制造業(yè)作為立國(guó)之本、興國(guó)之器、強(qiáng)國(guó)之基,在我國(guó)的經(jīng)濟(jì)建設(shè)中起著重要作用。隨著人工智能的興起,人工智能與制造業(yè)結(jié)合越來(lái)越緊密,推動(dòng)了傳統(tǒng)制造向智能制造的轉(zhuǎn)變。我國(guó)提出“中國(guó)制造2025”,是從制造大國(guó)向制造強(qiáng)國(guó)的必由之路,加快新一代信息檢測(cè)技術(shù)與制造業(yè)的深度融合,有利于解決智能制造的工件檢測(cè)的柔性化問(wèn)題。傳統(tǒng)的人工檢測(cè)適應(yīng)性強(qiáng),能夠進(jìn)行多種類型工件特征的檢測(cè),但檢測(cè)速度慢,依賴人工經(jīng)驗(yàn),很難滿足在線快速檢測(cè)的要求;而機(jī)器視覺檢測(cè)速度快,但很難適應(yīng)多種類型工件、不同特征檢測(cè)的問(wèn)題。如果將人工檢測(cè)適應(yīng)性強(qiáng)的優(yōu)點(diǎn)與機(jī)器視覺快速檢測(cè)的優(yōu)點(diǎn)結(jié)合起來(lái),就可能實(shí)現(xiàn)多種類型工件的分類、定位、特征提取以及表面缺陷檢測(cè)并行協(xié)同處理,從而實(shí)現(xiàn)工件智能化檢測(cè)。由于機(jī)器視覺檢測(cè)技術(shù)具有高度的靈活性,適應(yīng)性強(qiáng),在智能制造檢測(cè)領(lǐng)域得到了廣泛的應(yīng)用。本文在查閱了國(guó)內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)上,以探索者機(jī)器人扁平工件作為檢測(cè)目標(biāo),通過(guò)構(gòu)建深度學(xué)習(xí)模型,設(shè)計(jì)新的檢測(cè)算法,實(shí)現(xiàn)對(duì)工件的分類、定位、特征提取以及表面缺陷的檢測(cè),為工件智能化檢測(cè)提供技術(shù)支撐。其研究主要內(nèi)容如下:1.在研究機(jī)器視覺采集系統(tǒng)理論的基礎(chǔ)上,設(shè)計(jì)了工件視覺采集系... 

【文章來(lái)源】：西安工程大學(xué)陜西省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

機(jī)器視覺在不同場(chǎng)景下的應(yīng)用

稱為小孔成像原理。在圖2-1 中，相機(jī)的光軸中心點(diǎn)為 Oc 點(diǎn)，相機(jī)的成像平面為 平面。以 Oc 點(diǎn)建立坐標(biāo)系，沿相機(jī)光軸建立 X 軸、Y 軸、Z 軸坐標(biāo)，其中，X 軸方向取圖像坐標(biāo)沿水平增加的方向，Z 軸以從相機(jī)到景物的方向?yàn)檎较�。以相機(jī)建立的笛卡兒空間坐標(biāo)系，設(shè)景物點(diǎn) P1的坐標(biāo)為(x1，y1

2 工件視覺檢測(cè)系統(tǒng)設(shè)計(jì)來(lái)，如式（2-7）所示。（2-7式（2-7）中，相機(jī)坐標(biāo)系 OcXcYcZc中的景物點(diǎn)坐標(biāo)為(xc，yc，zc)；坐標(biāo)系 OwXwYwZ中的景物點(diǎn)坐標(biāo)為(xw，yw，zw)；Mw為外部參數(shù)矩陣；n=[nxnynz]T為相機(jī)坐標(biāo)系OcXcYcZ中的 Xw軸方向坐標(biāo)；o=[oxoyoz]T，它是相機(jī)坐標(biāo)系 OcXcYcZc中 Yw軸的方向坐標(biāo)；a=[aayaz]T是相機(jī)坐標(biāo)系 OcXcYcZc中 Zw軸的方向坐標(biāo)；p=[pxpypz]T，它是相機(jī)坐標(biāo)系OcXcYcZc中 OwXwYwZw的坐標(biāo)原點(diǎn)的位置。綜上，在機(jī)器視覺檢測(cè)及圖像采集過(guò)程中，為了得到物體的二維平面幾何位置與圖像其它點(diǎn)的對(duì)應(yīng)關(guān)系，建立相機(jī)成像的幾何模型（成像原理）及相機(jī)參數(shù)（內(nèi)參數(shù)、外參數(shù)、畸變參數(shù)），其中，它們之間的關(guān)系如圖 2-2 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于R-FCN算法的糖尿病眼底病變自動(dòng)診斷[J]. 王嘉良,羅健旭,劉斌,馮瑞,鄒海東.  計(jì)算機(jī)工程與應(yīng)用. 2020(04)
[2]基于邊緣檢測(cè)的零件輪廓識(shí)別系統(tǒng)開發(fā)[J]. 許鑫杰,王秀鋒,魯文其,游文輝,吳迪,楊亮亮.  機(jī)電工程. 2019(02)
[3]基于NI Vision的齒輪齒數(shù)和齒距的機(jī)器視覺測(cè)量系統(tǒng)設(shè)計(jì)[J]. 費(fèi)浩雯,孫晨琳,何思銘.  電腦知識(shí)與技術(shù). 2019(03)
[4]基于深度學(xué)習(xí)優(yōu)化SSD算法的硅片隱裂檢測(cè)識(shí)別[J]. 田曉杰,程耀瑜,常國(guó)立.  機(jī)床與液壓. 2019(01)
[5]膠帶工業(yè)智能制造實(shí)踐[J]. 朱國(guó)有.  中國(guó)橡膠. 2019(01)
[6]人工智能在能源服務(wù)中的應(yīng)用[J]. 霍沫霖,林國(guó)強(qiáng),高昆侖.  供用電. 2019(01)
[7]基于深度學(xué)習(xí)的輸電線路風(fēng)險(xiǎn)預(yù)警識(shí)別研究[J]. 陳良琴,唐海城,肖新華.  電力大數(shù)據(jù). 2018(12)
[8]深度學(xué)習(xí)在計(jì)算機(jī)視覺分析中的應(yīng)用分析[J]. 孫雨萌.  中國(guó)新通信. 2018(23)
[9]基于深度殘差網(wǎng)絡(luò)的星系形態(tài)分類[J]. 戴加明,佟繼周.  天文學(xué)進(jìn)展. 2018(04)
[10]機(jī)器視覺技術(shù)在警用機(jī)器人中的應(yīng)用[J]. 何昌見,周育青.  中國(guó)安防. 2018(11)

碩士論文
[1]基于FPGA的目標(biāo)檢測(cè)算法加速與實(shí)現(xiàn)[D]. 吳晉.北京交通大學(xué) 2018
[2]基于機(jī)器視覺的輪胎缺陷檢測(cè)方法研究[D]. 賈夢(mèng)思.沈陽(yáng)工業(yè)大學(xué) 2018
[3]基于深度學(xué)習(xí)的印刷體文檔中數(shù)學(xué)公式的檢測(cè)[D]. 魏琦.西安郵電大學(xué) 2018
[4]基于機(jī)器視覺的鐵芯表面缺陷檢測(cè)系統(tǒng)研究[D]. 胡秀珍.山東大學(xué) 2018
[5]基于深度學(xué)習(xí)的道路場(chǎng)景識(shí)別算法研究[D]. 許軍.北方工業(yè)大學(xué) 2018
[6]基于移動(dòng)端的植株三維點(diǎn)云獲取系統(tǒng)的實(shí)現(xiàn)[D]. 王蕾.西北農(nóng)林科技大學(xué) 2017
[7]月面探測(cè)中視覺定位技術(shù)研究[D]. 李晶.重慶大學(xué) 2015
[8]基于機(jī)器視覺的塑料螺絲連接件表面質(zhì)量在線檢測(cè)系統(tǒng)的設(shè)計(jì)[D]. 朱少誠(chéng).中國(guó)計(jì)量學(xué)院 2014
[9]基于CCD圖像處理技術(shù)的工件內(nèi)表面缺陷檢測(cè)算法研究[D]. 時(shí)慶峰.長(zhǎng)春理工大學(xué) 2013
[10]基于雙光柵的平行度檢測(cè)[D]. 吳瓊.浙江大學(xué) 2012



本文編號(hào)：2964441