汽车车身焊接图像识别算法研究

论文摘要

随着机械制造、核工业、航空航天、能源交通、石油化工、建筑、电子行业等现代工业的飞速发展,焊接技术在机械制造业生产中的地位也日趋提高。因此,对焊接质量和焊接自动化的程度要求也越来越高,焊接生产的自动化与智能化已经成为21世纪焊接技术发展的一个重要方向。特别是在汽车的生产中,为了降低生产成本与争取最大利润,提高生产的自动化程度已经成为一个必然的选择。如何提高生产线的自动化程度以及生产的速度,同时还要保证产品的质量,这是建立自动化生产线的重要标准。而焊接技术又是自动化生产线中的技术难点,尤其是关键部位的的焊缝的是否合格,这对于整个产品的质量的影响很大。本文主要是为了解决存在的漏焊的问题。本论文的研究内容是“基于CCD（电荷藕合器件图像传感器）的焊缝视觉检测系统”的图像识别算法部分,本次的检测系统是针对卡车的驾驶室焊缝检测所开发的,目的是提高生产效率。快速准确的对焊缝进行检测,是此焊缝检测系统的重要指标之一。驾驶室共有六百多个焊点,其中只有一小部分的焊缝是由焊接机器人完成焊接的,由于焊接机器人工作的可靠性,这部分焊缝不需要进行检测。其他的剩余的400个焊点,由于焊点的位置的原因,很难用焊接机器人的进行焊接,而只能由人工进行焊接,这样就可能有漏焊的现象存在。此前有许多学者利用CCD来识别车辆,对图像的识别进行了大量的研究。同时也有许多学者利用CCD来检测焊缝,并取得了一定得成绩。针对焊缝图像识别中所面临的准确性和实时性问题,本文提出了基于小波变换和Karhunen-Loeve（K-L）变换的新型识别算法。本次研究通过运用小波分解与K-L变换等手段,有效的改善了传统焊缝识别系统中的缺点,大大提高了识别系统的准确性与运算速度。这种新型的计算方法,可以有效的保留原图像中的特征信息。针对图像亮度差异的的特点,首先要对图像进行了图像增强预处理,目的是降低了图像亮度差异的问题。然后用小波变换的方法提取焊缝图像的相对稳定的低频子带图,提取图像的主要特征信息。进而利用K-L变换提取主特征分量并进行识别。结果证明,该识别算法基本达到了准确性与实时性的要求。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 引言
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 数字图像处理
• 1.4 本课题研究的主要内容
• 第2章 基于CCD视觉传感的焊缝检测系统
• 2.1 焊缝视觉检测系统开发背景
• 2.2 CCD视觉检测的选用
• 2.3 基于CCD的焊缝视觉检测系统构成
• 2.3.1 CCD视觉检测的硬件
• 2.4 本章小结
• 第3章 数字图像预处理
• 3.1 数字图像处理
• 3.1.1 图像识别
• 3.1.2 图像识别的主要方法
• 3.1.3 图像处理的内容
• 3.2 图像增强原理
• 3.3 图像滤波处理
• 3.3.1 图像噪声的分类
• 3.3.2 中值滤波
• 3.4 焊缝图像的灰度直方图
• 3.4.1 灰度图像的线性变换
• 3.5 本章小结
• 第4章 焊缝图像识别算法研究
• 4.1 焊缝图像的特性
• 4.2 新型图像识别算法的提出
• 4.3 小波分析
• 4.3.1 小波分析的特点
• 4.3.2 连续小波变换和离散小波变换
• 4.3.3 双正交小波变换
• 4.3.4 小波分解
• 4.4 K-L变换
• 4.4.1 主分量分析法
• 4.4.2 K-L变换
• 4.4.3 距离空间计算方法
• 4.5 本章小结
• 第5章 焊缝图像识别算法的实现及结果讨论
• 5.1 识别算法过程
• 5.2 图像识别算法的实现运算过程
• 5.2.1 图像预处理
• 5.2.2 小波分解
• 5.2.3 K-L变换
• 5.2.4 空间距离临界值
• 5.3 识别结果
• 5.4 实验结果
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 附录 攻读硕士学位期间发表的论文