近年來我國的汽車需求不斷增長,對(duì)于汽車發(fā)動(dòng)機(jī)生產(chǎn)制造過程的自動(dòng)化要求越來越高,自動(dòng)化裝備和自動(dòng)檢測(cè)系統(tǒng)的應(yīng)用,大幅提高了產(chǎn)線上的自動(dòng)化水平和產(chǎn)品質(zhì)量。但目前,發(fā)動(dòng)機(jī)生產(chǎn)商在某些工件上料環(huán)節(jié)仍采用人工搬運(yùn)方式,存在著勞動(dòng)強(qiáng)度大,生產(chǎn)效率低等弊病。在成品質(zhì)量檢驗(yàn)環(huán)節(jié),采用人工目視檢查發(fā)動(dòng)機(jī)缸體的表面缺陷,工人容易視覺疲勞,造成錯(cuò)判率、漏判率高居高不下問題,嚴(yán)重影響了產(chǎn)線的效率和產(chǎn)品質(zhì)量。本文采用基于機(jī)器視覺的形狀識(shí)別技術(shù)對(duì)待上料工件進(jìn)行自動(dòng)識(shí)別與定位,配合吸盤機(jī)械臂實(shí)現(xiàn)自動(dòng)上料。同時(shí),采用機(jī)器視覺技術(shù)和深度學(xué)習(xí)技術(shù)相結(jié)合的方法,對(duì)發(fā)動(dòng)機(jī)缸體被加工表面進(jìn)行瑕疵檢測(cè),以提高次品檢出率、保證產(chǎn)品質(zhì)量。論文主要研究內(nèi)容如下:1、以LED為照明系統(tǒng)和單目末端開環(huán)視覺系統(tǒng)為基礎(chǔ)硬件系統(tǒng),對(duì)圖像預(yù)處理、邊緣檢測(cè)、形態(tài)學(xué)處理等圖像處理算法進(jìn)行了對(duì)比實(shí)驗(yàn),并對(duì)深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了研究,為后續(xù)的目標(biāo)識(shí)別與定位和瑕疵檢測(cè)奠定了基礎(chǔ)。2、針對(duì)工件的識(shí)別與定位問題,首先對(duì)待上料工件圖像進(jìn)行預(yù)處理,然后對(duì)圖像進(jìn)行邊緣檢測(cè)和形態(tài)學(xué)處理,采用霍夫檢測(cè)識(shí)別形狀,再進(jìn)行目標(biāo)的定位和姿態(tài)求解獲取平面坐標(biāo)信息,并通過紅外...

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外機(jī)器視覺識(shí)別與瑕疵檢測(cè)研究與發(fā)展
        1.2.1 機(jī)器視覺
        1.2.2 國內(nèi)外機(jī)器視覺識(shí)別發(fā)展概況
        1.2.3 國內(nèi)外機(jī)器視覺瑕疵檢測(cè)發(fā)展概況
    1.3 本文研究內(nèi)容及組織結(jié)構(gòu)
        1.3.1 研究內(nèi)容
        1.3.2 結(jié)構(gòu)安排
2 機(jī)器視覺系統(tǒng)的技術(shù)基礎(chǔ)
    2.1 硬件結(jié)構(gòu)
        2.1.1 視覺系統(tǒng)分類
        2.1.2 光源類型
        2.1.3 圖像采集卡
    2.2 瑕疵檢測(cè)系統(tǒng)
        2.2.1 缺陷檢測(cè)系統(tǒng)框圖
        2.2.2 表面缺陷檢測(cè)流程
    2.3 深度學(xué)習(xí)算法
        2.3.1 深度學(xué)習(xí)基本理論
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.3 Tensor Flow深度學(xué)習(xí)框架
    2.4 MFC微軟基礎(chǔ)類庫
        2.4.1 應(yīng)用程序框架
    2.5 本章小結(jié)
3 基于機(jī)器視覺的工件識(shí)別與定位
    3.1 目標(biāo)工件識(shí)別過程分析
    3.2 圖像預(yù)處理
        3.2.1 圖像灰度化
        3.2.2 平滑處理
        3.2.3 圖像二值化
    3.3 邊緣檢測(cè)及形態(tài)學(xué)處理
        3.3.1 邊緣檢測(cè)
        3.3.2 形態(tài)學(xué)處理
    3.4 形狀識(shí)別
        3.4.1 Hough變換檢測(cè)圓
        3.4.2 最小二乘法橢圓擬合
    3.5 工件定位
        3.5.1 二維定位
        3.5.2 高度定位
        3.5.3 傾斜角
    3.6 碼垛策略
        3.6.1 層次吸取
        3.6.2 垂直吸取
    3.7 本章小結(jié)
4 基于機(jī)器視覺的瑕疵檢測(cè)研究
    4.1 缺陷類別
    4.2 機(jī)器視覺瑕疵檢測(cè)算法
        4.2.1 圖像降噪
        4.2.2 圖像邊界檢測(cè)算法
        4.2.3 圖像感興趣區(qū)域搜索
        4.2.4 圖像分割算法
        4.2.5 圖像標(biāo)識(shí)
    4.3 深度學(xué)習(xí)算法訓(xùn)練過程
        4.3.1 深度學(xué)習(xí)的訓(xùn)練過程
        4.3.2 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程
        4.3.3 多層神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合
    4.4 本章小結(jié)
5 系統(tǒng)功能實(shí)現(xiàn)與驗(yàn)證
    5.1 工件識(shí)別與定位和瑕疵檢測(cè)程序設(shè)計(jì)與實(shí)現(xiàn)
        5.1.1 系統(tǒng)整體功能架構(gòu)
        5.1.2 系統(tǒng)流程設(shè)計(jì)
        5.1.3 應(yīng)用程序簡介
        5.1.4 實(shí)驗(yàn)結(jié)果
    5.2 本章小結(jié)
6 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3816505