為了提升汽車的燃油效率,節(jié)省能源并降低碳排放,各國汽車制造企業(yè)紛紛采用發(fā)動(dòng)機(jī)渦輪增壓技術(shù)。渦輪殼作為渦輪增壓器的關(guān)鍵零部件,其表面質(zhì)量直接影響零件的裝配和使用性能。目前,渦輪殼零件表面質(zhì)量檢測(cè)以人工目測(cè)為主。由于檢測(cè)人員長時(shí)間用眼疲勞以及判別標(biāo)準(zhǔn)主觀不一致等原因,導(dǎo)致檢測(cè)正確性差、效率低,且人工成本高。近年來,機(jī)器視覺技術(shù)發(fā)展迅猛,憑借其檢測(cè)精度及效率高、實(shí)時(shí)性好等優(yōu)點(diǎn),在產(chǎn)品檢測(cè)和工業(yè)自動(dòng)化領(lǐng)域應(yīng)用越來越廣泛。渦輪殼零件機(jī)加工表面分為密封區(qū)和非密封區(qū),不同區(qū)域的表面質(zhì)量要求不同,并且由于加工過程中的冷卻液在零件表面留下斑紋,給渦輪殼零件表面缺陷檢測(cè)增加了難度。本文將機(jī)器視覺技術(shù)應(yīng)用于渦輪殼零件機(jī)械加工表面的缺陷檢測(cè),在分析零件表面缺陷特點(diǎn)及檢測(cè)技術(shù)需求的基礎(chǔ)上,制定了檢測(cè)系統(tǒng)總體方案,構(gòu)建了包括圖像采集、零件裝夾與抓取、檢測(cè)運(yùn)動(dòng)機(jī)構(gòu)等在內(nèi)的硬件單元,開發(fā)了視覺檢測(cè)、運(yùn)動(dòng)控制等軟件模塊,實(shí)現(xiàn)了零件表面劃痕和凹坑等缺陷檢測(cè)。視覺檢測(cè)模塊是整個(gè)系統(tǒng)的核心,本文研究了光照補(bǔ)償原理,分別采用高低角度打光方式相結(jié)合,增強(qiáng)表面劃痕和凹坑類缺陷在圖像中的信噪比。在劃痕檢測(cè)算法方面,本文通過形態(tài)學(xué)中值...

【文章頁數(shù)】：93 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
注釋表
縮略詞
第一章 緒論
    1.1 課題研究背景及意義
        1.1.1 課題研究背景
        1.1.2 課題研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外視覺缺陷檢測(cè)發(fā)展現(xiàn)狀
        1.2.2 國內(nèi)視覺缺陷檢測(cè)發(fā)展現(xiàn)狀
    1.3 論文研究內(nèi)容和結(jié)構(gòu)安排
        1.3.1 論文的主要研究內(nèi)容
        1.3.2 論文的各章節(jié)安排
第二章 表面缺陷檢測(cè)系統(tǒng)總體設(shè)計(jì)
    2.1 系統(tǒng)總體方案設(shè)計(jì)
        2.1.1 檢測(cè)系統(tǒng)技術(shù)指標(biāo)
        2.1.2 系統(tǒng)基本原理
        2.1.3 系統(tǒng)基本結(jié)構(gòu)
    2.2 缺陷檢測(cè)硬件系統(tǒng)設(shè)計(jì)
        2.2.1 工業(yè)相機(jī)
        2.2.2 光學(xué)鏡頭
        2.2.3 光照模式及光源的設(shè)計(jì)
        2.2.4 其它硬件設(shè)備的選型及設(shè)計(jì)
    2.3 缺陷檢測(cè)軟件系統(tǒng)設(shè)計(jì)
        2.3.1 檢測(cè)系統(tǒng)軟件平臺(tái)搭建
        2.3.2 檢測(cè)系統(tǒng)軟件模塊設(shè)計(jì)
    2.4 本章小結(jié)
第三章 渦輪殼零件表面劃痕檢測(cè)方法研究
    3.1 圖像預(yù)處理
        3.1.1 圖像濾波
        3.1.2 圖像增強(qiáng)
    3.2 目標(biāo)定位與ROI提取
    3.3 基于形態(tài)學(xué)特征的劃痕分割
        3.3.1 灰度閾值分割
        3.3.2 形態(tài)學(xué)頂帽
        3.3.3 Gabor濾波分割
        3.3.4 形態(tài)學(xué)背景差分
    3.4 基于方向梯度的劃痕區(qū)域生長
        3.4.1 形態(tài)學(xué)膨脹與骨架提取方法
        3.4.2 區(qū)域生長
        3.4.3 基于方向梯度的區(qū)域生長
    3.5 多特征融合的劃痕識(shí)別
    3.6 算法測(cè)試與實(shí)驗(yàn)分析
        3.6.1 劃痕提取試驗(yàn)
        3.6.2 劃痕檢測(cè)試驗(yàn)
    3.7 本章小結(jié)
第四章 渦輪殼零件表面凹坑檢測(cè)算法研究
    4.1 ROI提取與圖像分割
        4.1.1 ROI提取
        4.1.2 圖像分割
    4.2 基于凹坑形態(tài)學(xué)特征的參數(shù)提取
    4.3 基于SVM的凹坑缺陷識(shí)別
        4.3.1 支持向量機(jī)理論
        4.3.2 基于SVM的凹坑類缺陷識(shí)別檢測(cè)
    4.4 算法測(cè)試與分析
        4.4.1 缺陷形態(tài)特征參數(shù)選取
        4.4.2支持向量機(jī)分類器設(shè)計(jì)實(shí)驗(yàn)
        4.4.3 基于SVM的凹坑缺陷檢測(cè)
    4.5 本章小結(jié)
第五章 缺陷檢測(cè)軟件開發(fā)與試驗(yàn)結(jié)果分析
    5.1 軟件開發(fā)基本要求
    5.2 檢測(cè)系統(tǒng)軟件功能模塊實(shí)現(xiàn)
        5.2.1 用戶信息模塊
        5.2.2 系統(tǒng)配置模塊
        5.2.3 缺陷檢測(cè)模塊
        5.2.4 數(shù)據(jù)管理模塊
    5.3 系統(tǒng)檢測(cè)試驗(yàn)與結(jié)果分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
在校期間的研究成果及發(fā)表的學(xué)術(shù)論文



本文編號(hào)：3791736