近年來(lái),機(jī)器視覺(jué)技術(shù)發(fā)展迅速,在自動(dòng)化工業(yè)生產(chǎn)中發(fā)揮了極其重要的作用。機(jī)器視覺(jué)識(shí)別技術(shù)是通過(guò)對(duì)圖像進(jìn)行數(shù)字化處理,得到可以用于識(shí)別的圖像,經(jīng)過(guò)不同的識(shí)別方法對(duì)圖像進(jìn)行識(shí)別,代替人工完成識(shí)別任務(wù)。針對(duì)差速器殼體的混線生產(chǎn)系統(tǒng)中的型號(hào)多樣化問(wèn)題,為此,本課題提出了基于機(jī)器視覺(jué)的差速器殼體識(shí)別技術(shù)研究,對(duì)不同型號(hào)的差速器殼體進(jìn)行識(shí)別。首先,根據(jù)具體要求設(shè)計(jì)了差速器殼體視覺(jué)識(shí)別系統(tǒng)的總體方案,對(duì)視覺(jué)系統(tǒng)的主要硬件進(jìn)行了設(shè)計(jì)和選型,完成了差速器殼體視覺(jué)識(shí)別硬件實(shí)驗(yàn)平臺(tái)的搭建。其次,研究了圖像處理技術(shù),針對(duì)差速器殼體的彩色圖像進(jìn)行了灰度化處理、對(duì)比度增強(qiáng)、圖像濾波、二值化和邊緣檢測(cè)處理等操作,分析了各種方法的基本原理和實(shí)際效果,確定了圖像濾波和邊緣檢測(cè)的具體實(shí)現(xiàn)方法。再次,分析了圖像特征,研究了 Hu不變矩和Zernike矩兩種圖像形狀特征提取算法,并對(duì)Zernike矩進(jìn)行了算法改進(jìn),減少了計(jì)算量,縮短了 CPU運(yùn)行時(shí)間,提高了 Zernike矩的特征提取速度。最后,研究了神經(jīng)網(wǎng)絡(luò),針對(duì)BP算法在實(shí)際應(yīng)用中出現(xiàn)的問(wèn)題,本文提出了一種組合優(yōu)化方法改進(jìn)BP算法。設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)并進(jìn)行訓(xùn)練和測(cè)試實(shí)... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１視覺(jué)識(shí)別系統(tǒng)整體流程??

第２章差速器殼體識(shí)別系統(tǒng)設(shè)計(jì)??ｓ＾ａｊＯＢｔｅｌ??圖?２－２?Ｐｒｏｓｉｌｉｃａ?－ＧＣ１２９０?相機(jī)??Ｐｒ〇Ｓｉｌｉｃａ－ＧＣ１２９０性能優(yōu)越，廣泛應(yīng)用于工業(yè)機(jī)器視覺(jué)領(lǐng)域，例如：工業(yè)檢??測(cè)、字符識(shí)別、半導(dǎo)體檢測(cè)、智能交通等等。??２．２．２圖像采集卡選型??圖像采集卡對(duì)圖像信息進(jìn)行模數(shù)Ａ／Ｄ轉(zhuǎn)換，把電信號(hào)轉(zhuǎn)換為離散的數(shù)字信??號(hào)。圖像采集卡應(yīng)能夠穩(wěn)定接受信息、存儲(chǔ)數(shù)據(jù)和高效傳輸數(shù)據(jù)，在選型時(shí)要考??慮以下幾點(diǎn)：??（１）信號(hào)濾波和放大、信號(hào)處理速度以及穩(wěn)定性；??（２）輸入輸出接口，要選擇與工業(yè)相機(jī)相匹配的通訊接口；??（３）信號(hào)接收和傳輸性能。??本實(shí)驗(yàn)平臺(tái)選用了維視ＭＶ－８１０型號(hào)圖像采集卡，如圖２－３所示。ＭＶ－８１０采??集的圖像通過(guò)ＰＣＩ總線傳輸，采用ＰＡＬ、ＮＴＳＣ制式采集標(biāo)準(zhǔn)，采集接口具有兩??路復(fù)合視頻信號(hào)，采集速率為２５幀／秒，支持Ｗｉｎｄｏｗｓ系統(tǒng)和多種驅(qū)動(dòng)，具備完??善的二次開(kāi)發(fā)功能。??＼??圖２－３ＭＶ－８１０圖像采集卡??９??

山東大學(xué)碩士學(xué)位論文??２．２．３光學(xué)鏡頭選型??光學(xué)鏡頭是機(jī)器視覺(jué)中的重要部件之一，它和工業(yè)相機(jī)組合搭配使用，利用??成像原理將物體反射的光學(xué)信息投射給相機(jī)拍照。光學(xué)鏡頭對(duì)圖像的質(zhì)量也有很??大的影響。在計(jì)算機(jī)處理圖像時(shí)，由于物體的細(xì)節(jié)在拍攝時(shí)沒(méi)有被很好的成像，??造成圖像信息缺失，所以選擇合適焦距的光學(xué)鏡頭。通常而言，鏡頭的最小工作??距離和焦距相關(guān)，兩者成正比例關(guān)系，它會(huì)隨著焦距的増大而增大。但是，隨著??焦距的增大，鏡頭的視角反而會(huì)逐漸減小，進(jìn)而使得成像越小，得到模糊的圖像。??任何鏡頭都無(wú)法避免畸變，畸變是鏡頭中存在的透視變形和失真現(xiàn)象，它與焦距??相關(guān)，兩者成反比例關(guān)系。在進(jìn)行光學(xué)鏡頭的選型時(shí)，除了考慮焦距外，還要綜??合分辨率、視角、工作距離和景深等因素的影響，同時(shí)也要注意接口是否和相機(jī)??匹配問(wèn)。??本實(shí)驗(yàn)平臺(tái)的光學(xué)鏡頭選用了日本Ｃｏｍｐｕｔａｒ公司的Ｍ３Ｚ１２２８Ｃ－ＭＰ工業(yè)鏡??頭，如圖２－４所示。其主要參數(shù)為：焦距范圍１２－３６ｍｍ，廣角光圈范圍為２．８－１６Ｃ，??成像圈規(guī)格為２／３＂。鏡頭接口與Ｐｒｏｓｉｌｉｃａ?－ＧＣ１２９０工業(yè)相機(jī)接口匹配。??賺??圖２－４Ｍ３Ｚ１２２８Ｃ－ＭＰ工業(yè)鏡頭??２．２．４光源及照明方式??工業(yè)現(xiàn)場(chǎng)的復(fù)雜環(huán)境對(duì)光的影響較大，因此機(jī)器視覺(jué)識(shí)別系統(tǒng)對(duì)光源選擇以??及照明方式的要求是比較嚴(yán)格的。良好的光源和合理的照明方式配合一方面保證??了整體亮度的穩(wěn)定性和均勻性，使物體處于不同位置時(shí)的成像質(zhì)量不受影響；另??一方面可以突出物體的具體特征，增強(qiáng)特征和背景的對(duì)比度，降低識(shí)別難度。??１０??

【參考文獻(xiàn)】：
期刊論文
[1]圖像識(shí)別技術(shù)在車輛識(shí)別中的應(yīng)用[J]. 田飛.  湖北農(nóng)機(jī)化. 2017(06)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的GIS缺陷圖像識(shí)別系統(tǒng)的研究[J]. 萬(wàn)書亭,趙曉迪,肖珊珊,仝玎朔.  電力科學(xué)與工程. 2017(11)
[3]基于BP神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法[J]. 高強(qiáng).  電子世界. 2017(17)
[4]基于人工神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別[J]. 盧雅文.  電子技術(shù)與軟件工程. 2016(12)
[5]一種改進(jìn)的基于最大類間方差的二值化方法[J]. 卜飛宇,祝青,王濤.  電腦知識(shí)與技術(shù). 2015(05)
[6]基于神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別系統(tǒng)的研究[J]. 李承昊,蔡晨陽(yáng),李銳.  科技傳播. 2015(21)
[7]基于Prewitt理論的自適應(yīng)邊緣檢測(cè)算法[J]. 康牧,許慶功.  計(jì)算機(jī)應(yīng)用研究. 2009(06)
[8]圖像處理中濾波器及邊緣檢測(cè)算法的實(shí)驗(yàn)與研究[J]. 李彩花,胡曉平,李亞芹.  機(jī)電工程技術(shù). 2008(09)
[9]機(jī)器視覺(jué)及其應(yīng)用(系列講座) 第四講 機(jī)器視覺(jué)系統(tǒng)集成技術(shù)[J]. 葛云濤.  應(yīng)用光學(xué). 2007(02)
[10]機(jī)器視覺(jué)測(cè)量系統(tǒng)在工業(yè)在線檢測(cè)中的應(yīng)用[J]. 席斌,錢峰.  工業(yè)控制計(jì)算機(jī). 2005(11)

博士論文
[1]面向精密制造與檢測(cè)的機(jī)器視覺(jué)及智能算法研究[D]. 葛動(dòng)元.華南理工大學(xué) 2013
[2]圖像局部不變特征提取技術(shù)及其應(yīng)用研究[D]. 劉景能.上海交通大學(xué) 2012
[3]形狀識(shí)別與圖像分割方法研究[D]. 陳運(yùn)文.復(fù)旦大學(xué) 2008

碩士論文
[1]基于機(jī)器視覺(jué)的工業(yè)機(jī)器人搬運(yùn)目標(biāo)識(shí)別及定位技術(shù)研究[D]. 張彬.內(nèi)蒙古大學(xué) 2019
[2]工業(yè)工件復(fù)雜表面的字符識(shí)別方法研究[D]. 段西利.西安理工大學(xué) 2019
[3]基于單圖像的三維幾何特征識(shí)別方法的研究與應(yīng)用[D]. 苗繪翠.山東師范大學(xué) 2019
[4]基于Faster R-CNN目標(biāo)檢測(cè)的機(jī)器人抓取系統(tǒng)研究[D]. 張亞輝.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院) 2019
[5]基于機(jī)器視覺(jué)的發(fā)動(dòng)機(jī)缸體分揀與識(shí)別系統(tǒng)研究[D]. 周虹.吉林大學(xué) 2019
[6]圖像邊緣檢測(cè)及模式識(shí)別技術(shù)研究[D]. 呂彥誠(chéng).哈爾濱工業(yè)大學(xué) 2019
[7]基于神經(jīng)網(wǎng)絡(luò)和模糊推理的VGI數(shù)據(jù)質(zhì)量評(píng)價(jià)研究[D]. 魏勁如.長(zhǎng)安大學(xué) 2019
[8]基于機(jī)器視覺(jué)的目標(biāo)識(shí)別與定位系統(tǒng)設(shè)計(jì)[D]. 徐洪.西南科技大學(xué) 2019
[9]基于機(jī)器視覺(jué)的帶孔工件識(shí)別與檢測(cè)技術(shù)研究[D]. 周文霞.合肥工業(yè)大學(xué) 2019
[10]基于機(jī)器視覺(jué)的螺釘定位與識(shí)別研究[D]. 李響.西南交通大學(xué) 2019



本文編號(hào)：2900115