發(fā)布時間：2018-05-19 05:17

  本文選題：機器視覺檢測 + 表面缺陷�。� 參考：《華僑大學》2015年碩士論文

【摘要】：在鋁壓鑄件生產過程中,由于種種原因在鋁鑄件表面不可避免地會產生氣孔、裂紋、劃痕等缺陷。目前國內鑄造生產車間多采用人工目視檢測法,勞動強度大且工作效率低,檢測結果易受到人的主觀影響;而基于機器視覺的檢測技術可以有效克服人工檢測方法的上述缺點,具備非接觸性、客觀性、高效性、精度高等優(yōu)點,成為未來工業(yè)檢測的發(fā)展方向。本文基于機器視覺和圖像處理技術,提出了一套針對鋁鑄件缺陷的檢測識別算法,主要的研究工作包括:(1)在分析鋁鑄件各類缺陷圖像成像特點的基礎上,研究如何針對性地將可疑區(qū)域都準確地分割出來。特別是對于尺寸微小(直徑d?2 mm)的氣孔缺陷,如何將其有效地分割出來為鋁鑄件缺陷圖像分割研究的一個難點。對此本文提出基于閾值和形態(tài)學相結合的分割方法,可準確完整地分割出氣孔缺陷區(qū)域,獲得其焦點的像素位置。(2)分析研究真缺陷(氣孔、裂紋、縮孔、松縮)與偽缺陷(水漬、渣痕、油污)的特征,提出基于區(qū)域幾何特征、區(qū)域亮度特征以及區(qū)域中心行灰度曲線波形差異的剔除方法。試驗表明,該算法能有效地減少偽缺陷對檢測結果的干擾。(3)研究鋁鑄件表面缺陷的特征表達、提取以及選擇。通過分析,本文將鋁鑄件表面缺陷用幾何形狀、灰度、不變矩和紋理特征來表達,為了提高識別效率、減少后續(xù)分類工作的計算量,采用主成分分析法對特征矢量進行選擇降維。(4)研究支持向量機分類器,運用MATLAB平臺建立多分類進行仿真實驗,在不影響正確率的前提下提高計算效率,降低向量機的復雜程度。
[Abstract]:In the process of aluminum die casting production, defects such as porosity, cracks and scratches will inevitably occur on the surface of aluminum castings due to various reasons. At present, most domestic foundry workshops adopt manual visual inspection method, which is characterized by high labor intensity and low working efficiency, and the testing results are easily affected by human subjectivity, and the detection technology based on machine vision can effectively overcome the above-mentioned shortcomings of the manual inspection method. With the advantages of non-contact, objectivity, high efficiency and high precision, it will become the development direction of industrial detection in the future. Based on machine vision and image processing technology, this paper presents a set of detection and recognition algorithms for aluminum casting defects. The main research work includes: 1) on the basis of analyzing the image imaging characteristics of aluminum casting defects, This paper studies how to segment the suspicious areas accurately. Especially, how to segment the pore defects with tiny diameters (D ~ (2 mm) effectively is a difficult point in the research of aluminum casting defect image segmentation. In this paper, a segmentation method based on the combination of threshold and morphology is proposed, which can segment the stomatal defect area accurately and completely, and obtain the pixel position of its focus to analyze and study true defects (stomata, cracks, shrinkage holes). This paper presents a method based on regional geometric feature, regional luminance feature and the difference of gray curve waveform in the center line of the region based on the characteristics of pseudo-defect (water mark, slag mark, oil stain) and pseudo-defect (water mark, slag mark, oil stain). The experimental results show that the proposed algorithm can effectively reduce the interference of false defects on the detection results. (3) the feature expression, extraction and selection of surface defects of aluminum castings are studied. In this paper, the surface defects of aluminum castings are expressed by geometric shape, gray scale, moment invariant and texture features. In order to improve the recognition efficiency and reduce the computation of subsequent classification work, The support vector machine classifier is studied by using principal component analysis (PCA) to select and reduce the dimension of feature vector. The MATLAB platform is used to establish multiple classifiers to carry out simulation experiments, which can improve the calculation efficiency and reduce the complexity of vector machine without affecting the correct rate.
【學位授予單位】：華僑大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TG247;TP391.41

【相似文獻】

相關期刊論文 前10條

1 吳曉鵬;林介邦;唐輝;鐘園園;羅祥英;;基于機器視覺的鑄坯表面缺陷檢測系統(tǒng)的研制[J];武鋼技術;2010年01期

2 尤政,胡慶英,林閩,李建;用于表面缺陷檢測的激光超聲技術[J];宇航計測技術;1998年06期

3 李瑤;王快社;劉長瑞;;金屬板材表面缺陷檢測發(fā)展現(xiàn)狀[J];材料導報;2011年S2期

4 郭慶華;田陸;袁英宏;黃郁君;;嵌入式系統(tǒng)在鋼板表面缺陷檢測中的應用[J];山西冶金;2012年04期

5 羅志勇，，王斌，劉棟玉，呂新民，江濤;帶鋼表面缺陷檢測系統(tǒng)的發(fā)展[J];鋼鐵;1996年S1期

6 肖闊華;劉羽;;紐扣電池表面缺陷檢測算法的研究[J];表面技術;2013年01期

7 呂俊;虞佳佳;張耀;;基于Contourlet變換的磁瓦表面缺陷檢測[J];輕工機械;2013年06期

8 黃云龍;;基于多傳感器信息融合的銅帶表面缺陷檢測研究[J];煤炭技術;2011年02期

9 梁爽;何永輝;彭鐵根;;高溫環(huán)境下表面缺陷檢測系統(tǒng)的熱防護研究[J];寶鋼技術;2012年04期

10 張秀芹;連鑄熱坯表面缺陷檢測裝置的研制——實時檢測有害的縱向裂紋[J];冶金自動化;1983年06期

相關會議論文 前5條

1 韓立強;;基于圖像分割技術的汽車發(fā)動機缸體表面缺陷檢測[A];面向21世紀的科技進步與社會經濟發(fā)展（下冊）[C];1999年

2 郭慶華;田陸;袁英宏;黃郁君;;嵌入式系統(tǒng)在鋼板表面缺陷檢測中的應用[A];2012第四屆先進軋鋼精整及鋼材包裝技術學術研討會文集[C];2012年

3 郭慶華;田陸;袁英宏;黃郁君;;嵌入式系統(tǒng)在鋼板表面缺陷檢測中的應用[A];2012年全國軋鋼生產技術會論文集（下）[C];2012年

4 張鳳全;高娜;于明;趙曉安;張慧娟;;圖像處理在物體表面缺陷檢測中的應用[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

5 劉乃強;徐科;;形態(tài)學梯度在帶鋼表面缺陷檢測中的應用[A];全國煉鋼連鑄過程自動化技術交流會論文集[C];2006年

相關博士學位論文 前7條

1 王世通;精密表面缺陷檢測散射成像理論建模及系統(tǒng)分析研究[D];浙江大學;2015年

2 儲茂祥;鋼板表面缺陷檢測關鍵技術研究[D];東北大學;2014年

3 程萬勝;鋼板表面缺陷檢測技術的研究[D];哈爾濱工業(yè)大學;2008年

4 王義文;鋼球表面缺陷檢測關鍵技術研究及樣機研制[D];哈爾濱理工大學;2010年

5 趙立明;基于激光掃描成像與異源CCD融合的連鑄熱坯表面缺陷檢測方法研究[D];重慶大學;2014年

6 叢家慧;引入人類視覺特性的帶鋼表面缺陷檢測與識別方法研究[D];東北大學;2010年

7 王鵬;基于運動視覺技術的鋼球表面缺陷檢測[D];哈爾濱理工大學;2008年

相關碩士學位論文 前10條

1 于躍;基于PMP的鋼軌表面缺陷檢測研究[D];西南交通大學;2015年

2 汪磊;鋁箔復卷機運動仿真分析及表面缺陷檢測系統(tǒng)研究[D];浙江大學;2015年

3 付邦瑞;鋼坯表面裂紋圖像檢測[D];電子科技大學;2015年

4 楊林;冷態(tài)熱軋鋼板表面缺陷檢測系統(tǒng)技術研究[D];重慶大學;2015年

5 李嬌嬌;基于改進DAGSVM的鋼板表面缺陷檢測系統(tǒng)設計與實現(xiàn)[D];重慶大學;2015年

6 王松芳;基于特征分類的低分辨率觸摸屏表面缺陷檢測[D];北京交通大學;2016年

7 李幫建;基于計算機視覺的表面缺陷檢測及應用[D];東南大學;2015年

8 楊建華;多口徑發(fā)動機包覆層表面缺陷檢測方法研究[D];中北大學;2016年

9 張露林;基于GPU的衛(wèi)生用品表面缺陷檢測軟件設計[D];浙江大學;2016年

10 朱健;基于機器視覺的連接器表面缺陷檢測算法研究[D];南京理工大學;2016年

本文編號：1908855