基于機器視覺和GPU的工件表面缺陷檢測高性能算法的研究.pdf

1、金屬工件表面的質(zhì)量是保證其產(chǎn)品質(zhì)量和商業(yè)價值的重要組成部分。為了克服傳統(tǒng)檢測手段的不足,本文引用機器視覺檢測技術實現(xiàn)工件表面質(zhì)量的自動監(jiān)測。機器視覺具有非接觸、實時、精度高等優(yōu)點,廣泛的應用于各個領域。本文提出了兩個關鍵的要素,即保證檢測的精度和實時性,論文圍繞這兩個要素展開進行算法設計。視覺技術主要利用數(shù)字圖像處理作為算法和設計的關鍵,檢測主要包括圖像混合噪聲濾波,圖像分割與二值化,缺陷特征提取,缺陷識別與分類等關鍵技術。為了實現(xiàn)實時

2、在線檢測的需求,本文結合并行計算理論,提出了整個算法的設計思路,并通過實驗對思路進行了驗證。
　　1、完成系統(tǒng)硬件平臺的搭建,并對其中關鍵技術進行討論。對系統(tǒng)中的照明方案、攝像機和鏡頭的選型、圖像處理單元等進行了詳細的分析,在搭建好的平臺上獲取工件的最佳表面圖片。
　　2、完成核心算法的設計。在MATLAB仿真平臺上對圖像進行混合噪聲濾波,提出了灰度數(shù)字形態(tài)學濾波,采用正交的模板對圖像進行形態(tài)學運算,實驗對比傳統(tǒng)的算子驗證本

3、算子的最優(yōu)比。缺陷的檢測需要分割感興趣的圖像區(qū)域,本文采用了簡單易行的差影法,在對差影后的圖像進行二值化時采用OSTU法確定分割閾值。對缺陷的標記方便后續(xù)的識別和分類,8連通標記法能夠滿足缺陷的標記。為了量化缺陷區(qū)域,采用灰度特征、形態(tài)特征、紋理特征、投影特征等量進行優(yōu)化表征缺陷的大部分信息。最后采用對缺陷識別與分類比較有優(yōu)勢的BP神經(jīng)網(wǎng)絡作為分類器。對設計的算法進行驗證,數(shù)據(jù)表明能夠確保檢測的精度。
　　3、實時在線檢測的關鍵是