基于机器视觉的零件表面缺陷检测

论文摘要

零件缺陷检测是保证零件使用安全的重要手段。传统的检测由人工完成，工作量大，且易受到检测人员主观因素的影响，很难保证检测的效率与精度。用机器视觉检测方法可提高生产效率和生产的自动化生产程度。本文以常见的轴类零件和齿轮零件为研究对象，主要研究了图像背景的分割，零件表面缺陷的提取、缺陷的特征参数提取和分类识别。本文首先在详细分析零件图像特点的基础上，提出了双结构元素的形态学背景分割，将线形结构元素和圆盘形结构元素分别用于图像的开闭运算。该算法结合了线形结构元素和圆盘形结构元素各自的优点。理论分析和仿真实验证明，改进的算法能够较好的去除图像背景，并且保证了零件的清晰完整。提出了一种新的分割算法提取零件的表面缺陷，将小波变换理论应用到Otsu算法中。在用形态学的方法去除零件图像的背景之后，选择单层小波系数分解目标图像，再将分解后的图像进行低频重构，去除冗余信息和噪声；最后利用Otsu阈值分割对缺陷进行提取。实验证明，本文的算法优于经典的Otsu算法，具有分割精度高，抗噪性能强的优点。此外我们还对提取出的缺陷图像进行了后处理，应用形态学的方法对孔洞缺陷进行填充，提出了基于小波变换的Canny边缘检测算法，不仅消除了杂点的影响，还很好的检测出了缺陷的边缘。本文提出了缺陷特征参数的提取方法，设计了适合本文的BP神经网络分类器。首先提取了零件表面缺陷的23种纹理特征和几何特征，根据提取的特征参数提出了零件质量等级评定标准；为了减少计算复杂度，采用了主成分分析的方法将特征参数将进行降维，并建立了相应的特征参数库，以这些特征参数作为BP神经网络的输入，设计了单隐层结构的BP神经网络分类器；并且选用了905个测试样本对该识别器进行测试，结果识别率达到86.2%。最后，本文对缺陷检测系统进行了总体设计，重点对检测系统软件进行设计。整个软件系统包括图像输入模块、图像处理模块、缺陷后处理模块、缺陷分类和零件质量等级判定模块，并对每个模块所包含的子模块的功能进行了讨论。通过系统的总体设计，最终对零件进行了缺陷的分类和质量等级评定，实验表明，该系统具有良好的检测效果。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 研究的背景及意义
• 1.2 国内外研究现状
• 1.3 存在的问题和发展趋势
• 1.4 本文的主要研究内容和安排
• 1.5 本章小结
• 第2章 零件图像背景分割
• 2.1 引言
• 2.2 零件图像的特点分析
• 2.3 传统的形态学背景分割
• 2.3.1 算法介绍
• 2.3.2 实验结果及分析
• 2.4 改进的形态学背景分割
• 2.4.1 算法步骤
• 2.4.2 实验及结果分析
• 2.5 本章小结
• 第3章 零件表面缺陷分割
• 3.1 引言
• 3.2 图像增强
• 3.2.1 直方图均衡化
• 3.2.2 实验结果及分析
• 3.3 经典的阈值分割方法
• 3.3.1 人工选择阈值法
• 3.3.2 迭代阈值分割法
• 3.3.3 一维Otsu阈值分割法
• 3.3.4 二维Otsu阈值分割法
• 3.3.5 实验及结果分析
• 3.4 本文提出的零件表面缺陷分割算法
• 3.4.1 一维连续小波变换
• 3.4.2 离散小波变换
• 3.4.3 多分辨率分析
• 3.4.4 具体算法步骤
• 3.4.5 实验及结果分析
• 3.5 缺陷后处理
• 3.5.1 形态学处理
• 3.5.2 二值图像边缘检测
• 3.5.3 实验及结果分析
• 3.6 本章小结
• 第4章 特征提取和缺陷识别
• 4.1 引言
• 4.2 特征的分类
• 4.3 缺陷特征的提取
• 4.3.1 几何特征的提取
• 4.3.2 纹理特征的提取
• 4.3.3 零件质量等级评定
• 4.4 特征参数库的建立
• 4.5 缺陷识别和分类
• 4.5.1 BP算法原理
• 4.5.2 BP神经网络的训练
• 4.5.3 BP分类器的设计
• 4.6 实验及结果分析
• 4.7 本章小结
• 第5章 零件缺陷检测系统的总体设计
• 5.1 引言
• 5.2 硬件设计
• 5.2.1 光源
• 5.2.2 CCD摄像机
• 5.2.3 平台的搭建
• 5.3 软件设计
• 5.3.1 开发环境
• 5.3.2 软件结构设计
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 本文工作总结
• 6.2 展望
• 参考文献
• 攻读硕士学位期间发表的论文和参加科研情况
• 致谢