金屬拉鏈缺陷檢測系統(tǒng)研究與實現(xiàn).pdf

1、金屬拉鏈在生產過程中，由于各種原因導致拉鏈鏈齒、拉頭和限位碼的缺失，鏈帶存在邊緣破損、有污垢等缺陷。金屬拉鏈外觀質量判斷一直是影響產品生產效率的一個難題。隨著計算機技術的發(fā)展，利用數(shù)字圖像處理技術實現(xiàn)產品外觀質量的自動鑒別已成為解決這一難題的有效途徑。本文研究探索一種基于改進型脈沖耦合神經網(wǎng)絡(PulseCoupledNeuralNetworks，PCNN)和灰度躍變檢測算法的金屬拉鏈缺陷檢測方法。
　　 本文以金屬拉鏈產品外觀

2、質量自動檢測為研究對象，依靠數(shù)字圖像處理技術，將脈沖耦合神經網(wǎng)絡、數(shù)學形態(tài)學算法、區(qū)域像素分析和灰度躍變檢測算法運用于圖像分割、特征提取及圖像邊緣分析中，設計了金屬拉鏈缺陷自動檢測系統(tǒng)。
　　 首先，本文介紹課題研究內容的相關市場需求、技術背景和研究意義;分析數(shù)字圖像處理技術在金屬拉鏈外觀質量檢測中的運用現(xiàn)狀、脈沖耦合神經網(wǎng)絡的圖像分割和其在數(shù)學形態(tài)學領域的研究現(xiàn)狀。
　　 其次，根據(jù)金屬拉鏈外觀質量檢測的功能需求、技術

3、特點提出系統(tǒng)的總體設計方案，分析硬件構成和系統(tǒng)運行機理，完成對圖像傳感器、鏡頭、光源、光照箱等硬件的選型和設計。
　　 最后，在軟件設計部分，通過對幾種常見圖像濾波算法的特性分析，結合實驗分析結果選擇適合于拉鏈圖像特征的濾波算法;根據(jù)拉鏈圖像特點和系統(tǒng)技術要求，為提高金屬拉鏈圖像二值分割處理速度，降低檢測算法復雜性，對傳統(tǒng)脈沖耦合神經網(wǎng)絡進行改進，結合幾種常用分割算法進行拉鏈圖像分割實驗，對比分析圖像分割性能實現(xiàn)圖像特征提取;研

4、究利用數(shù)學形態(tài)學算法和脈沖耦合神經網(wǎng)絡提取拉鏈特征目標，根據(jù)實驗結果分析兩者優(yōu)劣，探索合適的圖像特征目標提取算法，并在此基礎上分析鏈齒和鏈帶邊緣缺陷;通過分析特征圖像邊緣區(qū)域的灰度變化程度，檢測灰度躍變點，從而識別拉鏈鏈齒和鏈帶區(qū)域存在的缺陷，實現(xiàn)對拉鏈產品外觀質量的自動檢測。
　　 實驗結果表明:
　　 (1)本文對脈沖耦合神經網(wǎng)絡進行改進，減少網(wǎng)絡參數(shù)，解決了傳統(tǒng)脈沖耦合神經網(wǎng)絡參數(shù)過多、模型過于復雜等問題，在不影響

5、網(wǎng)絡工作特性原則下，提高網(wǎng)絡運行速度，通過遺傳算法獲取最佳網(wǎng)絡模型參數(shù)，實驗結果顯示該算法可以快速有效地從背景圖像中分割出金屬拉鏈邊緣輪廓，具有很強的適應性;
　　 (2)在運用脈沖耦合神經網(wǎng)絡的自動波特性提取拉頭、左右限位碼等圖像特征點，將傳統(tǒng)數(shù)學形態(tài)學算法和脈沖耦合神經網(wǎng)絡算法進行了實驗對比分析。在相同的軟硬件平臺和操作系統(tǒng)實驗條件下，利用上述兩種算法對多張系統(tǒng)隨機獲取的尺寸為640*480的金屬拉鏈圖像進行特征提取，實驗結

6、果表明，采用傳統(tǒng)數(shù)學形態(tài)學算法提取拉頭、左右限位碼時，會存在不能完全準確提取或過度分割的現(xiàn)象，穩(wěn)定性較差，而脈沖耦合神經網(wǎng)絡算法能夠有效區(qū)分不同特征目標，穩(wěn)定性好，獲取的邊緣圖像輪廓清晰，可以看出本文采用的算法相對于傳統(tǒng)算法更加適合于拉鏈圖像特征;
　　 (3)在缺陷分析實驗中，對不同缺陷類型產品進行批量性測試，結果表明本文采用區(qū)域像素分析和灰度躍變檢測算法，可以快速準確判斷出相關區(qū)域中是否存在相應部件的缺失或不規(guī)整，本文設計的