基于机器视觉的工业产品表面缺陷检测方法的应用研究

基于机器视觉的工业产品表面缺陷检测方法的应用研究

论文摘要

自20世纪80年代以来,随着数字图像处理技术的迅猛发展,人们对产品质量要求的提高,传统的人工检测由于很多原因已不能得到令人满意的检测结果,因此,机器视觉检测技术越来越受到人们的高度重视。本文对工业产品的表面缺陷检测的一些重要技术进行了研究,并对其中涉及的算法在VC6.0平台下进行实验,然后对实验结果进行分析,说明所采用方法的可行性及效率。首先是机器视觉检测中的目标定位及矫正问题。本文利用常用的连通域分析法对目标物体进行定位,然后对三种常用的图像倾斜矫正方法,最小二乘拟合法,图像惯性主轴法,HOUGH变换法进行了研究,并对三种方法进行了不同程度的改进,解决了一些产品的目标定位及矫正问题。其次是非纹理图像及规则纹理图像表面的缺陷检测。本文对目前常用的几种非纹理图像缺陷检测算法进行了研究分析,这些算法有:模板匹配法、统计法、动态阈值法。针对版滚镀铜表面的缺陷特征,提出一种改进的动态阈值方法,此方法采用整体结合局部的方法,取得了较好的检测结果。然后对目前常用的几种纹理图像缺陷检测算法傅里叶变换法、Gabor滤波器法、小波变换法进行了研究分析。提出一种改进的小波变换法去除图像的纹理,然后再利用动态阈值法对图像进行检测。最后对检测到的缺陷进行特征提取及分类。针对版滚镀铜表面缺陷的特点,本文对缺陷进行了形态特征及投影特征的提取,有效对缺陷进行了分类。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 研究背景和意义
  • 1.1.1 研究背景
  • 1.1.2 研究意义
  • 1.2 课题研究目标及主要内容
  • 1.3 本论文结构安排
  • 第2章 目标的定位及倾斜矫正
  • 2.1 图像预处理
  • 2.1.1 图像的分割
  • 2.1.2 基于投影的图像定位
  • 2.1.3 基于连通域的图像定位
  • 2.1.4 轮廓提取
  • 2.2 基于最小二乘法的图像倾斜矫正方法
  • 2.2.1 最小二乘法基本原理
  • 2.2.2 最小二乘法拟合直线
  • 2.2.3 实验结果及分析
  • 2.3 基于惯性主轴量的图像倾斜矫正法
  • 2.3.1 惯性主轴法的基本原理
  • 2.3.2 提取目标的惯性主轴
  • 2.3.3 实验结果及分析
  • 2.4 基于Hough变换的图像倾斜矫正法
  • 2.4.1 Hough 变换的基本原理
  • 2.4.2 改进的Hough 变换
  • 2.4.3 实验结果及分析
  • 2.5 本章小结
  • 第3章 非纹理图像的表面缺陷检测
  • 3.1 基于模板匹配的表面缺陷检测
  • 3.1.1 差影法
  • 3.1.2 灰度相关法
  • 3.1.3 实验设计及分析
  • 3.2 基于灰度统计的表面缺陷检测
  • 3.2.1 算法分析
  • 3.2.2 实验设计及分析
  • 3.3 基于动态阈值的表面缺陷检测
  • 3.3.1 动态阈值法
  • 3.3.2 改进的动态阈值法
  • 3.3.3 实验设计及分析
  • 3.4 本章小结
  • 第4章 纹理图像的表面缺陷检测
  • 4.1 纹理表面缺陷检测方法
  • 4.2 小波变换
  • 4.2.1 多分辨率分析
  • 4.2.2 小波函数
  • 4.3 基于小波和共生矩阵的纹理图像缺陷检测
  • 4.3.1 纹理图像的小波变换
  • 4.3.2 灰度共生矩阵及其分析
  • 4.4 实验结果及分析
  • 4.5 本章小结
  • 第5章 缺陷特征的提取及分类
  • 5.1 缺陷特征的提取
  • 5.1.1 评判标准
  • 5.1.2 形态特征
  • 5.1.3 投影特征
  • 5.2 缺陷特征的分类
  • 5.2.1 分类器
  • 5.2.2 镀铜表面缺陷的简单分类
  • 5.3 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间承担的科研任务与主要成果
  • 致谢
  • 作者简介
  • 相关论文文献

    • [1].基于机器视觉的带钢表面缺陷检测系统[J]. 邢台职业技术学院学报 2020(03)
    • [2].基于机器视觉的带钢表面缺陷检测系统的设计[J]. 内燃机与配件 2020(14)
    • [3].基于深度学习的两阶段目标检测方法及其在表面缺陷检测中的应用[J]. 自动化应用 2020(08)
    • [4].基于机器视觉的连杆表面缺陷检测系统[J]. 制造业自动化 2020(11)
    • [5].基于旋翼无人机的飞机表面缺陷检测[J]. 科技经济导刊 2020(33)
    • [6].基于深度学习的混凝土表面缺陷检测方法[J]. 激光杂志 2020(06)
    • [7].钢球表面缺陷检测方法综述[J]. 装备制造技术 2018(10)
    • [8].表面缺陷检测综述[J]. 计算机科学与探索 2014(09)
    • [9].基于特征与形貌重构的轴件表面缺陷检测方法[J]. 浙江大学学报(工学版) 2020(03)
    • [10].基于深度学习的表面缺陷检测系统[J]. 电子世界 2020(09)
    • [11].基于度量学习的小样本零器件表面缺陷检测[J]. 仪器仪表学报 2020(07)
    • [12].基于机器视觉的太阳能电池片表面缺陷检测研究现状及展望[J]. 北京工业大学学报 2017(01)
    • [13].水果表面缺陷检测法获得专利授权[J]. 食品工业 2015(03)
    • [14].金属板材表面缺陷检测系统研究与设计[J]. 电脑知识与技术 2020(28)
    • [15].基于图像的圣女果表面缺陷检测[J]. 计算机仿真 2014(02)
    • [16].基于水平集的不规则透明表面缺陷检测设计[J]. 测控技术 2017(02)
    • [17].基于图像处理的产品表面缺陷检测系统研究[J]. 电子技术应用 2017(05)
    • [18].基于深度学习的铝材表面缺陷检测[J]. 华东师范大学学报(自然科学版) 2020(06)
    • [19].四种成像技术在水果表面缺陷检测的应用[J]. 中国农机化 2009(06)
    • [20].基于光度立体和级数展开法的金属表面缺陷检测方法[J]. 广西师范大学学报(自然科学版) 2020(06)
    • [21].基于机器视觉的铸坯表面缺陷检测系统的研制[J]. 武钢技术 2010(01)
    • [22].基于计算机视觉的轴承表面缺陷检测[J]. 煤矿机械 2009(02)
    • [23].表面缺陷检测系统在冷轧厂的应用[J]. 梅山科技 2013(01)
    • [24].基于Gaussian-yolov3的铝型材表面缺陷检测[J]. 计算机测量与控制 2020(09)
    • [25].基于视觉显著性的轴承表面缺陷检测算法的研究[J]. 自动化应用 2020(09)
    • [26].冲压磨削平板类零件的表面缺陷检测[J]. 锻压技术 2020(06)
    • [27].基于高斯混合模型的青梅表面缺陷检测识别技术[J]. 林业工程学报 2020(04)
    • [28].基于支持向量机的金属表面缺陷检测算法[J]. 世界有色金属 2016(02)
    • [29].高温环境下表面缺陷检测系统的热防护研究[J]. 宝钢技术 2012(04)
    • [30].基于机器视觉的钢板表面缺陷检测系统[J]. 山西冶金 2011(04)

    标签:;  ;  ;  ;  ;  

    基于机器视觉的工业产品表面缺陷检测方法的应用研究
    下载Doc文档

    猜你喜欢