学位论文 > 优秀研究生学位论文题录展示

基于机器视觉的零件表面缺陷检测

作　者: 陈少平
导　师: 张桂梅
学　校: 南昌航空大学
专　业: 航空宇航制造工程
关键词: 机器视觉缺陷检测小波变换 Otsu法 BP神经网络
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 156次
引　用: 0次
阅　读: 论文下载

内容摘要

零件缺陷检测是保证零件使用安全的重要手段。传统的检测由人工完成，工作量大，且易受到检测人员主观因素的影响，很难保证检测的效率与精度。用机器视觉检测方法可提高生产效率和生产的自动化生产程度。本文以常见的轴类零件和齿轮零件为研究对象，主要研究了图像背景的分割，零件表面缺陷的提取、缺陷的特征参数提取和分类识别。本文首先在详细分析零件图像特点的基础上，提出了双结构元素的形态学背景分割，将线形结构元素和圆盘形结构元素分别用于图像的开闭运算。该算法结合了线形结构元素和圆盘形结构元素各自的优点。理论分析和仿真实验证明，改进的算法能够较好的去除图像背景，并且保证了零件的清晰完整。提出了一种新的分割算法提取零件的表面缺陷，将小波变换理论应用到Otsu算法中。在用形态学的方法去除零件图像的背景之后，选择单层小波系数分解目标图像，再将分解后的图像进行低频重构，去除冗余信息和噪声；最后利用Otsu阈值分割对缺陷进行提取。实验证明，本文的算法优于经典的Otsu算法，具有分割精度高，抗噪性能强的优点。此外我们还对提取出的缺陷图像进行了后处理，应用形态学的方法对孔洞缺陷进行填充，提出了基于小波变换的Canny边缘检测算法，不仅消除了杂点的影响，还很好的检测出了缺陷的边缘。本文提出了缺陷特征参数的提取方法，设计了适合本文的BP神经网络分类器。首先提取了零件表面缺陷的23种纹理特征和几何特征，根据提取的特征参数提出了零件质量等级评定标准；为了减少计算复杂度，采用了主成分分析的方法将特征参数将进行降维，并建立了相应的特征参数库，以这些特征参数作为BP神经网络的输入，设计了单隐层结构的BP神经网络分类器；并且选用了905个测试样本对该识别器进行测试，结果识别率达到86.2%。最后，本文对缺陷检测系统进行了总体设计，重点对检测系统软件进行设计。整个软件系统包括图像输入模块、图像处理模块、缺陷后处理模块、缺陷分类和零件质量等级判定模块，并对每个模块所包含的子模块的功能进行了讨论。通过系统的总体设计，最终对零件进行了缺陷的分类和质量等级评定，实验表明，该系统具有良好的检测效果。

全文目录

摘要  4-6
Abstract  6-8
目录  8-10
第1章绪论  10-16
  1.1 研究的背景及意义  10-11
  1.2 国内外研究现状  11-12
  1.3 存在的问题和发展趋势  12-13
  1.4 本文的主要研究内容和安排  13-14
  1.5 本章小结  14-16
第2章零件图像背景分割  16-26
  2.1 引言  16
  2.2 零件图像的特点分析  16-18
  2.3 传统的形态学背景分割  18-21
    2.3.1 算法介绍  18-19
    2.3.2 实验结果及分析  19-21
  2.4 改进的形态学背景分割  21-24
    2.4.1 算法步骤  21-22
    2.4.2 实验及结果分析  22-24
  2.5 本章小结  24-26
第3章零件表面缺陷分割  26-50
  3.1 引言  26
  3.2 图像增强  26-28
    3.2.1 直方图均衡化  27
    3.2.2 实验结果及分析  27-28
  3.3 经典的阈值分割方法  28-34
    3.3.1 人工选择阈值法  29
    3.3.2 迭代阈值分割法  29-30
    3.3.3 一维Otsu阈值分割法  30-31
    3.3.4 二维Otsu阈值分割法  31-32
    3.3.5 实验及结果分析  32-34
  3.4 本文提出的零件表面缺陷分割算法  34-43
    3.4.1 一维连续小波变换  34-35
    3.4.2 离散小波变换  35
    3.4.3 多分辨率分析  35-36
    3.4.4 具体算法步骤  36-37
    3.4.5 实验及结果分析  37-43
  3.5 缺陷后处理  43-48
    3.5.1 形态学处理  43-44
    3.5.2 二值图像边缘检测  44-47
    3.5.3 实验及结果分析  47-48
  3.6 本章小结  48-50
第4章特征提取和缺陷识别  50-72
  4.1 引言  50
  4.2 特征的分类  50-52
  4.3 缺陷特征的提取  52-58
    4.3.1 几何特征的提取  52-55
    4.3.2 纹理特征的提取  55-58
    4.3.3 零件质量等级评定  58
  4.4 特征参数库的建立  58-60
  4.5 缺陷识别和分类  60-70
    4.5.1 BP算法原理  61-65
    4.5.2 BP神经网络的训练  65-67
    4.5.3 BP分类器的设计  67-70
  4.6 实验及结果分析  70
  4.7 本章小结  70-72
第5章零件缺陷检测系统的总体设计  72-80
  5.1 引言  72
  5.2 硬件设计  72-75
    5.2.1 光源  72-73
    5.2.2 CCD摄像机  73-74
    5.2.3 平台的搭建  74-75
  5.3 软件设计  75-78
    5.3.1 开发环境  75
    5.3.2 软件结构设计  75-78
  5.4 本章小结  78-80
第6章总结与展望  80-82
  6.1 本文工作总结  80-81
  6.2 展望  81-82
参考文献  82-85
攻读硕士学位期间发表的论文和参加科研情况  85-86
致谢  86-87

基于机器视觉的零件表面缺陷检测

内容摘要

全文目录

相似论文