曾亚君[1]2017年在《基于图像识别的机械零件尺寸测量研究》文中进行了进一步梳理伴随着如今制造行业的飞速发展,工业测量技术也朝着高效率、高精度方向发展,人们慢慢发现,以往的人工测量方式已经无法达到当下测量的高效率、高精度要求。由于基于机器视觉的图像测量技术具有精度高、效率高、非接触式测量的优点,于是图像测量方法逐渐成为当下工业生产测量检测方面关注的热点。本文在分析图像测量技术的基础上,通过对传统图像识别技术的分析,研究了适合于本课题的改进算法,实现了基于图像识别的机械零件尺寸测量,具体研究工作如下:(1)研究分析了图像测量技术在现代机械零件测量中的重要性,以及发展现状和存在的问题。设计一种基于机器视觉的图像测量系统方案,并依据系统需求,选择了合适的相机、光源以及其他硬件设备等,搭建用于本课题中机械零件测量的双目视觉测量平台。(2)研究分析噪声的形成、类型以及对应的去噪技术,选择了适用于本课题的滤波方式。因为传统中值滤波算法比较难以实现,故在此对中值滤波的快速算法进行分析研究,实验结果表明该算法快速的实现了滤波。(3)以待测零件图像作为实验对象,研究分析了一些经典的算子,包括Sobel边缘检测算子、Canny边缘检测算子,以及传统形态学算子的基本原理,并通过多次试验对几种经典算子进行了对比分析研究。对传统的数学形态学算子进行了分析改进,试验表明,改进后的形态学梯度算子,可以有效地细化图像边缘。(4)对可以用于直线特征提取的Hough算法进行研究分析,包括其基本原理和算法步骤,运用Hough变换对本课题中的直线基元进行提取;为了提高精度,研究采用改进的亚像素定位技术,针对所研究的机械零件边缘图像的特点,提出了用直线边缘的多项式插值亚像素边缘定位方法,对待提取边缘实现了较准确的定位。(5)编程并调试运行环境,运行软件,进行多次试验。试验结果表明,本文提出的改进算法和实验方案可以较好实现机械零件尺寸的测量,并且改进算法较改进前精度有明显提高。最后,通过探索分析,在既得研究成果的基础上,对今后接下来的研究方向提出了思路。
郑丽丽[2]2004年在《基于图像识别的零件几何尺寸检测问题的研究》文中研究说明图像测量技术是以现代光学为基础，融光电子学、计算机图形学、信息处理、计算机视觉等科学技术为一体的现代测量技术。图像测量就是测量被测对象时，把图像当作检测和传递信息的手段或载体加以利用的测量方法，其目的是从图像中提取有用的信号。图像测量技术主要包括摄影测量、光测和利用图像传感器测量等很多测量方法。作为一种重要的非接触测量方法，它已经广泛地应用到外观检测、工业检测、生物医学等领域。本课题主要是用图像分析和处理的方法针对直线距离进行精密测量，进而拓展到一些特殊需要的几何尺寸的测量，例如：特大物体几何尺寸、无法接触到的地方的几何尺寸和利用目前的测量方法很难实现或过于复杂的几何尺寸的测量。本测量系统硬件主要由工作台、数码像机夹持及调整机构、光学系统、数码像机、图像采集卡和计算机组成，系统结构简图如图1所示。系统可分为图像获取、图像预处理和图像分析等环节。整个测量过程依据几何成像原理，即根据透镜成像原理建立物面与像面上对应点之间的几何对应关系，如图2所示。
冯维[3]2014年在《基于几何模型辅助的TFDS典型故障图像识别方法研究》文中指出近年来，随着国民经济的快速稳定发展，铁路作为国民经济的大动脉，正在经历跨越式发展的历程，传统的人工检测已经不能满足列车运行的安全性要求。货车故障轨边图像检测系统（TFDS）应运而生。其主要目的在于消除由人工检测所引起的不确定因素，提高货车故障检测的准确率和可靠性，从而实现故障从人工检测向人机结合检测或机控自动检测模式的转变，最终完全实现对货车故障的自动化检测。针对TFDS涉及车辆型号众多、零件类型复杂、故障特征各异以及识别要求严格的特点，本文重点研究基于几何模型辅助的TFDS典型故障图像自动识别方法，并结合图像的形状与灰度特征，将几何不变矩匹配算法应用到货车故障图像检测中，拟采用机器视觉代替人工检测，实现对TFDS典型故障的快速检测。首先，在研究CAD模型中组成零件的圆、直线等基本图元的图像识别方法基础上，借助直线斜率与夹角等几何关系提出椭圆、矩形、梯形以及其它多边形等复杂组合图元辅助定位或者故障判别的方法。其次，因光照、遮挡等干扰导致仅依靠灰度特征难以分割的零件，结合TFDS中较明显的零件几何轮廓，提出基于车辆CAD模型中零件形状特征及其相互间约束关系以辅助定位、识别TFDS图像中对应零件的方法，并运用该方法实现了对货车挡键丢失故障图像的自动化识别。此外，为克服单纯依靠几何模型辅助的零件定位及识别方法的不足，将基于几何不变矩的图像匹配方法成功应用到货车挡键故障图像识别上，取得了良好的实验效果，并与几何模型辅助零件定位及识别方法作了对比分析。最后，自主研发了一套TFDS故障动态图像识别系统。该系统适用于多种型号铁路列车的典型故障在线识别，实用简单，识别效率高，可靠性好，验证了所提出识别方法的有效性。本文提出的基于几何模型辅助零件定位及识别方法为解决货车典型故障图像的自动化识别提供了一种新的解决方案，为货车故障图像识别的工程化应用奠定了基础。
杨益[4]2011年在《基于图像处理的机械零件几何尺寸检测方法研究》文中研究指明机械零件几何形状和尺寸的自动测量一直是工业生产的重要环节,其检测结果直接影响着生产效率和产品质量。随着现代工业的发展和进步,传统的检测手段已不能完全满足现代化工业生产对机械零件测量精度和速度的高要求。基于图像处理的机械零件检测方法是现代化检测技术的发展趋势之一,具有高精度、非接触的特点。较之传统机械检测特别是对于微小机械尺寸、大型机械尺寸、复杂机械的结构尺寸和异形机械曲面尺寸检测中具有明显的优点。本文主要对机械制造业中复杂几何形状零件的二维尺寸测量技术做进一步的研究,总结归纳图像处理技术应用于此领域的通用性和特殊性的问题,并建立基于图像处理的零件几何尺寸检测系统。主要研究内容如下:(l)对几何形状尺寸测量中的常用的图像处理技术进行了研究、归纳和总结。如图像灰度化、图像滤波和区域分割等图像预处理技术,对图像的边缘检测技术等,并结合研究的实例进行了比较分析,以满足机械零件尺寸检测的需求。(2)通过对各种常见边缘提取算法的研究,选取canny算法快速有效地提取待测件的二维轮廓,并采用亚像素细分边缘技术细化轮廓信息,提高测量精度。(3)提出先进行边缘拟合,再通过拟合的零件边缘建立与被测参数对应关系的方法。通过研究待测零件轮廓中的直线、圆、多项式曲线的拟合数学模型,拟合待测零件边缘,并建立起拟合边缘与待测参数之间的相对关系,从而获得测量结果。(4)在实验室现有SVM250Ⅱ型影像测量机的基础上建立试验系统,获取被测零件二维图片,使用网格技术校正由摄像系统引起的图像畸变。选取外螺纹进行参数尺寸测量来验证上述算法。
邓小峰[5]2014年在《基于机器视觉的零件识别和测量系统研究》文中研究指明随着现代制造技术的进步，工业产品型号识别和尺寸测量技术也正向着网络化、高速化和高精度化方向发展，传统检测方法已经无法完全满足现代制造业的特殊要求，各行业在解决了生产自动化问题之后，开始寻求以机器视觉为基础的产品检测自动化和装配自动化。机器视觉检测技术具有非接触、精度高、速度快的优点，基于机器视觉的非接触识别和测量方法已成为精密测量技术的重要发展方向，机器视觉检测技术已成为工业界关注的热点之一。本文主要根据某工厂实际生产中的零件识别和测量要求研究了以下几个方面的内容：（1）分析了基于机器视觉的零件识别和测量技术的国内外研究现状。根据零件识别和测量要求设计了总体方案，完成了硬件组建和软件设计并进行通信调试，最终组建了一套基于机器视觉的零件识别和测量系统。（2）研究了针对零件图片进行的对比度增强、滤波、二值化、边缘检测、边缘形态学处理等图像预处理技术。分析了各种处理方法的基本原理，并给出了各种方法对零件图像的处理效果，为后续零件型号识别和尺寸测量做准备。（3）研究了据零件图像识别零件型号的方法。首先设计了零件总体识别方案，根据识别需求选择了可靠性较高的基于灰度的识别算法；接着针对该算法计算量较大的缺点，研究中提出了根据零件内、外圆直径进行二次分类同时划定匹配区域来提高匹配效率的方法；实际应用中待识别零件位置不固定并存在不同角度的旋转，为确保旋转后零件图像能与模板匹配，在识别过程中采用旋转模板图像产生不同方向模板匹配的方法，最后描述了图像模板制作方法和零件图像识别算法，同时给出了零件图像匹配识别步骤和识别结果，并对结果进行了分析。（4）研究了线性和非线性零件测量系统模型的标定原理和测量实验，根据标定确定的像平面坐标系和世界坐标系的对应关系，结合像平面坐标系与计算机图像坐标系的对应关系得到零件在计算机图像坐标系中的像素坐标与其在世界坐标系中物理坐标的对应关系，从而由零件的像素坐标得到其对应的物理坐标，最终经过换算得出零件的实际物理尺寸。描述了标定方法，给出了标定前后的实验效果对比图；采用标定后系统对零件进行了尺寸测量实验，并对测量结果进行了分析。
杨东[6]2017年在《基于长疲劳寿命的钛合金Ti6Al4V铣削加工表面完整性研究》文中研究说明航空航天和国防工业等领域中,钛合金的使用不仅能够满足零件轻量化的设计需要,还可以保证此类零件具有高可靠性和长寿命的服役性能。然而,钛合金所具有的弹性模量小、导热率低等的材料属性和α+β相混合的组织特征使得其成为典型的难加工材料。钛合金切削加工表面完整性的优化与控制是保障零件功能性能和使用寿命的关键性技术。以往的研究多以基于切削实验的加工表面完整性数据分析为主,针对切削加工表面完整性的产生与控制机理研究较少,对于切削加工表面完整性的物理力学本质仍缺乏深入的理解和认识。本文以钛合金Ti6Al4V侧铣加工为研究对象,采用工艺仿真和试验、加工表面完整性表征和预报与零件疲劳寿命分析相结合的系统研究方法,阐明钛合金铣削加工表面完整性的形成机理,揭示加工表面完整性与疲劳寿命的映射关系从而控制零件的使役性能。首先,对钛合金Ti6A14V侧铣加工表面形貌特征进行探究和分析,阐明切削工艺参数对加工表面缺陷和表面形貌参数的影响规律和控制机理,揭示侧铣加工表面形貌形成的几何、物理本质。针对切削加工表面缺陷种类多、分布随机、定量统计困难的问题,提出加工表面轮廓自相关分析方法实现切削加工表面缺陷的定量评价;通过直观分析、线性回归分析和敏感性分析相结合的方法获得加工表面形貌特征及其与切削工艺参数之间的响应规律;建立涵盖刀具参数(铣刀半径、螺旋角等)、切削工艺参数(切削速度和进给量)和误差因素(刀具安装误差和偏心等)等影响因素的侧铣加工表面形貌预报模型,实现侧铣加工表面形貌空间特征的参数化预报。研究结果表明:切削试验工艺参数范围内加工表面缺陷随切削速度的提高呈现先减少后增多的趋势,增大每齿进给量将导致表面缺陷的增多,优化切削深度对控制加工表面缺陷的作用并不显着;切削工艺参数中对加工表面形貌参数影响程度大小依次为每齿进给量、切削速度和径向切削深度;较大的铣刀半径可获得相对较小的加工表面轮廓高度和周期值;不等螺旋角的数值相差越大,加工表面粗糙度越大;随着铣刀偏心量的增大切削方向轮廓相邻两波峰间距增大,波峰-波谷高度差变大;偏心角会造成加工表面轮廓的平移,而对周期性特征和高度特征没有影响。其次,建立切削加工表面残余应力的理论解析模型、有限元仿真模型和混合预测模型,阐明切削力、热载荷对残余应力数值和分布范围的控制机理,揭示切削工艺参数、刀具几何参数对切削加工表面残余应力轮廓特征的影响规律。利用钛合金Ti6A14V侧铣加工实验分别对解析模型、有限元仿真模型和混合模型的有效性进行验证。研究结果表明:所建立模型在判断和分析切削残余应力性质和分布趋势特征时是合理有效的。刀具径向前角由-5°到5°变化时,切削方向压应力峰值变大,反向过渡深度减小,而残余应力影响深度无明显变化;切削宽度方向的压应力峰值变化不明显,反向过渡深度和残余应力影响深度均呈现减小趋势。刀具刃口钝圆半径由0.01 mm到0.03 mm变化时,切削方向和切削宽度方向的表面残余应力值逐渐增大,压应力峰值和反向过渡深度逐渐减小,而两个方向的残余应力影响深度均无明显变化。当切削速度或者每齿进给量较小时,切削加工表面易形成残余压应力,而随着切削速度和每齿进给量的增加,加工表面残余应力将由压应力向拉应力转变,加工表面之下的压应力峰值将减小,而反向过渡深度和残余应力影响深度增加。再次,针对钛合金Ti6A14V侧铣加工表面宏观塑性变形,建立切削加工表面塑性变形深度的预报模型,探索切削加工表面材料塑性应变的形成机理,阐明了切削加工表面塑性变形的物理力学本质。提出一种基于图像识别的双相钛合金金相体积分数定量描述方法,实现切削加工表面以下金相体积分数梯度分布的定量评价。利用金相识别技术,显微硬度测试等技术手段对加工表面微观组织特性进行探测,揭示切削工艺参数对加工表面晶粒细化、金相变化和显微硬度的影响规律。研究结果表明:切削加工表面的塑性应变量主要与工件材料的屈服强度、弹性模量、线性热膨胀系数和温度变化量有关,而塑性变形层的深度主要取决于切削力数值的大小;切削加工表面晶粒细化率和β相体积分数变化率与切削速度和径向切削深度成反比例关系;加工表面硬化率随切削速度和径向切削深度的增大而增大,每齿进给量对切削加工表面晶粒细化,β相体积分数的变化和加工表面硬化率的作用并不显著。最后,对钛合金Ti6A14V侧铣加工试样高、低周疲劳行为进行研究,揭示钛合金Ti6A14V试样断裂的宏观性质及其微观机理,分别分析低周疲劳(LCF)和高周疲劳(HCF)状态下铣削表面完整性参数对钛合金材料拉伸疲劳性能的作用机理和影响规律,并计算得到面向长疲劳寿命的钛合金Ti6A14V铣削工艺参数优选区间。研究结果表明:低周疲劳条件下断口疲劳源区呈现韧性断裂性质,而高周疲劳断口疲劳源区表现脆性断裂性质;对高周疲劳寿命影响最大的表面完整性参数是加工表面显微硬度;当加工表面残余应力满足松弛条件时,对低周疲劳寿命影响最大的是疲劳应力集中系数,当切削加工表面残余压应力不发生松弛时,残余应力对疲劳寿命的影响程度仅次于表面显微硬度,而高于疲劳应力集中系数的影响;面向钛合金材料长疲劳寿命的铣削工艺参数优选区间为切削速度20～50 m/min,每齿进给量0.02～0.03 mm/z和径向切削深度0.5～1.0 mm。
丁剑彪[7]2016年在《基于机器视觉的复杂塑件识别与检测技术研究》文中研究说明塑料零件具有价格低、密度小、减振降噪等优点,广泛应用于各种精密仪表和微机电产品中。由于塑料零件在成型过程中容易产生各种缺陷,因此需要对其进行检测以保证质量。目前国内多数厂商仍然采用人工检测的方式,传统的人工检测费时费力而且精度得不到保证,尤其当塑件外形较为复杂时,人工检测更显力不从心。为了提高生产效率与检测精度,本文将机器视觉应用于复杂塑件的识别与检测。机器视觉作为一种在线检测技术,通过图像采集设备将目标物体转换成图像信号,并对图像信号进行处理以得到目标物体的形态信息,具有效率高、自动化程度高、准确率高等优点。本文以机器视觉技术为基础,针对复杂塑件的外形与尺寸特点,进行了识别与检测方面的研究,主要研究内容如下：(1)基于复杂塑件识别与检测的需求,设计了识别与检测系统的整体方案。完成系统硬件的配置与实验平台的搭建。介绍了图像像素坐标系、图像物理坐标系、相机坐标系、全局坐标系及其相互关系,并根据相机成像模型,利用HALCON软件实现了相机内外参数的标定。(2)完成用于图像采集的硬件平台后,对原始图像进行了预处理以得到便于识别与检测的零件图像。研究了叁种常用滤波方法的原理及降噪效果,结果表明中值滤波对图像边缘的模糊最少；通过基于阈值的分割方法初步提取出了零件区域；利用形态学处理消除了图像中的孔洞和噪点。针对叁种常用边缘检测算法一—Canny算法、基于形态学的算法和一阶微分算法的优缺点,提出了一种改进的基于梯度算子的边缘检测算法。该算法检测出的边缘为单像素边缘,且噪声抑制效果好,漏检误检少,定位准确。(3)基于预处理结果,研究了同类型不同尺寸零件以及不同类型零件的识别方法,包括基于模版匹配和基于BP神经网络的图像识别方法。设计了用于模版匹配的灰度模版和边缘模版；基于采集到的样本图像,利用HALCON软件对神经网络进行了设计与训练,并使用训练完成后的神经网络对零件进行了分类识别实验。结果表明,两种识别方法准确率相当,但基于BP神经网络的识别方法耗时明显更少。(4)在视觉检测方面,以塑料齿轮为例,对其进行了基本外形参数的测量。使用多种方法求取了齿轮中心点坐标并将其平均值作为最终的中心点坐标。测量了其齿顶圆直径、齿根圆直径、齿数和齿距等参数,并使用这些参数判断齿轮是否有缺陷。(5)综合上述研究内容,以Visual C++ 2010为基础,结合HALCON、 OpenCV软件,设计和开发了视觉识别与检测系统。系统主要实现了图像采集、图像识别、齿轮尺寸测量和结果显示等功能。软件界面包含了实时视频、识别与检测结果、图像处理结果图以及操作四个窗口。系统实验结果表明,该系统识别准确、检测精度高,具有实际应用价值。
朱欢欢[8]2016年在《微小零件的图像识别及自动装配研究》文中指出随着微机电系统的日趋复杂,针对微小零件的装配也日益引起人们的关注。近年来,机器视觉技术逐步成熟,它以速度快、精度高以及非接触式测量等优点,在零件检测领域得到了广泛的应用。本系统采用基于多线程控制模式,实现了微小零件的自动化装配。本文具体研究内容如下:1.针对微小零件的装配问题,研究了微系统装配技术,并且对近年来国内外微小零件装配系统的研究现状进行了分析总结,详细研究了微小型零件图像识别及自动装配的关键技术。2.针对微小零件装配系统模块化的总体设计,通过调用XML文件保存的微小零件坐标位置,驱动电机、视觉系统及其他模块完成“吸附抓取-位姿调整-释放装配”叁步走的策略,实现微小零件自动化装配工艺流程。并对视觉识别系统的硬件选择进行详细阐述。3.首先研究了摄像机标定原理及张正友标定方法;然后,设计了实验,实验基于OpenCV库的在线标定,采用迭代算法提取亚像素角点,计算相机内外参数,及相机畸变,采用重投影计算标定误差;最后,通过计算畸变映射进行畸变矫正。4.首先利用各向异性双边滤波完成目标零件平滑,然后采用阈值分割和面积去噪相结合的方法提取目标区域,并添加了以NMI特征目标匹配和形状模板匹配判别,最后采用基于最小二乘拟合的位置预测对目标零件精确定位。5.将微小零件装配软件系统分为八个模块,通过创建类和面向对象的方式封装八个模块,采用多线程监听装配运行状态,然后,通过各个模块提供的接口函数、参数配置信息及识别定位信息,实现微小零件有序自动化装配。6.通过分析微小零件的图像识别与装配精度误差来源,设计了光源、吸附力、位姿调整和装配实验。经大量实验测得,横向和纵向装配间距配合误差均在0.007mm以内,可以很好的满足装配精度要求。
陈虹吉[9]2013年在《基于图像处理的机械零件尺寸检测软件设计》文中提出基于图像处理的零件种类的识别及零件尺寸的检测是非常实用的一种无损检测技术，它不仅克服了接触式测量的弊端，同时又有其特有的优势。图像检测技术主要是采用一套图形处理算法，以获得目标物体的图片信息。本文采用的图像处理技术主要包括：灰度变换、阈值处理、图像去噪、边缘检测和模式识别等。图像检测技术在零件尺寸检测方面的应用使零件检测能快速准确的进行，且成本低，能灵活的加入工业生产的过程中。本文研究的核心内容主要包括：第一、在传统的边缘检测技术中加入了图像去噪技术。为了获得准确的图像信息，需要对采集到的图像使用相应的图像预处理技术以达到最大限度地保留有用的图片信息去除无用的干扰，减小对测量精度的不良影响。本文采用了基于中值滤波的Canny算子和基于小波变换的Sobel算子两种边缘检测算法，这两种算法各有优劣，但是都可以达到图像检测的指标要求。第二、图像识别技术。首先由HUI不变矩得到目标物体的特征向量，再计算目标物体与标准物体之间的距离测度。第叁、设计尺寸检测算法。确定了零件种类以后，根据零件特征，设计相应的算法得到尺寸数据。为了获得常用的机械零件的完整参数，本论文采用了常用的机械零件中的衔铁的垂直和水平方向的图像作为样本，对测试性能做了分析，使测试结果满足指标要求并讨论了测试结果的可能影响因素。
盛党红[10]2009年在《机械零件图像跟踪与识别关键技术基础研究》文中研究说明机器视觉是现代制造的一个及其重要的组成部分,涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等多个领域的交叉学科。机器视觉实现制造过程中的运动目标检测和智能控制已成为现代制造领域的研究热点,例如,自动线生产和装配监测、机器人和机械手引导、产品检测和分类、视觉伺服系统、零件图像的自动理解和识别等。因此,现代制造中运动零件图像跟踪和识别研究有着十分重要的意义。本文在分析已有的运动目标跟踪与识别算法的基础上,以机械运动零件图像为对象,将改进遗传算法、神经网络、小波变换、数学形态学的基本定义和基本算法、证据理论有机运用,研究新的机械运动目标跟踪与识别算法,主要研究工作包括如下叁个方面:首先,针对成像系统在叁维场景转换成二维图像的空间变换过程中存在的非线性几何失真问题,研究了图像非线性失真原理,提出了基于改进遗传算法优化神经网络进而实现图像非线性几何失真的校正算法,实验结果表明了该算法能够增强神经网络的全局搜索能力,提高了收敛速度和稳定性,能够较好地对图像在空间变换过程中存在的非线性几何失真进行校正。其次,探讨基于运动分析和基于图像匹配分析的机械运动目标的跟踪方法,深入分析了帧间差分法、光流法和典型的自由型变形Snake模型,重点解析了帧间差分法因背景变化而造成质心坐标的不稳定性、光流法所存在的背景遮档及孔径问题和Snake的收敛性等问题。提出了基于形态学的机械运动目标跟踪方法,实验结果表明应用数学形态学的基本定义和基本算法的目标跟踪方法为有效地检测出机械运动目标,正确获取运动目标的质心坐标,实现运动目标跟踪提供了可行的方案。最后,研究了机械运动零件图像识别算法。充分利用图像像素之间的空间相关信息,提出了基于Hilbert-小波扫描的图像分割方法,提高了图像分割的效率;应用小波变换方法进行了图像的边缘检测,较好地处理抑制了噪声和边缘定位的矛盾;将被分割的图像和边缘图像划分为子矩阵图像,以获取相对像素系数作为特征向量,将相对像素系数作为神经网络的输入样本,由神经网络实现识别,大大降低了运算的工作量;针对图像传感器在获取零件图像时,由于传感器固有的缺陷、环境因素的影响,有可能难以获取图像较完整的信息,不利于机械零件图像的特征提取和零件的识别,提出了根据证据理论的融合推理规则识别零件的方法。利用LabVIEW软件平台,设计了零件图像识别虚拟仪器,实验结果表明了论文的设计思想和方法达到了预期结果。
参考文献：
[1]. 基于图像识别的机械零件尺寸测量研究[D]. 曾亚君. 武汉工程大学. 2017
[2]. 基于图像识别的零件几何尺寸检测问题的研究[D]. 郑丽丽. 吉林大学. 2004
[3]. 基于几何模型辅助的TFDS典型故障图像识别方法研究[D]. 冯维. 湖北工业大学. 2014
[4]. 基于图像处理的机械零件几何尺寸检测方法研究[D]. 杨益. 西华大学. 2011
[5]. 基于机器视觉的零件识别和测量系统研究[D]. 邓小峰. 南京航空航天大学. 2014
[6]. 基于长疲劳寿命的钛合金Ti6Al4V铣削加工表面完整性研究[D]. 杨东. 山东大学. 2017
[7]. 基于机器视觉的复杂塑件识别与检测技术研究[D]. 丁剑彪. 北京化工大学. 2016
[8]. 微小零件的图像识别及自动装配研究[D]. 朱欢欢. 沈阳理工大学. 2016
[9]. 基于图像处理的机械零件尺寸检测软件设计[D]. 陈虹吉. 电子科技大学. 2013
[10]. 机械零件图像跟踪与识别关键技术基础研究[D]. 盛党红. 南京理工大学. 2009
标签：自动化技术论文; 图像识别论文; 机器视觉论文; 机械零件论文; 切削速度论文; 边缘提取论文; 图像融合论文; 图像尺寸论文; 图像深度论文; 信息加工论文; 计算机视觉论文; 零件图论文;