發(fā)布時(shí)間：2018-01-12 06:33

  本文關(guān)鍵詞：基于機(jī)器視覺的汽車油泵支撐桿尺寸實(shí)時(shí)檢測系統(tǒng)　出處：《浙江大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 機(jī)器視覺 汽車油泵支撐桿 實(shí)時(shí)檢測 圖像清晰度評(píng)價(jià) 尺寸測量

【摘要】：汽車零部件質(zhì)量對(duì)汽車整體性能有著重要影響。汽車零部件在生產(chǎn)加工完成后,需要對(duì)其質(zhì)量進(jìn)行檢測。傳統(tǒng)對(duì)零部件質(zhì)量的檢測主要是通過人工或者輔助某種機(jī)器完成的。受限于人本身狀況的限制,檢測精度不高,同時(shí)無法實(shí)現(xiàn)大規(guī)模的自動(dòng)化生產(chǎn)。伴隨著這種需求,機(jī)器視覺技術(shù)被引入到汽車零部件檢測中。機(jī)器視覺檢測技術(shù)通過工業(yè)相機(jī)采集目標(biāo)物件的圖像,用圖像處理軟件對(duì)其處理得到檢測結(jié)果,并由控制器采取相應(yīng)的執(zhí)行操作。該技術(shù)具有非接觸、實(shí)時(shí)、精度高、便于自動(dòng)化管理的特點(diǎn)。針對(duì)汽車油泵支撐桿這一汽車零部件的檢測,我們提出了用機(jī)器視覺技術(shù)來代替原來傳統(tǒng)的人工檢測。本文從系統(tǒng)的軟硬件架構(gòu)設(shè)計(jì)、圖像清晰度評(píng)價(jià)、基于亞像素的支撐桿幾何尺寸測量、以及分揀控制設(shè)備等方面進(jìn)行研究,完成了完整的支撐桿的實(shí)時(shí)檢測系統(tǒng)。系統(tǒng)結(jié)構(gòu)采用特殊的光源單元模塊和圖像采集模塊,組成機(jī)器視覺系統(tǒng)。同時(shí),提出了無參考圖像清晰度評(píng)價(jià)算法NRFSIM(No-Reference Feature Similarity)。由于實(shí)時(shí)檢測系統(tǒng)的機(jī)械震動(dòng)以及支撐桿的相對(duì)運(yùn)動(dòng)導(dǎo)致了成像的模糊,嚴(yán)重影響了后續(xù)測量。依據(jù)二次模糊圖像清晰度檢測原理,本文將有參考的圖像質(zhì)量評(píng)價(jià)算法 FSIM(Feature Similarity Index for Image Quality Assessment)應(yīng)用到無參考圖像清晰度評(píng)價(jià)算法,提出了 NRFSIM算法。該算法在多場景圖像和該系統(tǒng)支撐桿圖像清晰度判斷上的算法性能遠(yuǎn)優(yōu)于基于圖像梯度的清晰度評(píng)價(jià)算法。提出了基于亞像素的支撐桿尺寸測量算法。采用基于擬合法的亞像素邊緣檢測算法進(jìn)行圖像邊緣檢測,在支撐桿尺寸的測量中研究了以直線平移測距算法和以點(diǎn)測距算法,通過實(shí)驗(yàn)驗(yàn)證表明以點(diǎn)測距算法在該檢測系統(tǒng)使用中精度更高。進(jìn)一步研究了在該系統(tǒng)下的相機(jī)標(biāo)定方法,并開發(fā)了支撐桿尺寸實(shí)時(shí)檢測系統(tǒng),已投入到實(shí)時(shí)生產(chǎn)質(zhì)量檢測中,實(shí)驗(yàn)驗(yàn)證該系統(tǒng)具有足夠的重復(fù)精度和檢測精度。本文提出的算法以及設(shè)計(jì)的系統(tǒng)方案,不僅僅用于當(dāng)前的實(shí)時(shí)檢測系統(tǒng),也可以推廣到其他領(lǐng)域中使用。
[Abstract]:The quality of automobile parts has an important influence on the whole performance of automobile . The quality of automobile parts needs to be tested after the production process is finished . The traditional inspection of parts quality is carried out by means of manual or auxiliary machinery . The technology has the characteristics of non - contact , real - time , high precision and convenient automation . Based on the principle of image sharpness detection of secondary fuzzy image , the algorithm of image quality assessment ( FSIM ) with reference image quality evaluation is applied to non - reference image sharpness evaluation algorithm .

【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：U466;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊迪威;余紹權(quán);;利用相位一致性的圖像質(zhì)量評(píng)價(jià)方法[J];計(jì)算機(jī)工程與應(yīng)用;2015年02期

2 洪裕珍;任國強(qiáng);孫健;;離焦模糊圖像清晰度評(píng)價(jià)函數(shù)的分析與改進(jìn)[J];光學(xué)精密工程;2014年12期

3 咸兆勇;甘金明;玉振明;李陶深;;一種基于相關(guān)性和局部標(biāo)準(zhǔn)差的圖像失焦模糊區(qū)域檢測方法[J];計(jì)算機(jī)應(yīng)用與軟件;2014年09期

4 李鴻林;張琦;楊大偉;;無參考模糊圖像質(zhì)量評(píng)價(jià)改進(jìn)算法[J];計(jì)算機(jī)應(yīng)用;2014年03期

5 桑慶兵;齊會(huì)新;吳小俊;李朝鋒;;基于DCT系數(shù)無參考模糊圖像質(zhì)量評(píng)價(jià)方法[J];儀器儀表學(xué)報(bào);2013年11期

6 南棟;畢篤彥;查宇飛;張澤;李權(quán)合;;基于參數(shù)估計(jì)的無參考型圖像質(zhì)量評(píng)價(jià)算法[J];電子與信息學(xué)報(bào);2013年09期

7 張紅霞;;國內(nèi)外工業(yè)機(jī)器人發(fā)展現(xiàn)狀與趨勢研究[J];電子世界;2013年12期

8 樂翔;程建;李民;;一種改進(jìn)的基于Radon變換的運(yùn)動(dòng)模糊圖像參數(shù)估計(jì)方法[J];紅外與激光工程;2011年05期

9 申勤;;數(shù)字圖像清晰度評(píng)價(jià)函數(shù)的研究與改進(jìn)[J];微型機(jī)與應(yīng)用;2011年01期

10 尚雅層;陳靜;田軍委;;高斯擬合亞像素邊緣檢測算法[J];計(jì)算機(jī)應(yīng)用;2011年01期

相關(guān)博士學(xué)位論文 前5條

1 張濤;無參考圖像模糊度評(píng)價(jià)方法研究[D];大連海事大學(xué);2015年

2 王偉;基于單幅圖像的模糊去除及質(zhì)量評(píng)價(jià)研究[D];中國科學(xué)技術(shù)大學(xué);2014年

3 吳金建;基于人類視覺系統(tǒng)的圖像信息感知和圖像質(zhì)量評(píng)價(jià)[D];西安電子科技大學(xué);2014年

4 周文舉;基于機(jī)器視覺的在線高速檢測與精確控制研究及應(yīng)用[D];上海大學(xué);2014年

5 張樺;基于視覺感知的圖像質(zhì)量評(píng)價(jià)方法研究[D];浙江大學(xué);2009年

相關(guān)碩士學(xué)位論文 前6條

1 陳建可;基于機(jī)器視覺的實(shí)時(shí)輪轂智能識(shí)別系統(tǒng)的研究[D];太原科技大學(xué);2014年

2 于夢竹;基于亞像素邊緣檢測的圖像放大算法研究與實(shí)現(xiàn)[D];哈爾濱工程大學(xué);2013年

3 歐陽志熙;基于視覺測量的工件尺寸快速檢測技術(shù)[D];重慶大學(xué);2012年

4 厲曉飛;基于機(jī)器視覺的汽車零件缺陷檢測技術(shù)研究[D];武漢理工大學(xué);2012年

5 盧逢婷;基于HVS的圖像質(zhì)量評(píng)價(jià)研究[D];南京理工大學(xué);2012年

6 賈平;基于多任務(wù)學(xué)習(xí)的圖像超分辨率重建方法研究[D];湖南大學(xué);2009年

，

本文編號(hào)：1413126