论文摘要
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,并将其与已知的标准进行比较,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。
论文目录
相关论文文献
标签：机器视觉论文; 注塑制品论文; 图像处理论文; 特征提取论文; 多分类支持向量机论文;