發(fā)布時間：2023-01-09 11:31

　　在紐扣的生產(chǎn)過程中,由于存在機械故障、模具損壞等不可控因素,紐扣極易產(chǎn)生各種各樣的瑕疵。目前紐扣的瑕疵檢測方法通常是人工目測,該方法效率低下且準確率有限。針對這一問題,本文基于機器視覺的相關理論知識,并考慮不同類型紐扣的瑕疵特點,提出了基于機器視覺的針對塑料紐扣和金屬紐扣的瑕疵檢測方法。本文搭建了紐扣瑕疵檢測的硬件平臺并主要研究了三部分內(nèi)容:一、紐扣圖像感興趣區(qū)域的分割;二、塑料紐扣的瑕疵檢測方法;三、金屬紐扣的瑕疵檢測方法。論文的主要創(chuàng)新點如下:1、提出了基于形態(tài)學處理和Graham算法的紐扣圖像感興趣區(qū)域分割算法。該算法將采集到的紐扣圖像進行濾波處理,根據(jù)塑料紐扣和金屬紐扣的不同特點,利用形態(tài)學處理得到圖像中紐扣所在的區(qū)域,并提取紐扣的邊緣。最后利用Graham算法得到紐扣最小外接矩陣的坐標,將該坐標值映射到原圖所在的位置,分割出紐扣圖像的感興趣區(qū)域。該算法為紐扣瑕疵檢測奠定了基礎,去除了無關的干擾信息,提高了瑕疵檢測的效率。2、提出了基于動態(tài)閾值和自適應高斯聚類的塑料紐扣瑕疵檢測算法。該算法按照瑕疵類別的不同分為兩個模塊:一、針對紐扣形狀瑕疵的特點,本文利用動態(tài)閾值分割和連通區(qū)域... 

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及本文研究思路
        1.2.1 紐扣瑕疵檢測的研究現(xiàn)狀
        1.2.2 本文紐扣瑕疵檢測的研究思路
    1.3 本文主要研究工作
2 瑕疵檢測方法及ELM和 SRC的原理介紹
    2.1 引言
    2.2 瑕疵檢測的基本原理和方法
        2.2.1 瑕疵檢測算法
        2.2.2 瑕疵識別算法
    2.3 極限學習機的原理和方法
    2.4 稀疏表示分類的原理和方法
    2.5 本章小結(jié)
3 瑕疵檢測的硬件系統(tǒng)和紐扣像素坐標的定位
    3.1 引言
    3.2 圖像采集裝置的設計
        3.2.1 工業(yè)相機的選取
        3.2.2 相機鏡頭的選取
        3.2.3 光源的設計
    3.3 基于形態(tài)學處理和Graham算法的紐扣感興趣區(qū)域分割
        3.3.1 紐扣圖像濾波
        3.3.2 形態(tài)學處理
        3.3.3 Graham算法分割紐扣感興趣區(qū)域
    3.4 實驗
        3.4.1 運行環(huán)境及實驗步驟
        3.4.2 實驗結(jié)果及分析
    3.5 本章小結(jié)
4 基于動態(tài)閾值和自適應高斯聚類的塑料紐扣瑕疵檢測
    4.1 引言
    4.2 塑料紐扣形狀瑕疵的檢測算法
        4.2.1 塑料紐扣閾值分割和單連通區(qū)域計數(shù)
        4.2.2 Canny算子提取塑料紐扣外部和內(nèi)孔輪廓
        4.2.3 塑料紐扣外部和內(nèi)孔輪廓的圓形度分析
    4.3 塑料紐扣表面瑕疵的檢測算法
        4.3.1 塑料紐扣表面瑕疵建模
        4.3.2 高斯混合模型聚類算法
        4.3.3 紐扣顏色空間的自適應聚類
    4.4 實驗
        4.4.1 運行環(huán)境及實驗步驟
        4.4.2 評價指標
        4.4.3 實驗結(jié)果及分析
    4.5 本章小結(jié)
5 基于極限學習機級聯(lián)稀疏表示分類的金屬紐扣瑕疵檢測
    5.1 引言
    5.2 金屬紐扣圖像的預處理
        5.2.1 紐扣圖像的去反光處理
        5.2.2 紐扣圖像的增強
        5.2.3 紐扣圖像的降維處理
    5.3 ELM-SRC模型介紹
        5.3.1 ELM分類器檢測紐扣瑕疵
        5.3.2 稀疏表示分類器檢測紐扣瑕疵
        5.3.3 ELM-SRC分類器檢測紐扣瑕疵
    5.4 實驗
        5.4.1 運行環(huán)境及實驗數(shù)據(jù)
        5.4.2 實驗步驟及評價指標
        5.4.3 實驗結(jié)果與分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 全文展望
參考文獻
致謝
攻讀碩士期間研究成果


【參考文獻】：
期刊論文
[1]基于Canny算子和SVM的瓶蓋缺陷檢測系統(tǒng)研究[J]. 文欣雨,廉小親,郝寶智,吳葉蘭,王曉剛.  測控技術. 2018(08)
[2]基于機器視覺的紐扣缺陷檢測算法研究[J]. 李帥,趙瑾,景軍鋒.  科技創(chuàng)新與應用. 2018(08)
[3]機器視覺表面缺陷檢測綜述[J]. 湯勃,孔建益,伍世虔.  中國圖象圖形學報. 2017(12)
[4]基于內(nèi)容的圖像分割方法綜述[J]. 姜楓,顧慶,郝慧珍,李娜,郭延文,陳道蓄.  軟件學報. 2017(01)
[5]一種快速提取植物葉片最小外接矩形的算法[J]. 李洋,李岳陽.  江南大學學報(自然科學版). 2015(03)
[6]基于壓縮感知的紅外與可見光圖像融合[J]. 周渝人,耿愛輝,張強,陳娟,董宇星.  光學精密工程. 2015(03)
[7]基于連通區(qū)域和統(tǒng)計特征的圖像文本定位[J]. 劉亞亞,于鳳芹,陳瑩.  計算機工程與應用. 2016(05)
[8]一種解算空間幾何對象的最小外接矩形算法[J]. 郭慶勝,馮代鵬,劉遠剛,陳勇.  武漢大學學報(信息科學版). 2014(02)
[9]紐扣電池表面缺陷檢測算法的研究[J]. 肖闊華,劉羽.  表面技術. 2013(01)
[10]CCD圖像傳感器的現(xiàn)狀及未來發(fā)展[J]. 胡琳.  電子科技. 2010(06)

碩士論文
[1]鈕扣字符缺陷在線檢測算法研究[D]. 周同.華中科技大學 2016
[2]車輛皮革瑕疵智能檢測方法研究[D]. 嚴飛華.重慶理工大學 2016
[3]基于機器視覺的紐扣內(nèi)孔及色差缺陷在線檢測技術研究[D]. 陳浩.華中科技大學 2015
[4]布匹瑕疵檢測技術的研究與開發(fā)[D]. 王明景.江南大學 2014
[5]基于小波和統(tǒng)計學習理論的布匹瑕疵檢測與分類技術研究[D]. 王新民.西安電子科技大學 2012



本文編號：3729109