鈦螺母外觀缺陷檢測(cè)關(guān)鍵算法研究與實(shí)現(xiàn).pdf

1、鈦螺母表面缺陷檢測(cè)技術(shù)是提高企業(yè)產(chǎn)品競(jìng)爭(zhēng)力、改進(jìn)生產(chǎn)工藝的關(guān)鍵技術(shù)之一，而傳統(tǒng)的表面缺陷檢測(cè)技術(shù)難以滿足高速生產(chǎn)需求，基于機(jī)器視覺(jué)的鈦螺母在線檢測(cè)系統(tǒng)的實(shí)現(xiàn)，保證了即時(shí)檢測(cè)零件的效率和精度。目前，雖然已有視覺(jué)檢測(cè)系統(tǒng)應(yīng)用在工業(yè)生產(chǎn)中，但基于機(jī)器視覺(jué)的鈦螺母表面缺陷在線檢測(cè)技術(shù)在國(guó)內(nèi)尚在研究和發(fā)展階段。本課題以鈦螺母的高速檢測(cè)為實(shí)例對(duì)象,研究基于機(jī)器視覺(jué)的鈦螺母缺陷檢測(cè)的關(guān)鍵算法，深入研究了鈦螺母邊緣檢測(cè)與區(qū)域分割算法，并對(duì)多種算法進(jìn)行試

2、驗(yàn)分析。具體研究?jī)?nèi)容分為以下幾點(diǎn)。
　　1.圖像預(yù)處理：本文首先對(duì)在線獲取的鈦螺母圖像進(jìn)行了預(yù)處理研究。預(yù)處理是圖像處理與分析的重要前期工作，直接影響圖像處理的精度。圖像預(yù)處理包括濾波（去噪）和增強(qiáng)兩部分。本文介紹了圖像噪聲的分類和模型，同時(shí)針對(duì)經(jīng)典濾波方法做了詳細(xì)介紹以及試驗(yàn)分析，之后又分別采用直方圖均衡化、Butterworth濾波以及基于模糊理論等多種圖像增強(qiáng)算法對(duì)鈦螺母圖像進(jìn)行處理，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比分析。
　　2

3、.圖像分割：本文在圖像分割研究中分為兩個(gè)部分：圖像目標(biāo)分割與目標(biāo)區(qū)域分割。其中，圖像目標(biāo)分割旨在將鈦螺母整體目標(biāo)從背景中完整提取出來(lái)，目標(biāo)區(qū)域分割是對(duì)提取出來(lái)的鈦螺母圖像進(jìn)行精確分割，分別分離出內(nèi)孔、端面與齒輪各部位。在圖像分割算法研究過(guò)程中，將要用到的圖像處理有：預(yù)處理、鈦螺母邊緣檢測(cè)、鈦螺母目標(biāo)提取、鈦螺母區(qū)域分割、缺陷特征提取等，其中，預(yù)處理將采用第一部分實(shí)驗(yàn)得出部分預(yù)處理算法及它們的結(jié)合，鈦螺母目標(biāo)提取分割采用了基于邊緣檢測(cè)的圖

4、像分割技術(shù)，鈦螺母區(qū)域分割采用結(jié)合模糊理論的種子區(qū)域生長(zhǎng)方法，最終實(shí)現(xiàn)鈦螺母不同區(qū)域特征完整提取，這是本文的研究重點(diǎn)。
　　3.缺陷檢測(cè)：鈦螺母表面缺陷包括端面缺陷、孔內(nèi)缺陷、齒輪缺陷三部分。本文首先針對(duì)不同區(qū)域進(jìn)行詳細(xì)的缺陷分類。然后結(jié)合SVM理論，針對(duì)每種缺陷，提取多種特征及其融合特征并分別用于SVM分類器，對(duì)相應(yīng)缺陷進(jìn)行檢測(cè)與識(shí)別。最終，根據(jù)實(shí)驗(yàn)的結(jié)果，對(duì)比每種特征的檢測(cè)率，在此基礎(chǔ)上提出適合鈦螺母缺陷檢測(cè)的最優(yōu)方案。