基于机器视觉的铸件表面缺陷检测研究
发布时间：2022-12-04 10:12
铸件被广泛应用于制造业的各个领域,铸件的表面质量作为其产品质量的关键受到广泛的关注。由于铸件在生产过程中存在着工艺流程不完善、加工环境不完全可控等问题,其表面不可避免的存在一些缺陷,这些缺陷会影响到产品的性能。目前,国内企业针对铸件表面缺陷的检测主要依靠人工完成,检测精度及效率均难以满足实际生产的需求。而基于机器视觉的检测技术具有非接触性、鲁棒性和高效性等诸多优点,能够有效的避免人工检测存在的问题。目前基于机器视觉的铸件表面缺陷检测技术尚处于发展阶段,因此,本文以刹车盘为对象,用机器视觉的方法对铸件表面缺陷的检测技术进行研究。本文的主要研究内容和结论如下:（1）铸件表面缺陷检测系统设计。首先,对铸件表面缺陷的特征及检测需求进行分析,从而明确了检测指标要求;其次,根据指标要求对相机、镜头、光源等关键器件进行选型,并搭建了表面缺陷检测实验平台。（2）铸件缺陷图像处理方法研究。首先,分析对比多种滤波算法,通过实验选取了性能最佳的滤波器,完成了图像去噪处理;其次,提出基于相似度计算终止策略和图像金字塔策略的模板匹配算法,高效地实现了刹车盘表面区域的分割;随后,提出最大熵阈值分割法与形态学开运算...
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及课题来源
1.1.1 研究背景
1.1.2 课题来源
1.2 国内外研究现状
1.2.1 铸件缺陷检测技术现状
1.2.2 机器视觉的应用
1.2.3 机器视觉在缺陷检测上的应用
1.2.4 目前研究存在的问题分析
1.3 研究目的及内容
1.3.1 研究目的
1.3.2 主要研究内容
第二章 铸件表面缺陷视觉检测系统总体方案设计
2.1 引言
2.2 研究对象及常见缺陷类型分析
2.2.1 研究对象分析
2.2.2 铸件表面缺陷类型分析
2.2.3 检测系统技术指标
2.3 表面缺陷检测系统硬件架构
2.3.1 关键器件选型
2.3.2 表面缺陷检测硬件平台搭建
2.4 表面缺陷视觉检测系统软件算法流程设计
2.5 本章小结
第三章 铸件表面缺陷检测图像处理方法研究
3.1 引言
3.2 铸件表面缺陷检测图像去噪算法研究
3.2.1 图像噪声来源
3.2.2 常见滤波算法分析
3.2.3 图像去噪实验结果及对比分析
3.3 铸件表面图像定位算法研究
3.3.1 模板匹配算法原理及分析
3.3.2 图像模板的创建
3.3.3 模板匹配相似度的确定
3.3.4 模板匹配加速优化算法设计
3.4 铸件表面图像缺陷区域分割算法研究
3.4.1 阈值分割算法分析
3.4.2 铸件表面图像阈值分割结果与分析
3.4.3 图像形态学处理
3.5 本章小结
第四章 铸件表面缺陷分类方法研究
4.1 引言
4.2 表面缺陷特征提取
4.2.1 表面缺陷特征分析
4.2.2 表面缺陷的几何形状特征
4.2.3 表面缺陷的纹理特征
4.3 表面缺陷特征降维
4.3.1 主成分分析法原理分析
4.3.2 表面缺陷特征降维实验结果与分析
4.4 基于SVM的缺陷分类方法设计与实现
4.4.1 基于SVM的分类方法分析
4.4.2 核函数及相关参数选择
4.5 本章小结
第五章 铸件表面缺陷检测方法验证与分析
5.1 引言
5.2 铸件表面缺陷检测系统软件设计
5.2.1 软件系统功能要求
5.2.2 软件系统架构
5.2.3 软件系统功能测试
5.3 铸件表面缺陷检测系统测试及结果分析
5.4 本章小结
第六章 总结与展望
6.1 全文总结
6.2 后续展望
参考文献
致谢
攻读硕士学位期间取得的相关成果
【参考文献】：
期刊论文
[1]基于低秩优化的CT图像目标检测方法[J]. 张敏辉,杨剑. 计算机工程与设计. 2018(07)
[2]CCD机器视觉在精密机械部件外观缺陷检测中的系统结构研究及应用[J]. 钱礼闰. 教育教学论坛. 2018(14)
[3]基于动态模板匹配的移动机器人目标识别[J]. 彭玉青,李木,高晴晴,张媛媛. 传感技术学报. 2016(01)
[4]高温合金某薄壁铸件铸造缺陷工艺控制[J]. 任占友,吴亚夫,谢秋峰,罗京生,裴中全,亢玉洛,陈兴福,孔胜国,李维,李俊涛. 铸造. 2015(12)
[5]基于自适应阈值与圆形相似度的禁令标志检测[J]. 欧阳维力,宋晓琳,张伟伟. 工程设计学报. 2014(05)
[6]基于ABAQUS的刹车盘热应力分析[J]. 冯世波,罗艳蕾. 现代机械. 2013(05)
[7]融合Hu矩与BoF-SURF支持向量机的手势识别[J]. 隋云衡,郭元术. 计算机应用研究. 2014(03)
[8]一种基于机器学习的P2P网络流量识别方法[J]. 李致远,王汝传. 计算机研究与发展. 2011(12)
[9]一种新的光电成像末制导景象匹配方法[J]. 陈冰,赵亦工,李欣. 光学学报. 2010(01)
[10]电涡流检测技术及影响因素分析[J]. 李贵娥,麻红昭,沈家旗,何丰华. 传感技术学报. 2009(11)
博士论文
[1]基于核磁共振体系的量子信息测量与图像处理应用[D]. 王恒岩.中国科学技术大学 2017
[2]基于机器视觉的在线高速检测与精确控制研究及应用[D]. 周文举.上海大学 2014
硕士论文
[1]压铸件品质在线控制系统[D]. 凌振飞.浙江大学 2011
[2]关于运动目标特征提取以及车辆颜色识别算法的研究[D]. 王琪.电子科技大学 2011
[3]基于VxWorks的水下目标检测识别系统实现[D]. 刘丽仙.哈尔滨工程大学 2011
[4]基于机器视觉的塑料制品缺陷检测算法研究[D]. 张王黎.华南理工大学 2014
[5]基于多分类支持向量机的核电站故障诊断技术研究[D]. 郭沫.哈尔滨工程大学 2012
[6]基于支持向量机的多分类方法研究[D]. 周涛丽.电子科技大学 2015
[7]高铁刹车盘裂纹检测系统的设计与实现[D]. 贺晨.北京交通大学 2016
[8]基于机器视觉的火花塞垫圈缺陷检测系统设计[D]. 徐玉冰.中北大学 2016
[9]基于机器视觉的手机面板缺陷检测方法研究[D]. 易松松.哈尔滨工业大学 2016
[10]钛螺母外观缺陷检测关键算法研究与实现[D]. 唐培华.电子科技大学 2017
本文编号：3708063
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及课题来源
1.1.1 研究背景
1.1.2 课题来源
1.2 国内外研究现状
1.2.1 铸件缺陷检测技术现状
1.2.2 机器视觉的应用
1.2.3 机器视觉在缺陷检测上的应用
1.2.4 目前研究存在的问题分析
1.3 研究目的及内容
1.3.1 研究目的
1.3.2 主要研究内容
第二章 铸件表面缺陷视觉检测系统总体方案设计
2.1 引言
2.2 研究对象及常见缺陷类型分析
2.2.1 研究对象分析
2.2.2 铸件表面缺陷类型分析
2.2.3 检测系统技术指标
2.3 表面缺陷检测系统硬件架构
2.3.1 关键器件选型
2.3.2 表面缺陷检测硬件平台搭建
2.4 表面缺陷视觉检测系统软件算法流程设计
2.5 本章小结
第三章 铸件表面缺陷检测图像处理方法研究
3.1 引言
3.2 铸件表面缺陷检测图像去噪算法研究
3.2.1 图像噪声来源
3.2.2 常见滤波算法分析
3.2.3 图像去噪实验结果及对比分析
3.3 铸件表面图像定位算法研究
3.3.1 模板匹配算法原理及分析
3.3.2 图像模板的创建
3.3.3 模板匹配相似度的确定
3.3.4 模板匹配加速优化算法设计
3.4 铸件表面图像缺陷区域分割算法研究
3.4.1 阈值分割算法分析
3.4.2 铸件表面图像阈值分割结果与分析
3.4.3 图像形态学处理
3.5 本章小结
第四章 铸件表面缺陷分类方法研究
4.1 引言
4.2 表面缺陷特征提取
4.2.1 表面缺陷特征分析
4.2.2 表面缺陷的几何形状特征
4.2.3 表面缺陷的纹理特征
4.3 表面缺陷特征降维
4.3.1 主成分分析法原理分析
4.3.2 表面缺陷特征降维实验结果与分析
4.4 基于SVM的缺陷分类方法设计与实现
4.4.1 基于SVM的分类方法分析
4.4.2 核函数及相关参数选择
4.5 本章小结
第五章 铸件表面缺陷检测方法验证与分析
5.1 引言
5.2 铸件表面缺陷检测系统软件设计
5.2.1 软件系统功能要求
5.2.2 软件系统架构
5.2.3 软件系统功能测试
5.3 铸件表面缺陷检测系统测试及结果分析
5.4 本章小结
第六章 总结与展望
6.1 全文总结
6.2 后续展望
参考文献
致谢
攻读硕士学位期间取得的相关成果
【参考文献】：
期刊论文
[1]基于低秩优化的CT图像目标检测方法[J]. 张敏辉,杨剑. 计算机工程与设计. 2018(07)
[2]CCD机器视觉在精密机械部件外观缺陷检测中的系统结构研究及应用[J]. 钱礼闰. 教育教学论坛. 2018(14)
[3]基于动态模板匹配的移动机器人目标识别[J]. 彭玉青,李木,高晴晴,张媛媛. 传感技术学报. 2016(01)
[4]高温合金某薄壁铸件铸造缺陷工艺控制[J]. 任占友,吴亚夫,谢秋峰,罗京生,裴中全,亢玉洛,陈兴福,孔胜国,李维,李俊涛. 铸造. 2015(12)
[5]基于自适应阈值与圆形相似度的禁令标志检测[J]. 欧阳维力,宋晓琳,张伟伟. 工程设计学报. 2014(05)
[6]基于ABAQUS的刹车盘热应力分析[J]. 冯世波,罗艳蕾. 现代机械. 2013(05)
[7]融合Hu矩与BoF-SURF支持向量机的手势识别[J]. 隋云衡,郭元术. 计算机应用研究. 2014(03)
[8]一种基于机器学习的P2P网络流量识别方法[J]. 李致远,王汝传. 计算机研究与发展. 2011(12)
[9]一种新的光电成像末制导景象匹配方法[J]. 陈冰,赵亦工,李欣. 光学学报. 2010(01)
[10]电涡流检测技术及影响因素分析[J]. 李贵娥,麻红昭,沈家旗,何丰华. 传感技术学报. 2009(11)
博士论文
[1]基于核磁共振体系的量子信息测量与图像处理应用[D]. 王恒岩.中国科学技术大学 2017
[2]基于机器视觉的在线高速检测与精确控制研究及应用[D]. 周文举.上海大学 2014
硕士论文
[1]压铸件品质在线控制系统[D]. 凌振飞.浙江大学 2011
[2]关于运动目标特征提取以及车辆颜色识别算法的研究[D]. 王琪.电子科技大学 2011
[3]基于VxWorks的水下目标检测识别系统实现[D]. 刘丽仙.哈尔滨工程大学 2011
[4]基于机器视觉的塑料制品缺陷检测算法研究[D]. 张王黎.华南理工大学 2014
[5]基于多分类支持向量机的核电站故障诊断技术研究[D]. 郭沫.哈尔滨工程大学 2012
[6]基于支持向量机的多分类方法研究[D]. 周涛丽.电子科技大学 2015
[7]高铁刹车盘裂纹检测系统的设计与实现[D]. 贺晨.北京交通大学 2016
[8]基于机器视觉的火花塞垫圈缺陷检测系统设计[D]. 徐玉冰.中北大学 2016
[9]基于机器视觉的手机面板缺陷检测方法研究[D]. 易松松.哈尔滨工业大学 2016
[10]钛螺母外观缺陷检测关键算法研究与实现[D]. 唐培华.电子科技大学 2017
本文编号：3708063
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3708063.html