东北大学本科论文完整实例基于机器视觉的注塑制品缺陷检测系统精.docx
- 文档编号:14780087
- 上传时间:2023-06-27
- 格式:DOCX
- 页数:46
- 大小:1,022.77KB
东北大学本科论文完整实例基于机器视觉的注塑制品缺陷检测系统精.docx
《东北大学本科论文完整实例基于机器视觉的注塑制品缺陷检测系统精.docx》由会员分享,可在线阅读,更多相关《东北大学本科论文完整实例基于机器视觉的注塑制品缺陷检测系统精.docx(46页珍藏版)》请在冰点文库上搜索。
东北大学本科论文完整实例基于机器视觉的注塑制品缺陷检测系统精
基于机器视觉的注塑制品缺陷检测系统研究
作者姓名:
张三指导教师:
李四教授单位名称:
信息科学与工程学院专业名称:
自动化
东北大学
2007年6月
ResearchonInjectionProductDefectsDetectionSystemBasedonMachineVision
byZhangSan
Supervisor:
ProfessorLiSi
NortheasternUniversity
June2007
东北大学本科毕业设计(论文)毕业设计(论文)任务书
毕业设计(论文)任务书
基于机器视觉的注塑制品缺陷检测系统研究
摘要
随着计算机和机器视觉技术的不断发展,基于机器视觉的产品检测技术正逐渐成为研究的热点。
基于机器视觉的产品检测技术是指以机器视觉为手段获取被测物体图像,并将其与己知的标准进行比较,从而确定被测物体的质量状况的过程,它具有非接触、速度快、柔性好等突出优点,相比于传统检测技术具有更为广阔的应用前景。
基于此,本文依托东北大学流程工业综合自动化重点实验室基金项目,针对机器视觉技术在注塑制品缺陷检测中的应用展开研究。
在调研注塑生产过程、查阅大量文献的基础上,本文完成了基于机器视觉的注塑制品质量检测系统的软硬件设计,并针对产品图像采集和处理过程中遇到的问题提出了相应的解决方案。
针对所获取的图像存在背景、噪声等干扰信息,不适于直接进行缺陷检测的问题,本文研究了相关的图像处理算法。
对于产品图像存在背景干扰的情况,提出一种阈值分割与差影相结合的方法,实现背景的完全消除;针对传统线性滤波以及中值滤波方法中存在的不足,提出一种新的滤波方法,该方法不仅增强了背景分割算法对于外界环境变化的适应能力,而且提高了算法的实用性。
在完成图像处理之后,本文针对注塑制品常见形状以及纹理缺陷的特征提取进行了研究。
一方面根据系统对检测速度的要求,提出一种快速预检测和缺陷细节信息分析识别相结合的检测思路,在保证缺陷信息完整的情况下,提高检测速度;另一方面针对传统方法在纹理特征提取中存在的分类效率低下等问题,提出一种新的特征组合方法,该方法有效降低了特征向量的维数,在保证识别准确率的情况下,提高分类效率。
最后,本文根据注塑产品多缺陷种类并存的特点设计了基于多分类支持向量机的特征分类方法。
综合应用上述方法,实现了基于机器视觉的注塑制品缺陷检测系统的雏形,获得了较高的检测正确率,较好的满足了注塑制品检测的要求。
关键词:
机器视觉;注塑制品;图像处理;特征提取;多分类支持向量机
ResearchonInjectionProductDefectsDetectionSystemBasedon
MachineVision
Abstract
Thetechniqueofproductinspectionbasedonmachinevisionhasbeenpropelledbythedevelopmentofcomputerscienceandmachinevisioninmostrecentyears,anditseizesmoreandmoreresearchers’attention.Bysnatchingtheimagesoftheproduceandcomparingthemwithstandardone,machinevisionbasedinspectioncangiveareal-timeevaluationonthequalityoftheproductwithoutcontiguity.Forthesemerits,thisstudyfocusesonthedefectsdetectionofinjectionmoldingmachine(IMMproductbasedonmachinevision.ThisresearchissponsoredbyNEUkeylaboratoryofprocessindustryautomationfund.
Firstly,byresearchingtheprocessofinjectionproductionandanalyzingrelativeliteratures,thisthesisfinishesthehardwareandsoftwaredesignofdefectsdetectionsystemandsolvestheproblemsincapturingandprocessingimages.
Thebackgroundandnoiseinthecapturedimagemakesthedefectdetectionmuchharder.
Amethodcombiningthresholdandimagesubtractionisproposedtosegmentthebackgroundfromtheobjectimageentirely.Tofilteringthenoiseandenhancetherobustnessofthesegmentationmethod,anewfilteralgorithmispresentedwhichprovidesabetterresultthanthetraditionalmethods.
Theresearchondefectdetectionfeatureextractionconsistsoftwoparts.Fordetectingshapedefects,arapid-inspectingmethodisproposedundertheconditionthatthedefect’sinformationisreservedentirely.Fordetectingtexturedefects,byregroupthetexturefeaturevectors,anewmethodispresentedtoenhancetheefficiencyofclassification.
Atlast,amulti-classclassificationsupportvectorisdesignedforthemulti-classdefectsdetection.ThebasicstructureofIMMproductsdefectdetectionsystembasedonmachinevisioniscompletedbyusingmethodsproposedabove.Thetestresultsshowthatthissystemdemonstrateahighdetectingprecision.
Keywords:
MachineVision;InjectionProduct;ImageProcessing;FeatureExtraction;Multi-classClassificationSupportVectorMachine
目录
毕业设计(论文)任务书.........................................................................................................I摘要...........................................................................................................................................IIABSTRACT............................................................................................................................III
第一章绪论..............................................................................................................................1
1.1机器视觉检测技术概述.................................................................................................1
1.2机器视觉检测的研究概况.............................................................................................2
1.3机器视觉检测技术的应用.............................................................................................3
1.4课题背景及本文主要工作.............................................................................................5
第二章系统的设计与实现......................................................................................................7
2.1系统总体结构.................................................................................................................7
2.2硬件系统的设计与实现.................................................................................................7
2.2.1硬件系统设计..........................................................................................................8
2.2.2系统关键设备选型..................................................................................................8
2.2.3硬件系统的实现....................................................................................................10
2.3软件系统的设计与实现...............................................................................................12
2.3.1软件系统基本框架................................................................................................12
2.3.2图像的采集与显示模块........................................................................................13
2.3.3系统通讯模块........................................................................................................15
2.3.4辅助功能模块........................................................................................................17
2.4本章小结.......................................................................................................................18
第三章注塑制品图像处理....................................................................................................19
3.1注塑制品图像处理总述...............................................................................................19
3.2注塑制品图像背景分割...............................................................................................19
3.2.1传统背景分割方法................................................................................................20
3.2.2传统方法在注塑制品背景分割中的应用分析....................................................21
3.2.3注塑制品背景分割方法设计................................................................................23
3.3注塑制品图像滤波.......................................................................................................24
3.3.1传统滤波方法........................................................................................................25
3.3.2传统滤波方法应用效果分析................................................................................27
3.3.3注塑制品图像滤波方法设计................................................................................27
3.4本章小结.......................................................................................................................29
第四章结束语........................................................................................................................31
参考文献..................................................................................................................................33
致谢..........................................................................................................................................35
第一章绪论
1.1机器视觉检测技术概述
机器视觉是研究用相机和计算机来模仿人的眼睛和大脑完成对目标的识别、跟踪和测量等任务的科学[1]。
通俗地说,就是用机器代替人眼来做测量和判断[2]。
它的工作过程大致为:
首先,使用相机将被摄取目标转换成图像信号,传送给专用的图像处理系统,图像系统对这图像中包含的信息进行处理和计算;然后计算机根据处理的结果做出判断或决策;最后将控制信号传送给执行机构。
机器视觉的特点是自动化、客观、非接触和高精度,与一般意义上的图像处理系统相比,机器视觉强调的是精度和速度,以及工业现场环境下的可靠性。
机器视觉实际上是数字视觉技术与工业制造技术的结合的综合性技术,主要包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术,光学成像技术、传感器技术、模拟与数字视频技术,计算机软硬技术,人机接口技术等。
这些技术在机器视觉中是并列关系,这些技术相互协调应用才能构成一个成功的工业机器视觉应用系统。
将机器视觉应用到制造业的检测领域中,用机器视觉系统确定产品相对于一组标准要求的偏差的过程通常称为机器视觉检测[3]。
它特指机器视觉在工业检测方面的应用,是机器视觉应用和研究领域中的一个重要分支。
机器视觉检测是一种适合现代制造技术发展的检测方式。
它与传统的检测方法相比,有着如下的优势:
首先,机器视觉可以实现非接触在线检测,完成对生产线上的零件进行100%的检测,满足自动化制造系统中的工序间检测和过程检测的要求;其次,机器视觉检测是通过计算机或者数字信号处理器中的程序对图像信息进行处理而得到的测量结果,因此机器视觉检测具有一定的智能和柔性,适于现代企业的柔性生产方式;再次,只要选用足够高精度的镜头和图像传感器,机器视觉检测技术可以达到较高的检测精度;最后,机器视觉易于实现信息的集成和管理,为实现计一算机集成制造技术提供必要的支持。
并且机器视觉检测与传统的人工检测相比效率更高,检测结果更加准确可靠。
由于机器视觉检测不会受到操作者的疲劳度、责任心和经验等因素的影响,在一些不适合人工作业的危险场合,人工视觉难以满足要求的场合和带有高度重复性、智能性并且靠人的眼睛无法连续稳定地进行产品检测的场合,机器视觉可以发挥它自身的优势来高效、高质量的完成检测任务。
机器视觉检测是与先进制造工艺与现代制造生产模式相适应的智能化、自动化、柔
性的检测手段。
在国外己经将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。
在中国,这种应用也在逐渐被认知,对于机器视觉的需求将越来越广泛。
1.2机器视觉检测的研究概况
机器视觉技术是在20世纪50年代从统计模式识别兴起的,但由于机器视觉系统的复杂性,当时的研究工作主要集中在对二维图像的分析、识别和理解上,如光学字符识别、工件表面、显微图片和航空照片的分析解释等。
60年代中期,R.Robert开创性的三维景物分析研究成为机器视觉的起源,他运用数字图像研究实体模型,对物体形状和结构进行了描述。
70年代,MIT的学者提出了机器视觉的理论。
80年代,Marr首次从信息处理的角度综合了图像处理、心理物理学、神经心理学及精神病学的研究成果,提出了第一个较为完备的视觉处理框架,他将视觉分为自上而下的三个阶段,创建了Marr的理论框架。
近年来,随着机器视觉理论及应用技术的不断发展,人们逐渐认识到Marr的理论框架存在以下不足,即被动接受信号,无主动性和目的性,处理过程没有反馈环节,用一些假设和基本的约束保证通用性。
因此,许多学者在机器视觉的现状与目标、理论与方法以及实验与应用等方面发表了许多不同的见解,探索了新的理论,在很大程度上促进了机器视觉技术的发展[4,5]。
当前,随着机器视觉检测系统应用的增加,对机器视觉的研究也越来越多。
一些研究机构或企业开发了机器视觉系统软件的开发平台或者函数库,提供一些常用的算法和工具。
但是,机器视觉是一门交叉性强的学科,因此在研究和应用中一套视觉系统一般只针对某一种检测任务来进行研究和开发,没有一套机器视觉系统是对任何检测工程来说是通用的。
根据机器视觉的应用领域不同,对机器视觉检测的研究可以分为不同的种类,不同的学者对分类也有不同的见解[6,7]。
在现阶段的研究中通常分为以下三种类型:
(1尺寸测量
尺寸测量是机器视觉研究和应用的重要应用领域,也是一个比较早开始的研究的方向。
机器视觉应用于尺寸测量工程中时,从视觉系统的硬件(光源、图像传感器等的选用到软件算法的设计中的每一个环节都对最终的性能产生影响。
需要根据工程的自身特点选择合适的硬件。
(2表面质量检测
机器视觉检测技术已经广泛应用到工业产品的表面检测中,主要检测的内容包括毛刺、划痕、磨损等。
但对复杂曲面的视觉检测仍有一定的困难,一方面,工件表面的反射方向复杂、存在阴影等因素影响着图像的质量,另一方面相机的镜头方向和距离工件的位置的控制也是影响检测精度的因素。
(3目标分类与识别
目标分类与识别一直是研究的热点,物体识别的基本方法是建立物体模型,使用各种匹配算法从真实的图像中识别出物体最相似的目标。
根据物体识别任务所在的空间,物体识别可以分为二维特征识别和三维特征的识别。
二维识别用在识别远距离的物体或者在场景中稳定的位置的物体。
三维识别通过物体的灰度图或2.5维图获取实际场景中的信息来识别物体的三维结构特征。
信件分拣、指纹识别、人脸识别、车牌识别等都是此方面典型的应用。
1.3机器视觉检测技术的应用
自上世纪八十年代初开始,国外有关视觉检测技术的研究逐渐兴起。
美国人首先将视觉检测系统应用于制造业[8],其中,有100多家公司跻身于视觉检测系统的经营市场。
而国内的视觉检测研究从上世纪九十年代才开始得到重视。
相关资料表明,目前视觉检测技术已经在印刷电路板的检测、汽车车身检测、钢板表面的自动探伤、机械零件的自动识别分类和几何尺寸测量、大型工件平行度和垂直度测量、容器容积或杂质检测及农产品的检测等领域得到了广泛应用。
在电子工业中,由于超大规模集成电路的出现,使得集成芯片(IC的密度和复杂度大大提高,PCB的布线变得更加复杂。
传统的检测方法越来越不适应,检测成本越来越高。
而视觉检测以其快速、精确的优点,为印刷电路板(PCB和集成芯片(IC的自动检测提
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 东北大学 本科 论文 完整 实例 基于 机器 视觉 注塑 制品 缺陷 检测 系统