Sheibat-Othman;;Combination of Model-based Observer and Support Vector Machines for Fault Detection of Wind Turbines[J];International Journal of Automation & Computing;2014年03期

6 ADHIKARI Sanjeev;YOU Zhan-ping;HAO Pei-wen;WANG Hai-nian;;Image analysis of aggregate,mastic and air void phases for asphalt mixture[J];交通运输工程学报;2013年02期

7 成亚君;;涂料喷涂的常见漆膜缺陷及成因[J];上海涂料;2012年10期

8 范会敏;王浩;;模式识别方法概述[J];电子设计工程;2012年19期

9 刘松涛;殷福亮;;基于图割的图像分割方法及其新进展[J];自动化学报;2012年06期

10 ;Decision tree support vector machine based on genetic algorithm for multi-class classification[J];Journal of Systems Engineering and Electronics;2011年02期

中国博士学位论文全文数据库 前7条

1 施展;图像特征提取与识别的迹空间投影方法研究[D];华南理工大学;2012年

2 张新野;基于聚类分析的图像分割方法研究[D];大连海事大学;2012年

3 许晓丽;基于聚类分析的图像分割算法研究[D];哈尔滨工程大学;2012年

4 刘源l

本文编号：393486