隨著機器人技術的發(fā)展和成熟,汽車制造業(yè)成為工業(yè)機器人的主要應用領域之一。玻璃涂膠作為汽車生產的重要流程之一,膠條的好壞直接決定著汽車的質量和乘客的乘車體驗。本文針對傳統(tǒng)人工膠條檢測精度不高和視覺離線檢測效率比較低等缺點,提出了一種基于機器視覺的汽車玻璃涂膠質量檢測方法,以解決汽車涂膠過程中漏涂、膠線過窄或過寬等問題,實現(xiàn)生產的智能化。本文完成的主要工作如下:首先,本文根據實際需求確定了涂膠檢測系統(tǒng)的整體設計方案,根據技術指標確定了涂膠檢測系統(tǒng)中各裝置和設備的選型,構建了基于機器視覺的汽車玻璃涂膠質量檢測系統(tǒng)硬件平臺。其次,針對生產環(huán)境中采集的膠條圖像設計了一類圖像處理算法。根據膠條所處的環(huán)境和位置,采用中值濾波進行圖像平滑、迭代法進行閾值分割;根據系統(tǒng)精度和實時性的要求,基于插值亞像素邊緣檢測算法獲取圖像的輪廓,利用Ramer輪廓分割算法獲取膠條的輪廓,提出基于最小二乘原理的膠條截面直徑測量方法。然后,針對在實際檢測中涂膠軌跡無法給出任意一點處相機標定結果數(shù)據的問題,提出了一種基于WT-OSELM算法的標定結果數(shù)據庫模型。該模型能夠克服BP神經網絡模型訓練速度較慢、ELM神經網絡模型無... 

【文章來源】：長春工業(yè)大學吉林省

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 視覺檢測技術研究現(xiàn)狀
        1.2.2 涂膠檢測技術研究現(xiàn)狀
    1.3 論文研究內容及章節(jié)安排
第2章 視覺涂膠檢測系統(tǒng)設計
    2.1 檢測系統(tǒng)的構成及工作原理
    2.2 涂膠檢測硬件系統(tǒng)設計
        2.2.1 照明方案與光源確定
        2.2.2 工業(yè)相機方案選擇
        2.2.3 相機鏡頭的選擇
    2.3 軟件系統(tǒng)總體方案設計
    2.4 本章小結
第3章 涂膠檢測系統(tǒng)圖像處理算法研究
    3.1 感興趣區(qū)域提取方法研究
    3.2 圖像濾波算法研究
        3.2.1 均值濾波算法
        3.2.2 中值濾波算法
        3.2.3 高斯濾波算法
        3.2.4 涂膠檢測系統(tǒng)濾波算法確定
    3.3 圖像分割算法研究
        3.3.1 直方圖雙峰法
        3.3.2 迭代選擇閾值法
        3.3.3 最大類間方差法
        3.3.4 涂膠檢測系統(tǒng)閾值分割算法確定
    3.4 邊緣檢測算法研究
        3.4.1 像素級邊緣檢測算法
        3.4.2 涂膠檢測系統(tǒng)像素級邊緣檢測算法確定
        3.4.3 亞像素級邊緣檢測算法
    3.5 基于Ramer算法的輪廓分割算法
    3.6 基于最小二乘法的膠條截面直徑測量方法研究
    3.7 本章小結
第4章 基于WT-OSELM的涂膠檢測預測模型建立
    4.1 BP神經網絡
        4.1.1 BP神經網絡基礎理論研究
        4.1.2 BP神經網絡建模方法
    4.2 極限學習機算法研究
    4.3 序貫極限學習機算法研究
    4.4 WT-OSELM算法研究
        4.4.1 WT-OSELM相關理論
        4.4.2 WT-OSELM建模方法研究
    4.5 基于WT-OSELM的標定結果數(shù)據庫模型建立
        4.5.1 WT-OSELM數(shù)據庫模型建立步驟
        4.5.2 WT-OSELM數(shù)據庫模型實驗結果與分析
    4.6 本章小結
第5章 涂膠質量檢測實驗與結果分析
    5.1 涂膠檢測系統(tǒng)標定分析
        5.1.1 相機成像原理
        5.1.2 基于標定物的相機標定分析
        5.1.3 基于WT-OSELM的標定結果數(shù)據庫實驗與分析
    5.2 涂膠檢測系統(tǒng)標定結果數(shù)據庫模型實驗驗證
    5.3 本章小結
第6章 總結與展望
    6.1 全文總結
    6.2 工作展望
致謝
參考文獻
作者簡介
攻讀碩士學位期間研究成果


【參考文獻】：
期刊論文
[1]無人機航測技術在入海排污口排查中的應用[J]. 張元敏.  測繪通報. 2020(01)
[2]基于機器視覺的玉米幼苗葉面積檢測裝置設計及試驗[J]. 付豪,萬鵬,施家偉,楊萬能.  華中農業(yè)大學學報. 2020(01)
[3]一種基于機器視覺的石材缺陷檢測方法[J]. 鄧擁軍,周向.  機械設計與制造. 2019(12)
[4]基于機器視覺的焊縫表面下塌缺陷實時檢測系統(tǒng)[J]. 李尚仁,王春明,米高陽.  焊接技術. 2019(11)
[5]一種基于雙邊濾波算法的涂膠軌跡檢測[J]. 任春明.  工業(yè)控制計算機. 2019(11)
[6]基于雙目立體視覺的小型工件測量系統(tǒng)[J]. 趙琛,江衛(wèi)華.  自動化與儀表. 2019(11)
[7]基于3D視覺的線結構光測量算法[J]. 陳狀,胡永祥,郝晗.  現(xiàn)代信息科技. 2019(22)
[8]機器視覺側圍涂膠檢測系統(tǒng)的設計與研究[J]. 胡莊穩(wěn),陸華才,高文根.  安徽工程大學學報. 2019(05)
[9]基于機器視覺的照明光源數(shù)據庫研究與開發(fā)[J]. 逯力紅.  科技創(chuàng)新與應用. 2019(26)
[10]3D全視覺技術在汽車涂膠檢測中的應用[J]. 趙宇龍.  汽車工藝師. 2019(07)

博士論文
[1]基于極限學習的系統(tǒng)辨識方法及應用研究[D]. 楊易旻.湖南大學 2013

碩士論文
[1]基于小波神經網絡的電力系統(tǒng)諧波檢測與去噪[D]. 顧沈麗.南京郵電大學 2019
[2]基于雙目立體視覺的不規(guī)則物體體積測量方法研究[D]. 梁樂.西安理工大學 2019
[3]基于機器視覺的木板實時檢測算法[D]. 吳佳寧.沈陽工業(yè)大學 2019
[4]基于機器視覺的盤類工件檢測及跟蹤技術研究[D]. 殷春華.長春工業(yè)大學 2019
[5]基于圖像處理的車輛焊縫間隙檢測技術研究[D]. 韓曉勇.長春理工大學 2019
[6]基于機器視覺的針刺機針板孔位尺寸檢測技術研究[D]. 張震.中原工學院 2018
[7]基于線結構光的機器人三維涂膠檢測技術研究[D]. 楊瑞鵬.天津工業(yè)大學 2018
[8]基于視覺的涂膠檢測技術研究[D]. 馬瀟.天津工業(yè)大學 2018
[9]基于機器視覺的珍珠形狀自動分揀系統(tǒng)的研究與實現(xiàn)[D]. 王毓綜.浙江農林大學 2018
[10]基于改進三角測量法的機器視覺引導系統(tǒng)[D]. 陳凱蒙.河南大學 2017



本文編號：3153676