复杂产品内部结构装配正确性X射线自动检测技术研究

论文摘要

本文针对复杂产品内部结构状态的装配正确性检测问题,通过对X射线数字成像技术、图像处理技术、模式识别技术与计算机视觉三维目标识别技术的综合研究,实现了对产品内部结构装配正确性的快速自动检测。针对射线数字成像自动检测系统的设计,本文研究了三维结构体方位结构信息数字化的基本原理,以CT重建理论Radon变换与傅里叶中心切片定理为基础,研究了一种基于方位序列图像的空间结构采样方法,提出了空间方位采样点个数受限于最小识别结构体尺寸与系统固有分辨率的采样准则;从模式识别角度分析了结构体的周向方位序列图像之间固有的平稳相关性,研究了在单一或有限方位下对产品内部结构识别的可行性问题;设计了X射线自动检测系统的总体技术方案,解决了在单相机模式下存在的固有视觉盲区问题;分析了基于提高系统空间分辨率、透度灵敏度、以及射线能量利用率的优化设计原则。射线图像预处理是图像模式识别的重要内容,本文采用多幅图像叠加消噪并突出图像能量谱在垂直与水平方向的分布特性;为了提高目标分割的速度,首先利用机械三点定位确定回转中心、过间隙销孔配合补偿周向定位误差、双列轴承结构保证垂直度达到对产品的硬件快速粗定位,然后求图像局部投影的后向差分取极值点实现图像轮廓的精确定位。针对产品结构模式快速识别算法及特征提取技术问题,本文分析了基于PCA主成分分量识别方法以及基于方向选择的投影法在图像识别领域的应用,在剖析产品及其内部各种结构体特征的基础上,把产品分类为单一识别目标体与多目标体,把识别目标分类为单一轴向类、多向轴对称类以及轴回转体结构,提出了一种分层面混合投影主分量熵作为产品图像的结构识别特征,提取结构体全方位序列图像特征的极大线性无关组作为产品识别特征基,采用BP神经网络实现了对产品内部结构状态装配正确性的快速分类识别。依据工作要求,设计了整个系统的并行工作节拍流程,在Visual C++环境下开发了具有通用性的系统控制与自动识别软件;根据用户实际产品的检测需求,研发了国内首套复杂产品内部结构装配正确性X射线在线自动检测系统,成功应用于重庆长安汽车集团的多种复杂结构件产品的快速自动检测,大量的实际检测统计表明,系统误判率≤4.5%,无漏判,平均检测速度为12件/min,系统具有对新产品的自学习能力与数据库查询功能。

论文目录

• 摘要
• Abstract
• 1. 绪论
• 1.1 研究背景、目的和意义
• 1.2 与本论文相关技术的国内外研究现状
• 1.2.1 工业 X 射线 DR 检测技术与系统集成
• 1.2.2 计算机图像视觉自动识别技术及其在射线领域的应用
• 1.2.3 X 射线图像的预处理技术
• 1.2.4 目标图像分类识别算法
• 1.3 论文研究内容
• 2. X射线自动检测系统的设计
• 2.1 三维结构体全方位自动识别原理与总体结构流程
• 2.1.1 三维结构体的全方位自动识别原理
• 2.1.2 自动检测可行性的理论分析
• 2.1.3 有限方位下对产品的快速检测
• 2.1.4 自动检测系统总体结构流程
• 2.2 射线成像系统的总体设计
• 2.2.1 X 射线DR 系统的检测原理
• 2.2.2 基于单相机的 X 射线成像系统
• 2.2.3 自动检测成像系统总体设计
• 2.2.4 系统优化设计原则
• 2.2.5 系统关键模块的选取与设计
• 2.2.6 自动检测系统整体工作节拍
• 2.3 本章小结
• 3. 射线图像的预处理
• 3.1 图像预处理综述
• 3.2 图像降噪
• 3.3 目标图像分割
• 3.3.1 水平方向目标范围的确定
• 3.3.2 垂直基准的确定
• 3.4 本章小结
• 4. 复杂产品内部结构状态的识别及特征提取技术
• 4.1 多模式分类策略
• 4.1.1 多类模式问题的并行识别
• 4.1.2 多类模式问题的串行识别
• 4.2 被检测产品与目标的结构类型及检测要求
• 4.2.1 产品分类
• 4.2.2 产品内部识别目标的分类
• 4.3 图像模式识别算法的评价标准
• 4.4 典型的多模式分类降维识别算法
• 4.4.1 基于主成分分析 PCA 识别方法
• 4.4.2 基于方向选择的投影特征识别方法
• 4.5 基于单相机系统的构件内部三维结构特征提取
• 4.5.1 复杂产品内部构件三维结构状态的特征选择
• 4.5.2 分层面多目标特征提取技术
• 4.5.3 全方位识别特征的提取
• 4.5.4 提取识别特征基
• 4.6 基于神经网络的产品内部结构状态的快速识别
• 4.6.1 神经网络模型的建立
• 4.6.2 BP 网络模型的缺陷分析及优化策略
• 4.7 本章小结
• 5. X射线自动识别系统及应用
• 5.1 硬件组成
• 5.2 软件开发
• 5.2.1 实际检测的主体流程
• 5.2.2 总体结构
• 5.2.3 软件功能模块分析及主要程序流程介绍
• 5.3 现场应用试验与结果分析
• 5.3.1 检测试验
• 5.3.2 多阈值确定与识别准确率评估技术
• 5.4 本章小结
• 6. 结论
• 6.1 论文所做的工作
• 6.2 本论文的创新点
• 6.3 研究中的不足及今后的课题
• 参考文献
• 攻读博士学位期间发表的论文及所取得的科研成果
• 致谢