發(fā)布時(shí)間：2024-06-01 11:07

　　傳統(tǒng)機(jī)械制造過程中,加工零件的質(zhì)量檢測(cè)通常采用人工檢測(cè),不僅影響檢測(cè)速度和生產(chǎn)效率,且可能因采用抽檢和檢測(cè)者主觀因素干擾而影響檢測(cè)結(jié)果的準(zhǔn)確性。隨著自動(dòng)化智能化技術(shù)的發(fā)展,能克服傳統(tǒng)人工檢測(cè)之不足、并能實(shí)現(xiàn)快速準(zhǔn)確檢測(cè)的機(jī)器視覺檢測(cè)技術(shù)逐漸應(yīng)用于工業(yè)生產(chǎn)�；跈C(jī)器視覺的檢測(cè)技術(shù)是從獲得包含零件尺寸信息的圖像出發(fā),利用計(jì)算機(jī)卓越的計(jì)算能力對(duì)表面及輪廓圖像數(shù)據(jù)做出相應(yīng)的處理與分析,獲得零件的加工尺寸和表面質(zhì)量結(jié)果。其突出優(yōu)點(diǎn)是測(cè)量速度快、非接觸式測(cè)量、自動(dòng)化程度較高。本文在深入分析了機(jī)器視覺檢測(cè)技術(shù)的基礎(chǔ)上,研究設(shè)計(jì)了一種基于機(jī)器視覺的軸承零件和同步帶輪零件的檢測(cè)算法,并對(duì)其進(jìn)行了實(shí)驗(yàn)分析驗(yàn)證,結(jié)果表明,該算法可滿足檢測(cè)常規(guī)軸承和同步帶輪制造的精度要求。本文的主要工作有:(1)搭建檢測(cè)系統(tǒng)硬件平臺(tái)。在詳細(xì)分析了機(jī)器視覺檢測(cè)系統(tǒng)硬件各組成部分的基礎(chǔ)上,對(duì)包括工業(yè)相機(jī)、工業(yè)鏡頭、照明系統(tǒng)、計(jì)算機(jī)在內(nèi)的各部分進(jìn)行了合理的選型,搭建了一種基于機(jī)器視覺的檢測(cè)裝置,為保證后續(xù)實(shí)驗(yàn)測(cè)量精度提供了硬件平臺(tái)。(2)軟件系統(tǒng)平臺(tái)設(shè)計(jì)。以Python語言結(jié)合OpenCV開源視覺庫(kù)為主要平臺(tái),采用Qt對(duì)圖像處理算...

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 機(jī)器視覺檢測(cè)技術(shù)及國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 機(jī)器視覺技術(shù)
        1.2.2 零件表面缺陷檢測(cè)技術(shù)
        1.2.3 零件形位公差檢測(cè)技術(shù)
        1.2.4 尺寸檢測(cè)技術(shù)
    1.3 機(jī)器視覺檢測(cè)關(guān)鍵技術(shù)
        1.3.1 圖像獲取技術(shù)
        1.3.2 圖像預(yù)處理技術(shù)
        1.3.3 圖像分析技術(shù)
    1.4 論文的主要研究?jī)?nèi)容及論文結(jié)構(gòu)
    1.5 本文的特色及創(chuàng)新點(diǎn)
2 機(jī)器視覺檢測(cè)系統(tǒng)的分析與設(shè)計(jì)
    2.1 引言
    2.2 機(jī)器視覺系統(tǒng)硬件選擇
        2.2.1 工業(yè)相機(jī)的選擇
        2.2.2 鏡頭的選擇
        2.2.3 光源及其照明方式
        2.2.4 計(jì)算機(jī)配置
    2.3 機(jī)器視覺系統(tǒng)軟件環(huán)境
    2.4 檢測(cè)系統(tǒng)整體方案設(shè)計(jì)
    2.5 本章小結(jié)
3 零件圖像的預(yù)處理
    3.1 引言
    3.2 灰度空間變換
    3.3 圖像增強(qiáng)處理
        3.3.1 直方圖
        3.3.2 直方圖均衡化
    3.4 濾波方式
        3.4.1 均值濾波
        3.4.2 中值濾波
        3.4.3 濾波方式選擇
    3.5 二值化
        3.5.1 固定閾值分割
        3.5.2 可變閾值分割
        3.5.3 不同閾值分割方式對(duì)比
    3.6 邊緣檢測(cè)
        3.6.1 Roberts算子
        3.6.2 Prewitt算子
        3.6.3 Sobel算子
        3.6.4 LoG算子
        3.6.5 Canny算子
        3.6.6 不同邊緣算子處理效果對(duì)比
        3.6.7 邊緣檢測(cè)部分程序
    3.7 亞像素邊緣定位
        3.7.1 常用亞像素邊緣定位算法
        3.7.2 不同亞像素定位方法總結(jié)與比較
    3.8 本章小結(jié)
4 檢測(cè)系統(tǒng)的標(biāo)定與誤差分析
    4.1 檢測(cè)系統(tǒng)的標(biāo)定
        4.1.1 像素當(dāng)量標(biāo)定
        4.1.2 標(biāo)定步驟
        4.1.3 算法實(shí)現(xiàn)
        4.1.4 結(jié)果分析
        4.1.5 角點(diǎn)檢測(cè)部分程序
    4.2 圖像檢測(cè)系統(tǒng)的誤差分析
    4.3 本章小結(jié)
5 零件的檢測(cè)及實(shí)驗(yàn)結(jié)果分析
    5.1 軸承零件檢測(cè)
        5.1.1 軸承待檢測(cè)特征分析
        5.1.2 檢測(cè)流程
        5.1.3 檢測(cè)過程分析
        5.1.4 檢測(cè)結(jié)果及分析
    5.2 同步帶輪零件檢測(cè)
        5.2.1 待檢測(cè)尺寸分析
        5.2.2 算法流程分析
        5.2.3 檢測(cè)結(jié)果及分析
    5.3 部分檢測(cè)程序
    5.4 本章小結(jié)
6 零件測(cè)量軟件系統(tǒng)實(shí)現(xiàn)
    6.1 軟件系統(tǒng)平臺(tái)搭建
    6.2 軟件系統(tǒng)實(shí)現(xiàn)過程
    6.3 基于測(cè)量系統(tǒng)的公差級(jí)零件分類方法
    6.4 零件尺寸精度數(shù)據(jù)庫(kù)設(shè)計(jì)
    6.5 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介、攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文和研究成果



本文編號(hào)：3985799