為了解決金屬軟管接頭組件表面檢測精準(zhǔn)度不高和檢測效率不高的實際問題,設(shè)計一套基于機器視覺的接頭組件表面缺陷檢測系統(tǒng)。針對接頭組件圖像背景復(fù)雜、噪聲干擾多,通過使用圖像濾波去噪、Otsu算法二值化以及圖像形態(tài)學(xué)分析,提高圖像的對比度,有效提取目標(biāo)檢測區(qū)域。而后采用Canny邊緣檢測算法,對圖像進(jìn)行邊緣輪廓精準(zhǔn)識別,并采用快速傅里葉變換方法和R-FCN算法,對缺陷特征信息快速進(jìn)行匹配提取和分類處理。試驗結(jié)果表明:此缺陷檢測系統(tǒng)能有效提高檢測效率,保證較高的檢測準(zhǔn)確率和精度,滿足實際工業(yè)檢測的需求,具有較好的實用價值。 

【文章來源】：機床與液壓. 2020,48(16)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

金屬軟管接頭組件實物

此金屬軟管接頭組件表面缺陷實時檢測系統(tǒng)方案為待被測組件進(jìn)入被測區(qū)域后,通過選定的光源和工業(yè)CCD或CMOS攝像機獲取接頭組件表面的高動態(tài)圖像信息,利用圖像處理算法進(jìn)行圖像的預(yù)處理、圖像分割、提取被測接頭組件圖像的特征信息,并根據(jù)特征信息對組件表面的缺陷進(jìn)行識別和分類,實現(xiàn)對缺陷接頭組件表面的檢測,同時,根據(jù)組件表面缺陷的分類進(jìn)行分揀處理。此檢測系統(tǒng)方案總體結(jié)構(gòu)如圖2所示,主要由自動上料裝置、圖像采集系統(tǒng)、圖像處理系統(tǒng)、PLC控制系統(tǒng)和分揀下料裝置5個部分組成。其中,圖像采集系統(tǒng)如圖3所示,包括工業(yè)攝像機、光源、視覺工控機和顯示器以及檢測平臺等部件。而圖像處理系統(tǒng)為此視覺檢測系統(tǒng)的核心部分,涉及被檢測組件圖像預(yù)處理、圖像缺陷特征信息提取及分類等內(nèi)容,本文作者重點對組件表面圖像處理系統(tǒng)進(jìn)行深入研究。

其中,圖像采集系統(tǒng)如圖3所示,包括工業(yè)攝像機、光源、視覺工控機和顯示器以及檢測平臺等部件。而圖像處理系統(tǒng)為此視覺檢測系統(tǒng)的核心部分,涉及被檢測組件圖像預(yù)處理、圖像缺陷特征信息提取及分類等內(nèi)容,本文作者重點對組件表面圖像處理系統(tǒng)進(jìn)行深入研究。2 組件表面缺陷圖像預(yù)處理

【參考文獻(xiàn)】：
期刊論文
[1]迭代式自適應(yīng)法在Canny算子中的應(yīng)用與研究[J]. 韓軍,張鴻宇.  機械設(shè)計與制造. 2019(12)
[2]基于圖形處理器的高速中值濾波算法[J]. 托乎提努爾,張海龍,王杰,王娜,冶鑫晨,王萬瓊.  吉林大學(xué)學(xué)報(工學(xué)版). 2019(03)
[3]基于機器視覺的隔水管法蘭端面位姿檢測[J]. 劉桂華,王玉玫,王靜強.  機械設(shè)計. 2019(03)
[4]改進(jìn)中值濾波和形態(tài)學(xué)的油管裂紋檢測算法[J]. 楊先鳳,趙玲,杜晶晶.  計算機仿真. 2018(12)
[5]金屬軟管泄漏原因分析與預(yù)防[J]. 陳彩霞,王步美,陳楊.  壓力容器. 2018(04)
[6]圖像微觀結(jié)構(gòu)的二值化表示與目標(biāo)識別應(yīng)用[J]. 張東波,陳治強,易良玲,許海霞.  電子與信息學(xué)報. 2018(03)
[7]機器視覺表面缺陷檢測綜述[J]. 湯勃,孔建益,伍世虔.  中國圖象圖形學(xué)報. 2017(12)
[8]基于機器視覺的螺紋零件頭部裂紋檢測[J]. 楊攀,姜立軍,李哲林.  計算機應(yīng)用與軟件. 2013(04)
[9]兩種高壓軟管接頭組件的非線性有限元對比分析[J]. 杜金強,朱伯偉,王鵬,何宇廷,于海濤.  機械設(shè)計. 2010(11)
[10]基于超聲紅外技術(shù)對金屬管內(nèi)壁缺陷的檢測[J]. 邢春飛,李艷紅,陳大鵬,鄒鵬,陶寧,張存林.  應(yīng)用光學(xué). 2009(03)



本文編號：3222464