目前工業(yè)制造中,大多數(shù)產(chǎn)品尤其是電子產(chǎn)品的外觀質(zhì)量是人工檢驗(yàn),已經(jīng)不能滿足智能化、集成化的工業(yè)生產(chǎn)線的發(fā)展要求。二十一世紀(jì),“人工智能”在語言識(shí)別、圖像識(shí)別、機(jī)器視覺等領(lǐng)域的理論和技術(shù)已相對(duì)成熟,其中機(jī)器視覺與自動(dòng)化產(chǎn)品質(zhì)量檢測(cè)相結(jié)合的集成系統(tǒng)也在逐步發(fā)展。本文選取的研究對(duì)象是使用量較大的手機(jī)電池,設(shè)計(jì)基于機(jī)器視覺的算法對(duì)手機(jī)電池的表面缺陷進(jìn)行無損檢測(cè)。首先,本文對(duì)課題研究背景及意義進(jìn)行了說明,詳細(xì)闡述了機(jī)器視覺技術(shù)以及基于機(jī)器視覺的缺陷檢測(cè)技術(shù)與系統(tǒng)的國內(nèi)外發(fā)展,說明整體表面缺陷檢測(cè)整體方案的內(nèi)容以及軟件測(cè)試工具。其次,針對(duì)圖片的分辨率大和傾斜的特點(diǎn),設(shè)計(jì)傾斜矯正和感興趣區(qū)域（ROI）提取操作,以得到相對(duì)水平位置的圖片和區(qū)分開電池區(qū)域和背景。針對(duì)手機(jī)電池正面的字符,采用基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的監(jiān)督學(xué)習(xí)型電池字符的識(shí)別方法。提出模板匹配法和最小外接矩形查找法,確定了ROI的每一個(gè)字符位置,制作訓(xùn)練樣本,使用ANN提取字符的特征訓(xùn)練并預(yù)測(cè)字符。然后對(duì)最小外接矩形的像素進(jìn)行修改,目的是保證電池正反面保持相同的紋理。本文將字符處理后的ROI劃分成兩部分,并提出自適應(yīng)閾值亮度法對(duì)字符操作后... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

機(jī)器人與智能視覺系統(tǒng)

燕山大學(xué)工學(xué)碩士學(xué)位論文光譜成像相結(jié)合，分析化學(xué)材料成分，減輕專業(yè)人員的工作量或者人技術(shù)提供非接觸式精密溫度測(cè)量和無損檢測(cè)，熱成像相機(jī)可用于國防工業(yè)場(chǎng)合如汽車或電子工業(yè)的零部件生產(chǎn)，熱成像與機(jī)器視覺相結(jié)合或標(biāo)準(zhǔn)相機(jī)系統(tǒng)無法看到的問題，如圖 1-2 所示。與工業(yè) 4.0 相呼應(yīng)，在工業(yè)制造業(yè)蓬勃發(fā)展，更適用于所有行業(yè)，如食品，制藥和醫(yī)療器械監(jiān)管等也逐步發(fā)展，達(dá)到高效率資源利用率和生產(chǎn)率。

第 1 章 緒 論學(xué)習(xí)的圖像分析軟件，將人工智能與 VisionPro 和 Cognex Designer 軟件結(jié)合在一起，該套件包含以下 4 種不同的工具：特征定位和識(shí)別，分割和缺陷檢測(cè)，物體和場(chǎng)景分類和讀取文本和字符[25]，如圖 1-3 所示。a) 特征定位與識(shí)別 b) 分割和缺陷檢測(cè)


本文編號(hào)：2968290