發(fā)動機是汽車的心臟,為汽車提供動力,其性能影響汽車的動力性、經濟性及環(huán)保性。而活塞環(huán)是發(fā)動機的關鍵零件,起著支撐、密封、傳熱和導向的作用,其質量直接影響發(fā)動機的工作效率、節(jié)能減排和可靠性。目前國內主要依靠人工或簡單的視覺方法進行檢測,雖然簡單的視覺檢測方法一定程度上解決了人工方法效率低、錯誤率高、勞動強度大的問題,但在效率、精度方面還有很大的局限性。機器視覺作為一種非接觸智能檢測技術,融合了圖像處理、模式識別、人工智能、計算機視覺及光學等技術,具有精度高、效率高、自動化程度高、可編程等優(yōu)點,可以解決這些難題。本文以機器視覺技術為基礎,以發(fā)動機活塞環(huán)為檢測對象,研究分析活塞環(huán)的尺寸、外形特點以及產品的檢測功能要求,結合圖像處理及檢測方面的算法,研究相關機器視覺檢測技術,實現智能檢測,論文的主要研究內容包括:（1）根據檢測任務和精度的要求,搭建機器視覺智能檢測硬件系統(tǒng),包括總體結構設計、硬件系統(tǒng)設計、視覺檢測技術工作原理,研究并完成系統(tǒng)的標定。（2）研究自適應中值濾波方法原理及去噪效果;通過閾值分割法提取活塞環(huán)零件區(qū)域;利用形態(tài)學對圖像進行“開操作”與“閉操作”,消除圖像中的“凹”和“凸”... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數】：92 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景及意義
        1.1.1 課題背景
        1.1.2 課題意義
    1.2 國內外研究現狀
        1.2.1 發(fā)動機零件檢測
        1.2.2 機器視覺檢測技術
    1.3 論文的主要研究內容和結構安排
第二章 機器視覺智能檢測系統(tǒng)搭建與標定
    2.1 系統(tǒng)的總體結構設計
        2.1.1 基本結構組成
        2.1.2 檢測工作原理
    2.2 系統(tǒng)硬件設計
        2.2.1 照明系統(tǒng)
        2.2.2 攝像機選型
        2.2.3 鏡頭選型
        2.2.4 總線及圖像采集卡
    2.3 攝像機標定
        2.3.1 攝像機標定的必要性
        2.3.2 針孔成像原理及坐標系轉換關系
        2.3.3 本文攝像機標定方法
    2.4 本章小結
第三章 圖像處理與邊緣檢測
    3.1 圖像平滑
        3.1.1 均值濾波(Blur)
        3.1.2 高斯濾波(GaussianBlur)
        3.1.3 中值濾波(Medianfilter)
        3.1.4 自適應中值濾波(AdaptiveMedianFilter)
    3.2 圖像分割
        3.2.1 灰度直方圖
        3.2.2 快速最大類間方差閾值分割法
    3.3 圖像形態(tài)學處理
        3.3.1 腐蝕與膨脹
        3.3.2 開運算與閉運算
    3.4 邊緣檢測
        3.4.1 Canny邊緣檢測算法
        3.4.2 基于形態(tài)學的邊緣檢測算法
        3.4.3 改進的Canny算子和形態(tài)學邊緣檢測算法
    3.5 本章小結
第四章 結合ZNCC-DWT的SURF算子快速拼接算法
    4.1 圖像去陰影及拼接的必要性
    4.2 拼接總體算法
    4.3 序列圖LDRIs輸入
    4.4 圖像配準
    4.5 ZNCC算法特征點匹配及鬼影檢測
    4.6 二維離散小波變換融合法去鬼影
        4.6.1 小波變換信號的分解和融合重構
        4.6.2 圖像二維DWT求分解系數
        4.6.3 確定高低頻融合原則
        4.6.4 圖像融合去鬼影
    4.7 圖像拼接
    4.8 圖像拼接質量評價指標
    4.9 本章小結
第五章 實時檢測軟件系統(tǒng)的設計
    5.1 活塞環(huán)檢測研究
        5.1.1 活塞環(huán)漏光度檢測及圖像拼接與分析
        5.1.2 活塞環(huán)測量結果與分析
    5.2 實時檢測軟件系統(tǒng)開發(fā)
        5.2.1 軟件開發(fā)環(huán)境
        5.2.2 軟件結構設計與實現
        5.2.3 系統(tǒng)檢測技術評價
    5.3 本章小結
第六章 總結與展望
    6.1 主要研究工作內容與結論
    6.2 展望
參考文獻
攻讀學位期間獲得的科研成果
致謝


【參考文獻】：
期刊論文
[1]汽車發(fā)動機進氣歧管高精度亞像素邊緣檢測[J]. 徐平,薛凌云,常英杰.  計量學報. 2018(03)
[2]SIFT與SURF特征提取算法在圖像匹配中的應用對比研究[J]. 陳敏,湯曉安.  現代電子技術. 2018(07)
[3]SURF和RANSAC的特征圖像匹配[J]. 王衛(wèi)兵,白小玲,徐倩.  哈爾濱理工大學學報. 2018(01)
[4]基于單應性矩陣的大尺寸零件視覺測量圖像拼接方法[J]. 黎欣,吳黎明,王桂棠,熊峰,陳宇俊.  計算機測量與控制. 2017(11)
[5]多方向獨立小波耦合神經網絡的圖像融合算法[J]. 汪小威,陸濤,劉偉暉,龔向欣.  計算機工程與設計. 2017(11)
[6]一種快速去除大尺寸工件鬼影圖像的精密拼接算法[J]. 黎欣,吳黎明,王桂棠,陳宇俊,林堅海,榮快.  計算機應用研究. 2018(10)
[7]基于記憶分子動理論優(yōu)化算法的多目標截面投影Otsu圖像分割[J]. 肖樂意,歐陽紅林,范朝冬.  電子與信息學報. 2018(01)
[8]基于機器視覺的零件特征尺寸提取算法[J]. 楊仁民,鄭洲,陳斌,張學昌,張煒.  包裝工程. 2017(09)
[9]基于機器視覺的復雜平面零件尺寸精密檢測[J]. 付泰,王桂棠,程書豪,熊峰.  機電工程技術. 2016(08)
[10]去均值歸一化互相關最小二乘逆時偏移及其應用[J]. 李慶洋,黃建平,李振春,李娜,李闖.  地球物理學報. 2016(08)

博士論文
[1]輔助視覺中的圖像處理關鍵技術研究[D]. 陳龍.西安電子科技大學 2013
[2]面向精密制造與檢測的機器視覺及智能算法研究[D]. 葛動元.華南理工大學 2013

碩士論文
[1]基于改進SURF算法圖像匹配方法研究[D]. 儲蓄.安徽理工大學 2017
[2]基于機器視覺的復雜塑件識別與檢測技術研究[D]. 丁劍彪.北京化工大學 2016
[3]活塞環(huán)參數自動檢測裝置的研制[D]. 鐘友祥.廣東工業(yè)大學 2016
[4]基于機器視覺的復雜零件檢測及相關關鍵技術研究[D]. 張正劉.合肥工業(yè)大學 2016
[5]發(fā)動機活塞環(huán)光密封度機器視覺檢測技術研究[D]. 李崢.廣東工業(yè)大學 2015
[6]基于機器視覺的高精度尺寸檢測方法與實現[D]. 龔聰.廣東工業(yè)大學 2014
[7]基于機器視覺的零件識別和測量系統(tǒng)研究[D]. 鄧小峰.南京航空航天大學 2014
[8]基于機器視覺的螺紋零件頭部檢測方法及實驗研究[D]. 楊攀.華南理工大學 2013
[9]三工位汽車活塞環(huán)自動檢測分選機測量系統(tǒng)的研究[D]. 孫妍.天津大學 2012



本文編號：3470894