王小艺[1]2003年在《一种工件表面缺陷检测新方法的研究与系统实现》文中研究指明目前，误差分离理论及其应用技术的研究正处在进一步深入和完善之中，涡流无损检测的方法也正处于兴起并发展阶段。这两种技术的研究是在圆度测量和无损检测两个领域中分别进行的。本课题首次应用误差分离理论提出了对轴(孔)类工件表面缺陷进行涡流无损检测的新方法和新技术，建立了基于该方法的提取轴(孔)类工件表面缺陷的数学模型，并设计了“轴承滚子表面缺陷涡流自动化检测系统”。该系统可以实时快速地同时进行轴承工件的长度误差、直径误差、圆度误差及表面缺陷误差的精密检测，并应用几种不同的评判算法，得到各种误差的质量评判结果。解决了轴(孔)类工件表面缺陷无损检测的难题。经实验证明该系统及相应评判算法是正确的和可行的。 本论文就该系统的检测原理、硬件及软件设计和相应评判算法分别进行介绍。第一，本文论述了该课题研究的必要性及应用开发的价值：第二，简要介绍了基于误差分离理论建立起来的提取轴(孔)类工件表面缺陷的数学模型；第叁，对该系统的硬件和软件设计分别进行说明；第四，运用模式识别和神经网络等方法建立轴承工件表面缺陷评判模型和算法，并给出了各种评判方法的比较。最后，就该系统存在的不足和需要完善方面进行说明。
赵君爱[2]2016年在《基于图像处理的工件表面缺陷检测理论与方法研究》文中研究表明工件表面质量是衡量产品质量的重要指标之一,不仅决定了其在市场中的价值,并且直接影响其后续的深加工或机械零部件在工作中的安全性和稳定性。因此,对工件表面进行检测越来越多地受到生产部门的重视。目前,工件表面质量检测采用的方法有传统的人工检测和无损检测技术,而这些检测方法存在效率低、或成本高、智能化程度低等局限性。近年来,随着计算机技术的迅猛发展,以图像处理技术为基础的机器视觉技术在工件表面缺陷检测中的优势越来越明显,其在工业中的应用得到了快速发展。基于图像处理的工件表面缺陷检测技术主要包括图像采集、图像预处理、缺陷目标分割以及目标的特征提取和识别等过程。在这些过程中,传统的计算方法仍存在较多问题:第一,在图像预处理阶段的滤波过程中,传统的滤波算法在抑制高密度噪声时,在保留图像细节和噪声滤除之间存在着矛盾;第二,在缺陷目标分割时,传统的阈值法等分割方法对于复杂背景下微弱目标的分割无能为力;第叁,在目标的特征提取过程中,传统的特征提取方法难以兼顾数据集的全局和局部结构信息。因此,如何进一步提高这些传统算法的综合性能,并将其应用于工业生产实践中是本文首要研究和解决的问题。对此,本论文主要进行了以下几个方面的研究:(1)针对传统滤波算法不能兼顾噪声抑制和保护图像细节的问题,提出了基于加权的中值和均值滤波方法。该算法设计出了权重与噪声密度间的关系表达式,可根据椒盐噪声密度的变化情况,自适应的确定权重α,使算法能适应于任意密度的椒盐噪声;此外,提出的滤波算法采用小窗口滤波,并融合了中值滤波算法和均值滤波算法的优势,使得算法在抑制噪声的同时图像中的细节分量也能得到较好保存。将提出的算法应用Lena图像和工件表面缺陷图像滤波,实验结果表明了该滤波方法在抑制噪声方面的可行性。(2)针对单一阈值等分割算法对背景灰度分布不均图像中微弱目标分割精度低的问题,提出了基于像元搜索的目标分割算法。该算法首先采用分块措施,并排除不包含目标的图像块,以提高目标的搜索速度;采用遍历像元,通过计算相邻像元间的灰度差值以确定当前像元的归属区域的策略,解决了传统的阈值分割方法对微弱目标分割无能为力的问题。在工件表面微弱缺陷分割实验中,成功分割出了缺陷目标,证明了算法的有效性。(3)针对传统的目标分割方法对微弱目标在复杂背景下分割难,对噪声敏感等问题,提出了基于改进数据场的FCM聚类的目标分割方法。该算法采用改进数据场建立的图像数据场,达到了均衡图像背景的目的,并为FCM算法中初始聚类中心的选择提供了依据;提出了联合数据场的势值和灰度图的方差共同改进FCM算法中的隶属度函数,在一定程度上缓解了目标内部及边缘不连续的问题;同时算法在聚类过程中,提出了以图像数据场为主体,以灰度图像为辅的联合模式进行目标分割,避免了由于灰度图像背景灰度分布不均导致的分割失败;此外,算法中引入了像元邻域间的制约关系,使算法对噪声具有一定的鲁棒性;与相关算法进行比较,实验结果表明基于改进数据场的FCM聚类分割算法对复杂背景下微弱目标的分割具有一定优势,同时具有一定的抗噪性。(4)针对LPP算法中近邻数k难以确定的问题,提出了基于模糊k近邻的LPP特征提取算法。该算法通过计算两样本间的隶属度值,以自适应地确定每个样本的近邻域和近邻数k,为LPP算法中近邻数的选择提供了依据,优化了 LPP特征提取算法。在灰度图和二值图像的实验中,证明了提出算法的可行性。(5)针对传统的特征提取算法对噪声敏感,且不能兼顾高维数据集的全局和局部结构信息等问题,提出了基于多尺度变换的全局-核局部保持嵌入特征提取算法。采用curvelet变换把图像分解到频域空间中,在一定程度上降低了算法对噪声的敏感性;针对LLE算法没有明晰的投影矩阵、LPP算法不能发现高维数据的非线性结构的特点,提出了融合LPP和LLE算法的维数约简方法,以保持样本的邻域结构信息;为了能够全面的描述样本特征信息,提出了融合PCA、LPP和LLE方法,并引入了核函数K和系数矩阵S,使算法能够适应非线性数据集的同时避免了矩阵奇异性的问题。通过Swiss-roll数据集实验,验证了提出算法在保持数据集全局和局部结构信息方面的有效性;工件表面缺陷图像库和二值图像库的实验,验证该算法在特征提取和识别方面的有效性。
韦衍[3]2012年在《工件表面质量缺陷的无损视觉检测关键技术研究》文中认为为了实现在线检测切削加工过程中形成的工件表面质量缺陷，采用基于机器视觉的无损视觉检测技术作为检测方法是一种可行方案。本文就实现工件表面质量缺陷无损视觉检测的部分关键技术进行研究，主要包括工件表面质量缺陷图像采集软硬件平台的搭建，图像纹理分析方法，图像去噪方法和图像分割方法等方面。1、选用Microvision系列产品（包括工件放置平台、工业数字摄像机、图像数据采集卡和光源等）搭建机器视觉系统的图像采集硬件平台；采用德国MVtec公司的HALCON软件作为机器视觉系统的图像采集程序开发平台。2、通过比较分析，选择基于多元统计的叁种图像纹理分析方法（主成分分析法、奇异值分解法和非负矩阵分解法）作为抑制工件表面纹理背景对缺陷检测干扰的方法。通过对Brodatz图像数据库中纹理图像的处理仿真验证了所选方法的可行性。3、分别采用叁种多元统计图像纹理分析方法抑制工件表面纹理背景。提出基于曲率和比率阈值的思想，分别确定叁种多元统计图像纹理分析方法中的关键参数。提出采用SSIM作为叁种多元统计图像纹理分析方法抑制工件表面纹理背景效果的评价指标。4、首先采用空间域图像去噪法（Wiener滤波法）平滑在抑制工件表面纹理背景过程中引入的噪声；然后选择基于区域生长的图像分割法从工件表面纹理背景中分割提取出缺陷区域；最后采用数学形态法对二值化图像进行噪声滤波。图像处理结果表明，通过本文提出的方法可以分割出效果理想的工件表面质量缺陷区域，对实现工件表面质量缺陷的无损视觉检测具有指导意义。
任勇勇[4]2013年在《基于传感器信号及表面纹理的工件表面缺陷检测》文中指出在批量工件加工过程中，为了实现工件加工质量的分类及表面缺陷的定位，本文采集钻削加工过程中主轴功率信号与孔剖面图作为论文研究的素材。采用PCA方法将监测信号AMT特征信息与表面质量进行关联，根据特征信息量大小完成加工质量的分类；并根据表面纹理方向特征的变化规律，实现表面缺陷的定位。以功率信号AMT特征及表面纹理特征的提取作为论文的研究主线，研究主要内容包括功率信号以及图像采集硬件平台的设计与搭建，功率信号预处理及AMT特征提取，图像预处理及纹理局部方向特征提取。本文具体从以下几个方面进行研究：1.选用KT5A/P型霍尔功率传感器采集加工过程中的功率监测信号；选择Microvision系列产品（包括工件放置平台、工业数字像机、图像数据采集卡与照明装置）搭建工件表面图像采集硬件平台；采用德国MVtec公司的HALCON软件作为工件表面图像采集程序开发平台。2.对加工过程中主轴功率信号进行z-score标准化和分段处理，利用改进的AMT算法提取其从局部到全局的尺度特征；然后采用主成分分析法进行特征降维，将特征的主成分信息与工件表面加工质量进行关联，利用主成分信息量的大小完成对工件表面加工质量的分类；最后通过与人工检测结果对比，验证了该方法的可靠性。3.文章综合分析经典PCA算法在纹理图像缺陷分割中的不足，在不增加算法复杂度和计算量的基础上，对经典PCA算法改进，减小了PCA算法对光照局部不均匀的敏感性，改善了基于阈值方法的缺陷分割效果，为纹理特征信息提取做准备。4.通过分析传统的表面纹理特征在表示工件表面缺陷上的局限性，论文提出了新的纹理方向特征来分析表面缺陷，并考虑到图像采集过程中所存在的噪声干扰，设计滤波器对图像进行滤波，并且基于图像处理技术对纹理图像进行增强。5.在工件加工质量分类的基础上，通过建模提取工件表面纹理的局部方向特征，建立纹理局部方向特征与表面缺陷位置的对应关系，然后根据局部方向特征的变化，确定工件表面存在缺陷的位置。综上所述，本文实现了基于功率检测信号AMT特征主成分信息量的工件加工质量分类，并根据工件表面纹理方向特征，实现了表面缺陷的定位。在与人工检测对比以及MATLAB软件模拟中，验证了论文方法的可行性。
雷巧利[5]2011年在《基于LabVIEW的机器视觉测量技术及应用》文中指出随着计算机技术的发展,机器视觉技术在工业在线检测中的优势越来越明显。由于机器视觉技术具有非接触、不疲劳等人工检测无法比拟的优点,可以大幅降低检测成本、提高生产效率、提高产品的质量,从而提高产品的附加值,因而在工业检测领域得到了广泛的应用。但在缺陷检测方面,由于缺陷生成的机理较为复杂,缺陷表现形式多样化,因此要更普遍、成功地应用机器视觉技术还有许多难题必须研究和解决。本文在参考国内外相关文献和技术成果的基础上,以小型金属工件为例,研究了小型金属部件表面缺陷的检测原理和方法,并开发了相关的检测系统。该系统以机器视觉理论为基础,采用高分辨率面阵CCD摄像器件,并具有较完备的软、硬件配置和功能。本文首先针对本课题缺陷的特点设计了机器视觉缺陷检测系统软硬件方案,并对软硬件组成做了详细的介绍。在系统的软件设计方面,首先分析了检测系统中常用的图像处理基本算法。然后,通过对阈值分割算法的深入研究,提出了适用于本系统的改进最大类间方差法,并且在分析常用模板匹配算法的基础上,重点研究了IMAQ Vision中的模板匹配新技术,以实现图像模板的自动定位。在检测的最后,对工件表面的目标进行统计和特征提取,进而判别工件的好坏。在硬件方面,选择了合适的相机和图像采集卡,通过对常用光源照明方法的分析对比,选择了LED光源。最后,基于LabVIEW平台和NI的视觉开发模块,实现了一套机器视觉检测系统。
梁智聪[6]2018年在《基于卷积神经网络的工件表面缺陷检测系统》文中研究说明基于数字图像处理和机器视觉的自动化缺陷检测技术由于具有检测速度快、人工成本低和检测结果稳定可靠等特点,被广泛地应用于缺陷检测领域。但是在许多产品的缺陷检测中,由于图像的结构复杂,传统的计算机视觉技术很难提取到合适的特征向量,检测效果不佳。在这种情况下,神经网络技术是一种更好的选择。通过设计深层的卷积神经网络结构,神经网络将获得很好的学习能力和特征表达能力,可以提取到图像的深层次特征,大大提高缺陷检测的准确率。本课题选择采用卷积神经网络作为工件缺陷检测的主要方法,并设计整体系统以实现检测过程的自动化,具有重要的学术和应用价值。为了对工件表面状况不一的缺陷进行准确的检测,本文设计了一套缺陷检测系统,包括硬件部分和软件部分。系统的硬件部分用于获取高质量的工件图片,而软件部分包括工件图像的缺陷区域分割、分割后工件图像的特征提取以及工件质量的最终判别叁个部分,其中工件图像的缺陷区域分割算法是整个系统设计中最重要的部分。由于传统的图像分割算法难以达到本系统的设计要求,所以本文提出使用语义分割网络作为工件图像的缺陷区域分割算法,并依据工件的缺陷特征设计了用于工件图像缺陷区域分割的语义分割网络,缺陷分割网络DSN。该网络的功能是使原图中的缺陷区域在结果图中被标记为特定的像素值,而图中的非缺陷区域像素值保持不变,以此达到区域分割的效果。然后利用生成式对抗网络模型训练缺陷分割网络,使其获得更好的工件图像处理性能。通过对比实验,验证了利用生成式对抗模型训练的缺陷分割网络具有良好的缺陷检测能力,并确定了最适合本项目的缺陷分割网络结构。
郭皓然[7]2018年在《高亮回转表面缺陷识别方法的研究》文中进行了进一步梳理当代工业自动化中,机械零部件的设计指标及质检随着其制造过程的高性能化与高速化而日趋严格。其中,表面质量检测作为甄别金属产品优劣与否的重要指标,直接影响着众多器件产品的用户体验、使用性能及使用寿命。当下,图像检测技术的运用已成为表面缺陷检测的主流,研发道路方兴未艾,适逢其会。据此,本文以具有高亮回转表面的工件为实验对象,遵循低成本、低时延、模块化的原则,展开表面缺陷识别方法的研究工作。本文在综述国内外关于金属表面缺陷检测系统及相关技术的研究现状和发展趋势的基础上,综合利用精密仪器、图像处理技术、计算机等学科技术,独立完成了高亮回转表面缺陷识别算法的设计,同时对所涉及的高亮表面缺陷检测、缺陷图像预处理、图像分割、图像识别与分类、表征缺陷数据管理与数据分析等部分进行了研究。第一,图像处理中的图像分割和识别是图像检测需要解决的关键问题。为此,本文将传统检测算子分步抽象为若干环节,提出了一种具备一定阈值自适应调整的高亮表面缺陷识别算法,使得在满足检测需求的前提下,实现对高亮回转表面缺陷的识别。该方法在构造兼顾空域信息和值域信息的滤波方式的基础上,对待测原始图像进行滤波预处理,其最终目的是保护缺陷目标的边缘信息;其次,以高斯函数的一阶导数构建Canny最优边缘检测器,完成对图像的行列微分滤波处理以及梯度非极大值抑制操作,以达到图像初步分割;同时,利用最大类间方差法为图像提供了优化阈值,将初步分割的结果划分为目标缺陷和噪声背景,缺陷对象最终以二值化的图像形式呈现;最后,在误差允许的范围内对识别结果进行形态学操作,以得到缺陷目标的最终状态。第二,为了完成缺陷识别和分类,详细分析了缺陷信息包含的各类表征因子,完成对缺陷表征参数的定义,结果以缺陷表征数据表的形式呈现,并举例分析了如何对既定的缺陷图像进行缺陷识别和数据处理,从而为后续的定量分析提供了数据支持。第叁,针对缺陷识别准确度和识别效率等要求,在引入叁类实验图像的基础上,完成了相关缺陷识别实验。基于常规相机捕捉到的普通图完成了缺陷识别分步实验,其实验结果表明,提出的的算法切实可行;基于缺陷表征数据和本文缺陷检测平台所捕捉到的条纹实验图,完成了缺陷识别分类实验,其实验结果表明,本本算法具备较优的缺陷识别效果；在引入部分代表性算法和图像误检率概念的基础上,基于标准二值掩码图像完成了缺陷识别对比实验,其实验结果表面本文算法的准确性较高,检测结果的误差小,对比实验从侧面反映了本文算法的识别效果较优。另外,本文所提出的方法对于其它工件表面检测技术的研究也具有重要的参考价值。
聂振宇[8]2013年在《金属部件表面缺陷视觉检测系统研究》文中研究指明在工业化大批量生产的情况下,传统的人工检测因其速度慢、易受工人状态影响等缺点并不能满足现代工业质量检测的需要,对基于机器视觉的工业检测的研究已经越来越多。金属部件往往体积小,形状复杂,其表面检测方案与钢板检测等区别较大,相关研究和实际应用案例还比较少。同时,在现有的工业检测项目中,新工件的检测往往意味着研发一套新的检测系统,对人力物力都是一种浪费。针对这些问题,本文设计并实现了金属部件表面缺陷视觉检测系统。对系统进行需求分析,并据此设计了系统的软硬件结构。工件的检测由系统的软硬件协同完成,其中单片机对机械设备进行控制,间接控制工件的运动；工控机对光源、采集卡等进行控制,通过与单片机的通信协调工件的运动并对其进行拍摄；采集到的图像由工控机上的软件部分进行检测。对照明方案进行分析,了解各种照明方式的原理与适用场合,针对实际应用中手机金属外框表面缺陷检测,设计了多方向、多相机、明暗场照明相结合、同一工件多次拍摄的采集方案。针对金属部件形状复杂的特点,设计了基于先验知识和组态建模的感兴趣区域提取方案。通过先验知识的运用降低了感兴趣区域匹配定位的计算量和难度,使用基于组态的建模方案和面向对象技术以及XML文件相结合,使得系统能够适应形状复杂的工件,并且在遇到未知的形状时具有良好的扩展性和适应性。对检测流程进行分析,设计了基于组态、易于并行、可自动消除检测过程中重复计算的运行机制。通过将检测算法组态化,使系统可在低粒度上并行执行检测算法,设计了可自动消除检测算法中重复计算部分的算法,使系统可自动对检测算法进行优化,将检测算法作为插件的设计使得系统可以不断对系统进行扩展,适应新的未知缺陷。实现了金属部件表面缺陷视觉检测系统,开发出样机并在手机外壳表面缺陷检测项目上进行试用,验证了其可行性。图30幅,表3个,参考文献53篇。
吴彰良[9]2013年在《油封表面缺陷自动在线图像检测关键技术研究》文中认为随着工业生产自动化程度的不断提高，如何实现对多品种、大批量生产过程的实时在线检测一直是工业领域的难题和企业生产追求的目标。本课题结合油封企业的生产现状，依据企业产品质量标准，针对其提出的油封产品在线检测具体指标要求，设计搭建了油封缺陷的在线图像检测系统，以图像拼接与ROI分割、缺陷边缘检测以及缺陷分类识别为主线，对油封表面缺陷的图像检测技术理论与方法进行了系统深入的研究，提出了一系列针对性的、快速可靠的图像处理算法，形成了较为完整的油封缺陷在线检测的方法体系，并通过实验进行了对比分析。本文的主要研究工作如下：1）结合油封外观质量标准及企业生产要求，制定了油封在线图像检测系统的性能量化指标；设计了基于工业面阵CCD相机的远心光路图像采集系统、LED环形低角度照明系统以及油封夹持旋转机构，实现油封幅面圆周等分割成像采集，以满足高速、宽尺寸范围、高分辨率的检测要求，解决了成像视场范围和分辨力与系统硬件要求之间的优化配置问题。2）研究了图像配准和融合不同技术方法，针对油封环带等分子图像采集过程特点，借助旋转机构精密传动子系统的先验知识，通过刚性变换实现大尺寸油封的序列子图像的完整无缝拼接；考虑到油封不同环带区域的质量要求不一样，同一类型缺陷的量化指标差异较大，结合圆参数拟合和先验知识实现对油封图像ROI分割，以便后续图像处理。3）针对油封表面缺陷的特点及系统指标要求，研究了油封缺陷边缘检测的不同方法，并做了对比分析。利用小波变换的良好时频分析特性，提出了改进阈值的小波局部模极大值油封边缘检测方法；同时由于彩色图像的包含更多的边缘信息，提出了基于不同彩色空间的油封缺陷边缘检测方法；不同方法有着不同的特性表现。4）在分析油封表面不同类型缺陷的特点的基础上，定义了各类缺陷的不同特征参数空间，利用主分量分析方法对油封缺陷进行了有效特征抽取；研究探讨了支持向量机分类识别方法，对油封端面及唇口区域分别构建分类器，实现油封表面缺陷分类识别。
傅骏[10]2014年在《基于机器视觉的汽车换热器尺寸测量及外观检测系统设计》文中研究表明机器视觉在产品自动检测上有着不可替代的作用,它具有检测速度快、精度高、非接触性等特点。本文在了解机器视觉的基本原理和查阅有关尺寸测量和缺陷检测文献的基础上,完成了对汽车换热器尺寸测量和表面缺陷检测算法的设计,并搭建检测平台,开发了一套基于机器视觉的汽车换热器检测系统的软件。论文的主要内容包括：(1)完成了对汽车换热器检测系统上硬件的设计。根据检测系统性能要求,对检测系统的硬件进行了选型,具体包括光源、相机、镜头、千兆网卡和工控机等,并在实验室搭建了检测平台,采集了实际的换热器图像。(2)针对实际测量的需要,研究了一些基于机器视觉的直线和圆检测算法,确定了合理的尺寸测量算法,具体包括：Hough变换检测直线和圆、基于点标定的圆检测、小圆孔的检测算法以及亚像素级的直线检测(改进的拉格朗日插值法和高斯曲线拟合法)等,并分别采用计算机产生的标准直线图像对亚像素级直线检测算法和采用圆形工件图像对基于点标定的圆拟合算法进行精度测试。最后运用相关算法对采集到的汽车换热器图像上的直线、圆柱孔和小圆孔区域进行了测量。(3)采用基于机器视觉的方法对汽车换热器图像中表面纹理区域的缺陷进行了检测,主要研究了灰度共生矩阵法、直接阈值法和基于傅立叶变换滤波的阈值法。灰度共生矩阵法先计算图像的灰度共生阵的特征值,然后对得到的特征值分别采用BP神经网络分类器和规则分类器进行分类。阈值法在滤波后选用合适的阈值二值化,接着分别采用不同的结构元素进行形态学开操作,最后采用面积阈值来划分缺陷。论文对叁种方法的检测结果进行了分析和比较,完成了对汽车换热器上缺陷的检测。(4)开发了一套基于机器视觉的尺寸测量和缺陷检测软件,介绍了相关的软件设计过程。在VS2010的开发平台上,采用C++编程语言与开源机器视觉库OpenCV编写软件完成对汽车换热器上16个尺寸的测量和表面缺陷的检测。
参考文献：
[1]. 一种工件表面缺陷检测新方法的研究与系统实现[D]. 王小艺. 山西大学. 2003
[2]. 基于图像处理的工件表面缺陷检测理论与方法研究[D]. 赵君爱. 东南大学. 2016
[3]. 工件表面质量缺陷的无损视觉检测关键技术研究[D]. 韦衍. 湘潭大学. 2012
[4]. 基于传感器信号及表面纹理的工件表面缺陷检测[D]. 任勇勇. 湘潭大学. 2013
[5]. 基于LabVIEW的机器视觉测量技术及应用[D]. 雷巧利. 西安电子科技大学. 2011
[6]. 基于卷积神经网络的工件表面缺陷检测系统[D]. 梁智聪. 浙江大学. 2018
[7]. 高亮回转表面缺陷识别方法的研究[D]. 郭皓然. 西安理工大学. 2018
[8]. 金属部件表面缺陷视觉检测系统研究[D]. 聂振宇. 中南大学. 2013
[9]. 油封表面缺陷自动在线图像检测关键技术研究[D]. 吴彰良. 天津大学. 2013
[10]. 基于机器视觉的汽车换热器尺寸测量及外观检测系统设计[D]. 傅骏. 南京理工大学. 2014
标签：仪器仪表工业论文; 机器视觉论文; 图像分割论文; 特征提取论文; 阈值分割论文; 图像融合论文; 数字滤波论文; 数据滤波论文; 图像滤波论文; 图像噪声论文; 平滑滤波论文; 噪声分类论文; 信息加工论文; 图像处理论文;