导读:本文包含了工业视觉检测论文开题报告文献综述及选题提纲参考文献，主要关键词:工业机器人,视觉定位,工件识别,检测
工业视觉检测论文文献综述
王琳,张珊珊,潘艳飞,刘新[1]（2019）在《工业机器人视觉检测系统研究》一文中研究指出基于视觉的工业机器人定位抓取技术在现代化工业进程中起到极其重要的作用,本文在定位抓取的基础上研究了云端激光打标系统中与计算机视觉相关的机器人检测系统内容,将国产某型号六自由度工业机器人与视觉引导技术相结合应用于目标正反面区分。该系统经实验验证,能够识别带黑色标记的目标工件并定位抓取,完成了区分工件正反面的规定任务,具有工厂生产的实际意义。(本文来源于《电子技术与软件工程》期刊2019年22期）
陈浩,吴裕斌,吴鑫,曹丹华[2]（2019）在《工业视觉检测系统控制终端软件设计》一文中研究指出针对传统工业视觉检测系统控制终端软件存在耦合性高、扩展能力差、实时性不强的缺点,给出了一种运行在嵌入式Linux系统上的控制终端软件设计方案。该方案利用分层模型思想和中间件技术对传统MVC模式进行改进,进一步降低软件耦合;采用线程池技术处理不同设备的交互请求,通过支持向量回归(SVR)算法对请求完成时间进行预测估算,并基于预测结果动态确定线程优先级。实验结果表明,所设计的控制终端软件耦合程度低,实时性强,请求超时发生率仅为1.74%。(本文来源于《仪表技术与传感器》期刊2019年06期）
牟玲龙[3]（2019）在《基于视觉检测的工业机器人几何参数标定研究》一文中研究指出工业机器人快速、高效和高精准度的特点符合现代工业、制造业的需求,其在现代工业生产中得到广泛应用。然而,未经系统精度标定的工业机器人的末端定位精度非常低。为了提高工业机器人的末端定位精度,本文以某企业自主研发的某款六自由度工业机器人为研究对象,提出两种基于视觉检测的工业机器人几何参数标定及误差矫正方法,对机器人末端定位精度的提高进行了研究。本文主要进行了以下几个方面的研究:第一,对机器人运动学进行了研究。根据实验机器人的本体结构和尺寸参数,建立了机器人连杆坐标系和D-H参数模型;详细推导机器人运动学的正解和逆解数学模型,确定了对机器人末端位置产生影响的关键参数以及其产生影响的机理,为建立机器人末端位置误差约束方程提供理论上的支持;对本文采用的两种参数标定方案的原理和实验方案进行了研究,确定了本文进行参数标定的方案。第二,对工业相机的成像模型和相机内外参数的标定进行了研究。结合相机的外参数矩阵提出了检测系统手-眼-靶标定的方案,并推导出了具体的手-眼-靶标定关系式。最后采用基于李群理论的MATLAB算法实现了对手-眼-靶标定关系的求解。第叁,采用四步图像处理方法提高棋盘格靶标图像角点信息清晰度。分别对图像进行光照平衡,高斯滤波去噪,最大类间差法二值化和小面积过滤去杂点处理,有效缩短了图像计算的时间,提高了图像棋盘格角点信息的清晰度,并提高了相机标定和手-眼-靶标定的效率和精度。第四,详细研究了基于视觉检测的关节轴线检测法和空间位置约束法两种机器人几何参数标定方法。分别以轴线实际位置检测和几何参数数值优化的方式完成机器人的几何参数标定,从而提高机器人的末端位置精度。空间位置约束法通过视觉方式检测机器人末端在空间中的位置,将检测数据与机器人控制器中的位置数据对比确定机器人末端在空间中的位置误差,然后利用该误差结合机器人的运动学方程建立误差约束方程,再利用遗传算法对机器人的几何参数进行系统的优化,求出当前约束条件下的最优几何参数值,完成几何参数标定任务;轴线检测法通过旋转单个关节轴,并采用结合棋盘格靶标的相机标定技术,对旋转过程中固连在机器人末端的相机光心在空间中的位置数据进行检测,然后利用检测数据进行空间圆拟合从而确定出单关节轴线的空间位置数据,最后根据关节轴线位置实现几何参数的标定。第五,实验验证了两种标定方法的可行性和标定结果的有效性。采用标准机器人预标定的方式实现了对检测系统的手-眼-靶位置的精确标定,求解出了具体的关系式;而后对实验数据进行了集中处理,分别计算了空间位置约束法和轴线检测法的详细数据结果,得出了两种方案标定的几何参数的具体数值,。理论研究和实验结果表明,研究采用的轴线检测法成功的实现了对关节1、2、3轴线位置的检测,标定了a_1、a _2、d_1叁个参数,并将机器人的末端位置精度从2.350mm提高到了1.477mm;空间位置约束法成功的实现了机器人几何参数最优值的标定,将机器人的末端位置精度从2.350mm提高到了1.524mm;实验结果充分证明了本文提出的两种基于视觉检测参数标定方案的有效性和可行性。(本文来源于《烟台大学》期刊2019-06-13）
宋承秀,刘凯[4]（2019）在《机器人视觉检测在工业中的应用探讨》一文中研究指出工业环境中,特别是人工成本增加,自动化率节节升高的今天,人来做测量尺寸和判断会因为疲劳、个人之间的差异等产生误差和错误,但是机器不会,因此机器人加视觉系统已经成为了越来越普遍的应用模式。机器人视觉系统就是利用机器代替人眼来做各种测量和判断。它综合了光学、机械、电子、计算机、图像处理、光机电等多个领域。文章就机器人与视觉相机相结合在装配线中代替人工上料的应用进行了探讨与介绍。(本文来源于《汽车实用技术》期刊2019年07期）
陈宇[5]（2019）在《一种工业机器人智能视觉检测系统结构设计》一文中研究指出根据工业机器人智能视觉检测系统实时性、精确性、可靠性的性能要求,从图像采集、图像处理和输出控制叁方面对系统结构进行分析设计。工业机器人已成为现代工业发展的趋势与方向,越来越多的自动化生产线和在线智能检测系统被应用在汽车行业、电子电器行业、工程机械等行业,在承受较大工作强度的同时,保证产品质量、提高生产效率。(本文来源于《电子世界》期刊2019年05期）
张斐,王建娥[6]（2018）在《奏好唱响“勇于创新”主旋律》一文中研究指出“旭鑫的使命，自开创之初从未改变。那就是帮助中国智造业转型升级，助推‘工业4.0’，助推全球工业化进程。”惠州旭鑫智能技术有限公司（以下简称“旭鑫”）常务副总经理杨铠康如是说。5年前，两个喜欢打篮球的年轻人，因为相同的志向走到了一起，成立了一家(本文来源于《惠州日报》期刊2018-12-24）
宋辉,李钊[7]（2018）在《基于工业机器人的汽车轮毂表面缺陷的视觉检测系统设计》一文中研究指出由于汽车轮毂结构复杂,为解决当前轮毂检测效率低,检测速度慢,工作量大等问题,文章给出了一种基于工业机器人的视觉检测方法;通过把视觉系统安装在机器人的末端执行器上,利用机器人的精确运动来改变视觉系统的姿态,以实现对汽车轮毂各表面的检测,进而可实现对多规格轮毂进行动态检测,并针对多次重复测量时定位累计误差导致成像质量退化的问题,通过对轮毂图像的预处理找到了轮毂的气阀作为检测的初始位置,对机器人调节相应的位姿进行校正;该文以HONDA 1.6X17摩托车轮毂作为研究对象,实验表明,该系统在准确检测的同时,提高了检测效率。(本文来源于《计算机测量与控制》期刊2018年09期）
晋博,蔡念,夏皓,林健发[8]（2019）在《基于深度学习的工业视觉检测系统》一文中研究指出针对零部件在工业生产线包装过程中存在检测速度慢,自动化检测水平低下,检测准确率不高等问题,提出一种基于深度学习的工业零部件检测系统的方案设计,实现对零部件自动检测的功能。设计一种实验检测平台用于获取包含待检测零部件的图像;提出一种改进网络共享卷积层结构的方法,融合区域建议网络和区域卷积网络建立一种检测方法对目标零部件进行准确定位识别,适应各种形状大小不一的零部件检测,实现端到端训练输出定位检测结果。实验结果表明,系统的检测效果与传统的检测方法相比,具有速度快,检测准确率高等优越性。(本文来源于《计算机工程与应用》期刊2019年02期）
杨帆[9]（2018）在《工业在线视觉检测系统图像实时采集与拼接技术研究》一文中研究指出检测技术是现代工业技术中的重要部分。在工业生产中,检测的效率和精确度直接影响了产品线的性能以及产品的质量,可以说检测技术在某种程度上决定了制造业的发展水平。随着工业自动化水平提升和制造技术的发展,人们对测量手段和测量速度提出了更高的要求。近年来,检测技术逐渐向着在线检测、非接触式测量、智能化检测的方向发展,随着计算平台的升级和图像处理技术的发展,视觉检测技术被逐渐应用到工业生产的测量中。视觉检测技术是一门以机器视觉为基础,融合了计算机技术、电子科学、图像处理等现代学科的新兴技术。由于其具有测量距离远、检测设备简单、测量过程直观以及非接触式等优良属性,近年来视觉测量技术得到技术人员们的关注并发展迅速,广泛应用于工业生产和医学检测等领域。本文以设计印刷电路板生产线视觉检测系统为例,首先设计搭建了基于工业相机的视觉检测的硬件系统,该系统针对于较大面积高镜面反射的工件的光照环境做了设计,并且利用生产线上的传感器的信息对工件的采集控制进行了设计。经生产线上实际测试,该系统能够有效地完成在PCB生产线上的拍摄任务。在交予检测环节之前需要对图像进行先期的处理。本文采用基于特征的图像拼接算法,对当前生产线上图像拼接出现的问题进行了研究。首先针对于多个重复单元的图像拼接成功率低的问题提出了针对性的图像拼接方法,通过添加待匹配的标记点,绕过了无效的干扰信息。接着针对于当前图像拼接算法直接处理高精度、大尺寸图像时候速度较慢,难以适应生产线上静止双摄像机实时拼接的速度要求的问题。以整定-微调的思想设计改进了一种快速的静止双摄像头大尺寸图像的拼接方法,对当前的双相机图像拼接算法进行了速度改进,使其适应生产线上实时数据采集。通过实际测试,本文设计的系统工作良好,能够较好地完成生产线上的对大面积多重复单元图像的实时采集拼接任务。(本文来源于《中国科学技术大学》期刊2018-05-12）
田敏[10]（2018）在《复杂工业场景目标视觉检测方法研究》一文中研究指出工业场景中机械零部件目标的视觉检测是智能制造领域的重要技术内核之一。随着工业智能制造新时代的到来,工业场景中零部件目标视觉检测的性能对提升智能制造的整体水平显得愈加重要。相对于常见的固定光源与无形变量的工业场景中的视觉检测,制造领域迫切需求视觉检测技术能应用在更复杂的工业场景中。但复杂工业场景中所固有的光源变化与被检测目标形变等因素导致该场景中机械零部件目标的视觉检测任务异常困难。本文以复杂工业场景下常见的机械零件目标为视觉检测对象,以基于统计机器学习与深度学习算法的视觉检测方法为研究内容,研究目的是实现复杂工业场景下单类或多类零部件目标的视觉识别与定位检测任务。本论文主要研究工作如下:1.建立了叁类适用于工业场景视觉检测任务的图像数据集。(1)单目标齿轮检测数据集共1008帧图像,包含正样本图像与负样本图像;(2)图像级识别分类实验数据集共750帧图像,其中包含轴承,起子,齿轮,钳子,扳手五类机械零件与工具共2248帧图像,每帧图像仅包含目标所在矩形区域;(3)区域级多零件目标检测实验数据集,与第二类同样的五类目标,但每帧图像包含目标与背景。2.提出了一种基于联合模型匹配的单目标齿轮视觉检测方法。针对工业场景下特定应用,利用图像增强技术增强图像的梯度信息,令目标特征具有更好的可分性;再利用支持向量机整体模型和局部组合支持向量回归模型进行联合视觉检测。实现了工业场景中的齿轮目标视觉检测任务并提高了检测精度。3.基于matconvnet深度学习框架设计并搭建了用于整幅图像内所含零部件目标视觉分类任务的卷积神经网络,实现了图像级的五类机械零件目标分类实验,并对250帧测试图像的实验结果做出定量的评价与分析。4.实现了基于Fast R-CNN的区域级卷积神经网络多类零部件目标分类识别与定位检测,对非结构化工业场景下五类机械零件1124帧测试图像目标识别与定位实验结果表明,本文采用的工业场景多类零部件目标检测方法取得了良好的检测效果,平均分类精度与召回率分别达到达到99.4%与99.5%,平均定位精度达到89.5%。本文建立了叁类工业场景下的视觉检测数据集,成功实现了基于浅层学习与深度学习的工业场景视觉检测。复杂工业场景内机械零部件目标检测在智能制造领域有着广阔的应用前景,本文工作对现有检测算法进行了深入研究,为将视觉检测算法推广应用到智能制造领域提供了借鉴意义。(本文来源于《昆明理工大学》期刊2018-04-01）
工业视觉检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统工业视觉检测系统控制终端软件存在耦合性高、扩展能力差、实时性不强的缺点,给出了一种运行在嵌入式Linux系统上的控制终端软件设计方案。该方案利用分层模型思想和中间件技术对传统MVC模式进行改进,进一步降低软件耦合;采用线程池技术处理不同设备的交互请求,通过支持向量回归(SVR)算法对请求完成时间进行预测估算,并基于预测结果动态确定线程优先级。实验结果表明,所设计的控制终端软件耦合程度低,实时性强,请求超时发生率仅为1.74%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
工业视觉检测论文参考文献
[1].王琳,张珊珊,潘艳飞,刘新.工业机器人视觉检测系统研究[J].电子技术与软件工程.2019
[2].陈浩,吴裕斌,吴鑫,曹丹华.工业视觉检测系统控制终端软件设计[J].仪表技术与传感器.2019
[3].牟玲龙.基于视觉检测的工业机器人几何参数标定研究[D].烟台大学.2019
[4].宋承秀,刘凯.机器人视觉检测在工业中的应用探讨[J].汽车实用技术.2019
[5].陈宇.一种工业机器人智能视觉检测系统结构设计[J].电子世界.2019
[6].张斐,王建娥.奏好唱响“勇于创新”主旋律[N].惠州日报.2018
[7].宋辉,李钊.基于工业机器人的汽车轮毂表面缺陷的视觉检测系统设计[J].计算机测量与控制.2018
[8].晋博,蔡念,夏皓,林健发.基于深度学习的工业视觉检测系统[J].计算机工程与应用.2019
[9].杨帆.工业在线视觉检测系统图像实时采集与拼接技术研究[D].中国科学技术大学.2018
[10].田敏.复杂工业场景目标视觉检测方法研究[D].昆明理工大学.2018