在汽車制造領(lǐng)域,車燈制作過程中常用的聚碳酸酯（Polycarbonate,PC）材料由于其耐溫和硬度性能不佳,PC材質(zhì)的車燈常常會受到剮蹭、變黃的問題影響而導(dǎo)致照明效果減弱,從而影響駕駛?cè)说娜松戆踩�。于是在車燈出廠前,往往會在車燈表面噴涂一層硬化油漆,來提高照明性能。而針對車燈工件批量少、種類繁多的特點(diǎn),傳統(tǒng)噴涂方法已經(jīng)滿足不了生產(chǎn)者對噴涂效率的追求。為了解決這個(gè)生產(chǎn)問題,本課題在國家自然科學(xué)基金項(xiàng)目（61503162,51505193）和江蘇省自然科學(xué)基金項(xiàng)目（BK20150473）的支持下,以與江蘇泰姆仕機(jī)器人科技有限公司的合作項(xiàng)目“車燈自動(dòng)化噴涂”為平臺,設(shè)計(jì)了一套基于機(jī)器視覺的車燈分類自動(dòng)噴涂系統(tǒng)。本文工作主要如下:1.針對車燈工件的特點(diǎn),設(shè)計(jì)了基于機(jī)器視覺的車燈分類自動(dòng)噴涂系統(tǒng)的總體方案,將整個(gè)自動(dòng)噴涂系統(tǒng)分為三個(gè)模塊:傳送帶系統(tǒng)、視覺系統(tǒng)和噴涂系統(tǒng)。完成了對各個(gè)模塊包括相機(jī)、光源、工業(yè)機(jī)器人和噴槍等部分的選型,以及噴涂流程的設(shè)計(jì)。2.針對視覺系統(tǒng)的車燈識別方法進(jìn)行了研究。首先對車燈數(shù)據(jù)集的圖像預(yù)處理方法進(jìn)行了研究。針對噴涂環(huán)境下的噪聲影響,研究了車燈圖像的降噪方法。針對采集... 

【文章來源】：江蘇科技大學(xué)江蘇省

【文章頁數(shù)】：95 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 噴涂機(jī)器人國內(nèi)外研究現(xiàn)狀
        1.2.2 自動(dòng)噴涂系統(tǒng)的國內(nèi)外研究現(xiàn)狀
        1.2.3 機(jī)器視覺研究現(xiàn)狀
    1.3 本文主要內(nèi)容
第2章 車燈分類自動(dòng)噴涂系統(tǒng)總體設(shè)計(jì)方案
    2.1 引言
    2.2 總體設(shè)計(jì)方案
    2.3 硬件部分
        2.3.1 傳送帶系統(tǒng)設(shè)計(jì)
        2.3.2 工業(yè)相機(jī)的選擇
        2.3.3 光學(xué)鏡頭的選擇
        2.3.4 光源選擇
        2.3.5 工業(yè)機(jī)器人的選擇
        2.3.6 計(jì)算機(jī)的選擇
        2.3.7 噴槍的選擇
    2.4 本章小結(jié)
第3章 車燈圖像預(yù)處理和相機(jī)標(biāo)定
    3.1 引言
    3.2 車燈圖像預(yù)處理
    3.3 圖像降噪
        3.3.1 均值濾波
        3.3.2 中值濾波
        3.3.3 均值濾波和中值濾波對比
    3.4 車燈數(shù)據(jù)增強(qiáng)
        3.4.1 尺度變換操作
        3.4.2 對比度亮度變換
    3.5 車燈數(shù)據(jù)集的標(biāo)定
    3.6 自動(dòng)噴涂系統(tǒng)的相機(jī)標(biāo)定
        3.6.1 相機(jī)標(biāo)定原理
        3.6.2相機(jī)標(biāo)定實(shí)驗(yàn)
    3.7 本章小結(jié)
第4章 基于深度學(xué)習(xí)的車燈識別與定位
    4.1 引言
    4.2 卷積神經(jīng)網(wǎng)絡(luò)
        4.2.1 卷積層
        4.2.2 池化層
        4.2.3 全連接層
        4.2.4 激勵(lì)函數(shù)
        4.2.5 神經(jīng)網(wǎng)絡(luò)權(quán)值更新
    4.3 改進(jìn)的Faster R-CNN網(wǎng)絡(luò)設(shè)計(jì)與搭建
        4.3.1 R-CNN網(wǎng)絡(luò)模型
        4.3.2 Fast R-CNN模型
        4.3.3 Faster R-CNN模型
        4.3.4 改進(jìn)的用于車燈識別定位的Faster R-CNN模型
        4.3.5 車燈圖像的定位
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 框架介紹
        4.4.2 實(shí)驗(yàn)結(jié)果
    4.5 本章小結(jié)
第5章 車燈自動(dòng)噴涂系統(tǒng)軌跡優(yōu)化
    5.1 引言
    5.2 數(shù)學(xué)建模
        5.2.1 噴槍位姿數(shù)學(xué)模型
        5.2.2 涂層增長速率模型
    5.3 車燈工件曲面分片
        5.3.1 傳統(tǒng)曲面分片算法
        5.3.2 基于車燈噴涂的曲面分片方法
        5.3.3 每片上的路徑規(guī)劃
    5.4 所有軌跡的優(yōu)化組合
        5.4.1 基本粒子群算法
        5.4.2 基于邊緣重組算子的粒子群算法
        5.4.3 仿真實(shí)驗(yàn)
    5.5 本章小結(jié)
第6章 車燈自動(dòng)噴涂系統(tǒng)實(shí)驗(yàn)和仿真
    6.1 引言
    6.2 自動(dòng)噴涂系統(tǒng)工作流程
    6.3 人機(jī)交互軟件設(shè)計(jì)
    6.4 自動(dòng)噴涂系統(tǒng)的仿真
        6.4.1 Robot Studio軟件介紹
        6.4.2 仿真實(shí)驗(yàn)
    6.5 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號：2981588