汽车门板焊接部件和焊点识别算法研究

发布时间：2024-02-22 16:39

　　在实际的汽车生产线中,进行焊接作业的汽车门板类型会随着工厂生产的需要而发生改变,这会导致汽车门板的焊接部件和焊点信息发生变化,如果采用传统的焊接机器人,就需要每次根据汽车门板类型重新进行示教,这样必然会极大的降低了汽车生产的效率,因此为了辅助焊接机器人的焊接作业,从而提高汽车门板焊接生产的效率,本文分别研究了基于传统图像处理算法和基于卷积神经网络的焊件和焊点识别算。本文的主要研究内容如下。首先,介绍了本文的研究背景,针对传统汽车门板焊接生产过程中存在的问题,阐述了本文研究的意义。随后对汽车门板焊接部件和焊点识别问题进行了分析,包括汽车门板焊接技术和汽车门板焊接生产线的工艺流程,明确了焊接部件和焊点识别的目标和任务,并给出相应的技术路线。其次,研究利用传统的图像处理算法来识别汽车门板中焊接部件和焊点。根据汽车门板的焊接特点,本文提出了将Canny边缘检测与SSAD(序贯相似性检测)算法相结合的焊接部件识别方法,在焊点识别过程中,利用已经识别的焊接部件对汽车门板图像进行分割,并通过霍夫变换算法识别出分割后图像中焊点的位置和数量,从而极大的提高了焊点识别的准确度和效率。然后,研究基于卷积神经...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究的背景和意义
        1.1.1 课题研究的背景
        1.1.2 研究目的和意义
    1.2 研究的发展及现状
        1.2.1 基于机器视觉的传统目标检测算法
        1.2.2 基于卷积神经网络的目标检测算法
    1.3 课题来源
    1.4 论文的主要工作及内容安排
第二章 汽车门板焊接技术与焊件和焊点识别任务分析
    2.1 汽车门板焊接生产概述
        2.1.1 超声波焊接技术简介
        2.1.2 门板超声焊接生产线
    2.2 焊件和焊点识别任务分析
        2.2.1 焊件和焊点信息
        2.2.2 焊件和焊点识别任务
    2.3 本章小结
第三章 基于传统图像处理算法的焊件和焊点识别研究
    3.1 汽车门板图像预处理
        3.1.1 图像灰度化
        3.1.2 图像滤波
            3.1.2.1 中值滤波
            3.1.2.2 双边滤波
            3.1.2.3 高斯滤波
        3.1.3 图像锐化
    3.2 汽车门板焊接件识别
        3.2.1 图像边缘提取
        3.2.2 模版匹配算法
        3.2.3 焊件识别流程
    3.3 汽车门板焊焊点识别
        3.3.1 门板图像分割
        3.3.2 霍夫变换算法
        3.3.3 焊点识别流程
    3.4 实验结果与分析
    3.5 本章小结
第四章 基于卷积神经网络的焊件和焊点识别算法研究
    4.1 卷积神经网络基本理论
        4.1.1 神经网络
        4.1.2 卷积神经网络
    4.2 卷积神经网络应用于焊件和焊点识别
        4.2.1 焊件和焊点识别目标分析
        4.2.2 YOLO算法应用于焊件和焊点识别
            4.2.2.1 YOLO网络结构与算法原理
            4.2.2.2 YOLO算法损失函数
            4.2.2.3 YOLO算法的改进
        4.2.3 实验验证与结果分析
            4.2.3.1 实验环境与参数设置
            4.2.3.2 实验结果分析
    4.3 现有算法识别结果对比分析
    4.4 本章小结
总结与展望
    1.总结
    2.展望
参考文献
攻读博士/硕士学位期间取得的研究成果
致谢
附件



本文编号：3906958