基于機(jī)器視覺的罐蓋缺陷檢測.pdf

1、機(jī)器視覺技術(shù)是一門新的學(xué)科，主要是用計(jì)算機(jī)來代替人眼，通過處理分析圖像的方式來直接或間接地識別出物體。該方法常被用于實(shí)際測量或檢測。近年來，該項(xiàng)技術(shù)在諸多行業(yè)發(fā)展很快，尤其在工業(yè)檢測中居多。
　　本課題以工業(yè)金屬罐蓋為對象，通過閱讀大量文獻(xiàn)，研究了基于機(jī)器視覺的罐蓋缺陷的實(shí)時檢測方法，克服了人工檢測的速度慢、效率低、準(zhǔn)確率不高等缺點(diǎn)。
　　本文的研究內(nèi)容主要包括以下幾個方面：
　　(1)提出了一種罐蓋圖像處理算法。首先

2、對從硬件系統(tǒng)中采集到的罐蓋圖進(jìn)行濾波和圖像輪廓提取工作，然后分別用四種不同的算法來提取輪廓的中心，把圖像按區(qū)域劃分成罐蓋罐口、注膠區(qū)域、內(nèi)圓區(qū)域等三個主要區(qū)域，最后綜合一系列圖像處理算法對這三個區(qū)域進(jìn)行檢測。
　　(2)提出了一種用遺傳算法和非線性規(guī)劃的圓度誤差測量算法。通過研究圓形算法檢測理論發(fā)現(xiàn)，常用于圖像處理技術(shù)中的Hough變換、最小二乘法和遺傳算法在圖像圓形檢測中存在著諸多不足。其中，Hough變換由于自身檢測速度太慢的

3、問題明顯不能滿足工業(yè)檢測的實(shí)時性；最小二乘法雖然克服了Hough變換檢測速度慢的問題，但無法排除干擾點(diǎn)影響；遺傳算法是一種尋優(yōu)算法，但也存在速度太慢的劣勢，而且往往只能搜索到問題的次優(yōu)解；而非線性規(guī)劃方法剛好具備較強(qiáng)的局部尋優(yōu)能力。綜上，本文提出了一種基于遺傳算法和非線性規(guī)劃的圓度誤差測量方法，實(shí)驗(yàn)發(fā)現(xiàn)該方法可快速收斂，并且計(jì)算精確，在圓度誤差的測量中起到了很好的作用。
　　(3)提出了一種基于極限學(xué)習(xí)機(jī)的罐蓋缺陷檢測算法。運(yùn)用圖

4、像處理知識提取罐蓋圖像形態(tài)特征13個、頻域紋理特征10個、空域紋理特征32個，共55個參數(shù)特征，采用極限學(xué)習(xí)機(jī)建立罐蓋缺陷分類模型，并且與 BP神經(jīng)網(wǎng)絡(luò)和LVQ神經(jīng)網(wǎng)絡(luò)兩種分類效果進(jìn)行對比。實(shí)驗(yàn)表明：該算法能很好的區(qū)分出有缺陷的罐蓋，判斷準(zhǔn)確率達(dá)到97％，能夠?qū)崿F(xiàn)生產(chǎn)線上罐蓋的有效分類。缺陷檢測的速度可達(dá)到10個每秒，為罐蓋的缺陷生產(chǎn)線在線檢測提供了很好的支持。
　　(4)開發(fā)了缺陷檢測系統(tǒng)軟件。在有大量樣本的基礎(chǔ)上，針對需求分析