隨著科學技術發(fā)展,自動化制造領域對于高精尖技術需求逐步提升。國家提出“中國制造2025”發(fā)展戰(zhàn)略,要求以創(chuàng)新驅動作為核心,大力發(fā)展人工智能應用技術,以提升國家制造行業(yè)核心競爭力。基于機器視覺的智能檢測技術在工業(yè)自動化制造中的定位檢測、元件表面質量檢測中具有重要且廣泛的應用。機器視覺定位檢測技術可以準確計算待測物體的位姿坐標信息,以實現(xiàn)物體自動定位引導、自動裝配。而在物體表面缺陷檢測中,由于傳統(tǒng)的人工目視檢測方法存在效率低下,主觀性強,無法長時間連續(xù)工作等問題,結合光學成像及圖像處理技術的機器視覺智能檢測技術具有準確、高效、非接觸無損傷、連續(xù)工作時間長等優(yōu)點,是最為理想的元件表面檢測方法。而在人工智能技術爆發(fā)式發(fā)展的時代中,機器視覺結合深度學習能夠在傳統(tǒng)的圖像處理算法上進一步提升檢測準確性,是當前機器視覺檢測技術的重點發(fā)展方向。本論文針對機器視覺智能檢測應用中的實際應用場景,重點研究相機模型、成像系統(tǒng)設計、物體特征提取、識別、匹配、分類算法等領域的關鍵技術。以物體視覺定位和元件表面缺陷檢測為主要研究對象,并以實現(xiàn)整體檢測系統(tǒng)實際應用為目標,開展機器視覺智能檢測系統(tǒng)中關鍵檢測方法和檢測算法...

【文章頁數】：142 頁

【學位級別】：博士

【文章目錄】：
致謝
摘要
Abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 基于機器視覺的智能檢測技術國內外研究現(xiàn)狀
        1.2.1 基于機器視覺智能化定位技術應用的研究現(xiàn)狀
        1.2.2 基于機器視覺的光學元件表面缺陷智能檢測應用的研究現(xiàn)狀
        1.2.3 基于深度學習的缺陷提取算法發(fā)展現(xiàn)狀
    1.3 本論文的主要研究內容及完成的工作
    1.4 本論文的主要創(chuàng)新點
2 機器視覺定位系統(tǒng)研究及應用
    2.1 相機模型及內參標定
    2.2 特征點提取及匹配算法
    2.3 PNP定位算法模型
    2.4 定位系統(tǒng)設計及應用
        2.4.1 定位系統(tǒng)方案設計
        2.4.2 基于空間約束的特征點匹配及改進的RANSAC定位算法
    2.5 本章小結
3 基于深度學習的玻璃缺陷成像及分類檢測技術研究
    3.1 基于機器視覺的手機玻璃缺陷成像技術研究
        3.1.1 基于多種成像場的玻璃表面缺陷成像方案設計
        3.1.2 線陣相機成像模型及畸變校正
        3.1.3 圖像背景非均勻性分析
    3.2 玻璃表面缺陷提取算法
        3.2.1 玻璃表面缺陷提取預處理
        3.2.2 缺陷分割及鄰近分布合并算法
        3.2.3 基于SVM的缺陷分類算法
    3.3 基于深度學習的機器視覺智能檢測分類方法研究
        3.3.1 卷積神經網絡概念及基本組成結構
        3.3.2 傳統(tǒng)神經網絡
        3.3.3 卷積神經網絡基本組成
    3.4 經典的分類卷積神經網絡結構
    3.5 并聯(lián)殘差分類網絡設計
        3.5.1 缺陷分類數據集建立
        3.5.2 并聯(lián)平衡殘差網絡結構
        3.5.3 網絡訓練
        3.5.4 網絡訓練環(huán)境
    3.6 本章小結
4 基于深度學習的微弱對比度缺陷圖像分割算法研究
    4.1 經典的語義分割卷積神經網絡結構
    4.2 缺陷分割數據集建立
    4.3 網絡結構設計
    4.4 網絡訓練
    4.5 訓練環(huán)境
    4.6 本章小結
5 機器視覺智能檢測實驗結果及數據分析
    5.1 電動汽車電池自動換取定位系統(tǒng)布局及實驗結果
    5.2 基于同軸平行成像與明場成像的玻璃表面缺陷檢測系統(tǒng)實驗布局
    5.3 圖像畸變校正、非均勻性校正實驗結果
    5.4 基于深度學習的缺陷分類實驗結果及分析
    5.5 基于深度學習的玻璃表面微弱缺陷提取實驗結果及分析
    5.6 本章小結
6 總結與展望
    6.1 本論文完成工作總結
    6.2 下一步工作展望
參考文獻
攻讀博士期間所取得的科研成果



本文編號：3915101