金屬零部件是汽車工業(yè)的重要組成部分,隨著人們生活水平的提高汽車的需求也越來越大,相應(yīng)的就需要生產(chǎn)更多的金屬零部件。目前金屬零部件生產(chǎn)廠家一般為中小型企業(yè),資金的缺乏使得這些企業(yè)只能先購(gòu)買先進(jìn)的生產(chǎn)設(shè)備提高生產(chǎn)自動(dòng)化水平,對(duì)于價(jià)格昂貴的自動(dòng)檢測(cè)設(shè)備大多數(shù)企業(yè)購(gòu)買不起,因此只能采用人工目測(cè)或者工人依靠簡(jiǎn)單的量具檢測(cè)的方式來檢測(cè)產(chǎn)品的加工質(zhì)量,檢測(cè)工序的自動(dòng)化程度還遠(yuǎn)遠(yuǎn)不足。因此,研究具有自主知識(shí)產(chǎn)權(quán)且性價(jià)比高的金屬零部件產(chǎn)品質(zhì)量自動(dòng)精密檢測(cè)設(shè)備供企業(yè)使用具有重要意義。針對(duì)上述問題,本文對(duì)基于機(jī)器視覺技術(shù)的雙列金屬零部件自動(dòng)檢測(cè)系統(tǒng)進(jìn)行研究。首先分析了兩種零件的加工質(zhì)量檢測(cè)內(nèi)容與要求,根據(jù)檢測(cè)要求設(shè)計(jì)了整體解決方案與工作流程,在此基礎(chǔ)上分析檢測(cè)設(shè)備的主要功能模塊與相互關(guān)系。根據(jù)檢測(cè)零件的特征設(shè)計(jì)視覺解決方案,并設(shè)計(jì)分揀裝置將不合格零件分離。研究了從零件特征圖像中自動(dòng)提取待測(cè)邊界、檢測(cè)零件表面缺陷等關(guān)鍵特征量的圖像處理算法。根據(jù)視覺系統(tǒng)采集到的特征圖像,對(duì)其進(jìn)行預(yù)處理獲取ROI,然后通過亞像素邊緣檢測(cè)技術(shù)提取出待測(cè)特征量邊緣信息并使用最小二乘法擬合邊緣特征圓。將幾何模板匹配算法、經(jīng)高斯圖像金字... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：88 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景與意義
    1.2 機(jī)器視覺檢測(cè)技術(shù)的發(fā)展
        1.2.1 國(guó)外機(jī)器視覺應(yīng)用于金屬零件檢測(cè)的發(fā)展
        1.2.2 國(guó)內(nèi)機(jī)器視覺應(yīng)用于金屬零件檢測(cè)的發(fā)展
    1.3 研究問題的提出
    1.4 論文研究目標(biāo)和內(nèi)容
第二章 金屬零件加工質(zhì)量檢測(cè)平臺(tái)總體設(shè)計(jì)
    2.1 引言
    2.2 兩種金屬零配件加工質(zhì)量檢測(cè)要求
        2.2.1 彈簧承載座檢測(cè)內(nèi)容和要求
        2.2.2 墊片檢測(cè)內(nèi)容和要求
    2.3 兩種零件并列在線檢測(cè)整體解決方案
        2.3.1 雙列零件在線檢測(cè)系統(tǒng)功能模塊
        2.3.2 雙列零件在線檢測(cè)系統(tǒng)工作流程
        2.3.3 雙列零件在線檢測(cè)系統(tǒng)整體模型
    2.4 視覺系統(tǒng)解決方案
        2.4.1 光源的選型與設(shè)計(jì)
        2.4.2 工業(yè)相機(jī)選型
        2.4.3 鏡頭選型
    2.5 分揀控制系統(tǒng)解決方案
        2.5.1 彈簧承載座分揀控制系統(tǒng)設(shè)計(jì)
        2.5.2 墊片分揀控制系統(tǒng)設(shè)計(jì)
        2.5.3 上位機(jī)與分揀系統(tǒng)通訊方式選擇
    2.6 本章小結(jié)
第三章 零件圖像預(yù)處理和待測(cè)邊界提取方法
    3.1 引言
    3.2 兩種零件圖像處理目標(biāo)及流程
    3.3 零件圖像預(yù)處理
        3.3.1 兩種零件的濾波處理
        3.3.2 兩種零件的閾值分割
        3.3.3 感興趣區(qū)域提取
    3.4 零件圖像亞像素邊緣檢測(cè)
        3.4.1 像素級(jí)圖像邊緣檢測(cè)
        3.4.2 從像素精度到亞像素精度邊緣提取
    3.5 標(biāo)定系統(tǒng)的設(shè)計(jì)
    3.6 本章小結(jié)
第四章 零件表面特征缺陷圖像處理技術(shù)研究
    4.1 引言
    4.2 基于模板匹配方法的缺陷特征提取和分析
        4.2.1 灰度匹配方法分析
        4.2.2 幾何匹配方法分析
    4.3 基于掩膜技術(shù)的缺陷提取和分析
        4.3.1 基于掩膜技術(shù)的彈簧承載座邊緣缺口檢測(cè)
        4.3.2 基于掩膜技術(shù)的墊片表面劃擦缺陷檢測(cè)
    4.4 本章小結(jié)
第五章 樣機(jī)軟件開發(fā)與實(shí)驗(yàn)驗(yàn)證
    5.1 引言
    5.2 檢測(cè)系統(tǒng)軟件開發(fā)
        5.2.1 軟件平臺(tái)的選擇
        5.2.2 軟件模塊設(shè)計(jì)與實(shí)現(xiàn)
    5.3 實(shí)驗(yàn)結(jié)果驗(yàn)證
        5.3.1 兩種零件的特征尺寸測(cè)量準(zhǔn)確度評(píng)價(jià)
        5.3.2 兩種零件的特征尺寸重復(fù)測(cè)量精度評(píng)價(jià)
        5.3.3 系統(tǒng)檢測(cè)算法實(shí)驗(yàn)
    5.4 影響測(cè)量精度的因素
    5.5 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器視覺的農(nóng)作物表面多特征決策融合病變判斷算法[J]. 劉恩澤,吳文福.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2018(06)
[2]機(jī)器視覺在核電站蒸發(fā)器渦流檢測(cè)中的應(yīng)用[J]. 唐博,汪雙印,唐嵐,林戈.  無損檢測(cè). 2018(10)
[3]一種基于改進(jìn)非局部均值濾波算法的紅外圖像去噪[J]. 郭晨龍,趙旭陽,鄭海燕,梁錫寧.  紅外技術(shù). 2018(07)
[4]汽車發(fā)動(dòng)機(jī)進(jìn)氣歧管高精度亞像素邊緣檢測(cè)[J]. 徐平,薛凌云,常英杰.  計(jì)量學(xué)報(bào). 2018(03)
[5]基于空間金字塔和特征集成的智能機(jī)器人目標(biāo)檢測(cè)算法[J]. 王萬良,朱炎亮,王錚,屠海龍.  計(jì)算機(jī)集成制造系統(tǒng). 2017(11)
[6]探析金屬機(jī)械加工制造工藝[J]. 焦媛媛.  科技經(jīng)濟(jì)導(dǎo)刊. 2017(21)
[7]基于LabVIEW的幾何匹配方法的設(shè)計(jì)與實(shí)現(xiàn)[J]. 李光明,孫英爽,黨小娟.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(10)
[8]基于機(jī)器視覺的工件鋸片缺陷檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 管小衛(wèi),丁琳.  軟件工程. 2016(08)
[9]一種針對(duì)椒鹽噪聲的新型迭代自適應(yīng)濾波器[J]. 黃琪,李鼎權(quán),施濤,孫菁,劉會(huì)剛.  南開大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(05)
[10]基于C#的串口通信系統(tǒng)的研究與設(shè)計(jì)[J]. 周陽,周美嬌,黃波,劉金利.  電子測(cè)量技術(shù). 2015(07)

博士論文
[1]快速模板匹配方法及其在眉毛識(shí)別中的應(yīng)用[D]. 李厚君.北京工業(yè)大學(xué) 2015

碩士論文
[1]基于Kinect的手勢(shì)圖像識(shí)別研究[D]. 金宏碩.沈陽工業(yè)大學(xué) 2018
[2]基于機(jī)器視覺的汽車門板焊點(diǎn)識(shí)別算法研究[D]. 劉金.華南理工大學(xué) 2018
[3]基于機(jī)器視覺的刀具磨損檢測(cè)系統(tǒng)研究[D]. 吳同坤.哈爾濱理工大學(xué) 2018
[4]多相機(jī)坐標(biāo)測(cè)量技術(shù)的研究[D]. 張?jiān)：?中國(guó)科學(xué)技術(shù)大學(xué) 2017
[5]基于幾何基元特征的圖像匹配算法研究及在錫膏印刷機(jī)上的應(yīng)用[D]. 張新乾.華中科技大學(xué) 2017
[6]基于機(jī)器視覺的軸套尺寸及涂層表面檢測(cè)系統(tǒng)的研究[D]. 鄧家華.華南理工大學(xué) 2017
[7]磁瓦缺陷自動(dòng)檢測(cè)關(guān)鍵技術(shù)研究[D]. 黃興.東南大學(xué) 2017
[8]基于圖像方法的軸承套圈磁粉探傷技術(shù)研究[D]. 劉金肖.東南大學(xué) 2017
[9]CMOS圖像傳感器像素光敏器件研究[D]. 李天琦.哈爾濱工程大學(xué) 2013
[10]基于機(jī)器視覺的汽車零件缺陷檢測(cè)技術(shù)研究[D]. 厲曉飛.武漢理工大學(xué) 2012



本文編號(hào)：3155296