發(fā)布時間：2022-02-21 00:25

　　輪轂軸承法蘭是第三代輪轂軸承單元配合防抱剎系統(tǒng)的關鍵部分,其螺紋孔及外觀檢測有嚴格要求。傳統(tǒng)的人工檢測方式檢測精度低、速度慢、耗費成本高,無法滿足現(xiàn)在的檢測要求。隨著機器視覺技術的不斷發(fā)展,因其檢測精度高、速度快等優(yōu)點在工業(yè)檢測系統(tǒng)方面應用越來越廣泛。本課題針對目前存在的弊端,結合行業(yè)標準,提出了一種基于機器視覺的輪轂軸承法蘭檢測系統(tǒng),主要研究如下:（1）采用光電傳感器觸發(fā)相機采集圖像的方式設計了兩個檢測工位,分別對工件螺紋孔偏移度、螺紋完整度以及表面銹斑缺陷進行檢測。采用推桿裝置設計了兩個分揀通道,根據(jù)檢測結果對合格工件和不合格工件進行分離。（2）對圖像采集模塊中相機、鏡頭、光源的選型作了詳細的闡述,為圖像識別設計最優(yōu)的成像系統(tǒng)。（3）針對不同的檢測要求,創(chuàng)新的設計了各檢測部分的算法。針對采用相關法進行模板匹配耗時長的問題,引入誤差閾值的二次模板匹配算法,提出了一種基于輪廓模板匹配定位改進方法,該方法進行模板匹配速度與原來相比提高了約10倍,所需時間由30ms縮短至3ms。針對具有較大干擾樣本點進行最小二乘圓擬合誤差大的問題,提出了一種基于隨機化預擬合的最小二乘圓擬合改進算法,對改進... 

【文章來源】：浙江科技學院浙江省

【文章頁數(shù)】：83 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景
    1.2 國內外研究現(xiàn)狀
        1.2.1 機器視覺技術應用現(xiàn)狀
        1.2.2 工業(yè)測量及缺陷檢測研究現(xiàn)狀
    1.3 主要研究內容
    1.4 本章小結
第2章 系統(tǒng)總體設計
    2.1 檢測需求分析
    2.2 系統(tǒng)主要技術
        2.2.1 圖像識別技術
        2.2.2 微控制器系統(tǒng)
        2.2.3 光電傳感器技術
    2.3 檢測系統(tǒng)工作原理
    2.4 本章小結
第3章 檢測系統(tǒng)硬件設計
    3.1 硬件系統(tǒng)概述
    3.2 圖像采集模塊
        3.2.1 相機的選型
        3.2.2 鏡頭的選型
        3.2.3 光源的選型
        3.2.4 光電信號傳感器
    3.3 運動控制模塊
    3.4 本章小結
第4章 圖像處理識別算法
    4.1 螺紋孔偏移度檢測
        4.1.1 基于輪廓模板匹配定位改進方法
        4.1.2 圖像增強算法
        4.1.3 形態(tài)學算法分析
        4.1.4 基于隨機化預擬合的最小二乘圓擬合改進算法
        4.1.5 區(qū)域像素級偏移度檢測算法
    4.2 螺紋孔螺紋完整度檢測
        4.2.1 仿射變換
        4.2.2 螺紋檢測算法
    4.3 環(huán)面銹蝕檢測
        4.3.1 Blob分析
        4.3.2 極坐標轉換
        4.3.3 帶權值的銹斑區(qū)域檢測
    4.4 本章小節(jié)
第5章 系統(tǒng)軟件與實驗測試
    5.1 輪轂軸承法蘭檢測系統(tǒng)軟件設計
        5.1.1 軟件主界面與數(shù)據(jù)統(tǒng)計
        5.1.2 相機設置界面
        5.1.3 參數(shù)設置界面
        5.1.4 創(chuàng)建模板界面
    5.2 實驗測試
        5.2.1 螺紋孔偏移度檢測
        5.2.2 螺紋孔螺紋完整度檢測
        5.2.3 銹斑檢測
    5.3 本章小結
第6章 結論
    6.1 總結
    6.2 展望
參考文獻
致謝
攻讀學位期間參加的科研項目和成果


【參考文獻】：
期刊論文
[1]機器視覺技術在機加工領域的研究與應用[J]. 陳燦,王晶,陳閣.  信息與電腦(理論版). 2019(16)
[2]改進的最小二乘模型在GPS天線相位中心檢測中的應用[J]. 閆洪超,饒振興.  北京測繪. 2019(08)
[3]基于圖像分塊模板匹配的高速運動目標跟蹤技術[J]. 陳冰紅,祝振宇.  國外電子測量技術. 2019(07)
[4]基于機器視覺技術的瓶蓋劃痕檢測[J]. 楊健,辛浪,豆昌軍.  包裝工程. 2019(13)
[5]機器視覺研究與發(fā)展綜述[J]. 宋春華,彭泫知.  裝備制造技術. 2019(06)
[6]淺談機器視覺技術發(fā)展及應用[J]. 高峰,王富東.  山東工業(yè)技術. 2019(05)
[7]基于最小二乘法的線性回歸方程推導與應用分析[J]. 陳雨彤.  中國新通信. 2018(24)
[8]機器視覺技術的發(fā)展現(xiàn)狀與應用動態(tài)研究[J]. 陳英.  無線互聯(lián)科技. 2018(19)
[9]機器視覺技術發(fā)展及其工業(yè)應用[J]. 王飛.  電子技術與軟件工程. 2018(16)
[10]基于隨機Hough變換改進的快速圓檢測算法[J]. 朱正偉,宋文浩,焦竹青,郭曉.  計算機工程與設計. 2018(07)

博士論文
[1]基于機器視覺的半導體芯片表面缺陷在線檢測關鍵技術研究[D]. 巢淵.東南大學 2017
[2]紋理圖像特征提取與分類研究[D]. 許文韜.華東師范大學 2017
[3]圖像去噪及其效果評估若干問題研究[D]. 楊成佳.吉林大學 2016
[4]圖像去噪中幾種優(yōu)化算法的相關研究[D]. 楊昊.電子科技大學 2016
[5]圖像局部特征提取及應用研究[D]. 黃明明.北京科技大學 2016
[6]圖像增強的相關技術及應用研究[D]. 李艷梅.電子科技大學 2013

碩士論文
[1]晶圓定位視覺檢測系統(tǒng)設計[D]. 周棟.沈陽工業(yè)大學 2019
[2]基于圖像處理的風力發(fā)電機葉片表面缺陷檢測技術研究[D]. 云賽.天津理工大學 2019
[3]基于VSM的中文文本分類算法研究[D]. 余偉中.南京郵電大學 2018
[4]基于機器視覺的金屬手機外殼尺寸測量與表面典型缺陷檢測研究[D]. 馮鍇.華南理工大學 2018
[5]基于機器視覺的產品零件尺寸檢測技術研究[D]. 張永波.燕山大學 2017
[6]兩種改進的彩色圖像灰度化算法研究[D]. 羅婷婷.浙江工商大學 2014
[7]基于中值濾波和小波變換的圖像去噪算法研究[D]. 田流芳.河北大學 2014
[8]基于顏色和形狀特征的圖像檢索技術及其應用[D]. 潘永勝.太原理工大學 2014
[9]灰度圖像的直方圖均衡化處理研究[D]. 陳永亮.安徽大學 2014
[10]彩色圖像灰度化及其效果的客觀評價方法研究[D]. 宋鳳菲.華僑大學 2014



本文編號：3636113