《基于机器视觉的表面缺陷检测系统的算法研究及软件设计（可编辑）》由会员分享，可在线阅读，更多相关《基于机器视觉的表面缺陷检测系统的算法研究及软件设计（可编辑）（45页珍藏版）》请在金锄头文库上搜索。
1、基于机器视觉的表面缺陷检测系统的算法研究及软件设计 年月中文摘要为了不断提高产品质量和生产效率,金属工件表面缺陷在线自动检测技术在生产过程中显得日益重要。本论文针对金属工件表面的多种缺陷,设计了一套能够实现对金属工件表面缺陷进行实时在线、无损伤的自动检测系统。该系统采用黑白面阵和多通道图像采集卡作为图像采集部分,提高了检测系统的速度并降低了对的性能要求,使系统在现有的条件下比较容易实现实时在线检测;采用自动选取图像分割阈值,根据实际应用的阈值把工件信息从图像中提取出来并扫描工件在图像中的位置、尺寸信息,实现了系统的自动测量;根据扫描得到的工件信息去除掉工件边缘的光圈,利用自动选取的阈值对金属工
2、件表面的图像进行二值化分割,从而实现各种缺陷的自动提取,为缺陷类型的识别打下基础。系统以计算机视觉理论为检测原理,在现有技术基础上,借助误差理论,以模块化为设计思想,通过了大量的实验和图像算法仿真,以现有的图像处理理论为基础,设计了适合本产品表面缺陷检测的算法,具体工作如下:、研究图像的采集与计算机内部图像存储方法,为本系统分配计算机内存,将图像采集卡采集的两路面阵数据保存到计算机内存,并去掉图像噪声为下一步图像处理做准备。、设计了图像分割所需要的不同阈值的获取算法,利用自动选取的阙值对工件图像进行二值化分割,实现了各种缺陷的自动化提取。、根据表面缺陷特点,对图像平滑、边缘增强、区域分割和膨胀
3、细化等有效的处理算法进行了研究,设计了适合本系统的检测算法,并成功在.中进行算法仿真。、进行软件编程,将在.中经过成功仿真的算法移植到.编程环境中,不断完善系统的软件部允。关键词:机器视觉表面缺陷图像处理缺陷检测,. , , .,. . . . :. . , . . ,.,. , .,.: , , 独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得墨叠盘堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示
4、了谢意。学位论文作者签名:签字日期:彬年/日岔瑰学位论文版权使用授权书本学位论文作者完全了解墨注盘鲎有关保留、使用学位论文的规定。特授权叁盗盘茎可以将学位论文的全部或部分内容编入有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。保密的学位论文在解密后适用本授权说明导师签名:学位论文作者签名:劝易荜谚舅签字日期:函“年月岁日签字日期:歹厕年,月厂日第一章引言第一章 引言.论文背景产品表面检测是现代化大生产中必不可少的重要环节。传统的检测往往由人工来完成,不仅工作量大,而且易受到检测人员主观因素的影响,从而不能够保证检
5、测的效率与精度。特别是随着生产过程自动化程度的不断提高,人类视觉检测越来越不能满足当今工业领域的要求。近来迅速发展的以图像处理技术为基础的机器视觉技术恰恰可以解决这一问题。用机器视觉检测方法不仅可以大大提高生产效率和生产的自动化程度,而且机器视觉易于实现信息集成,满足数字化、自动化生产的要求。然而,视觉信息本身数据量大、运算复杂的特点,一直是这项技术应用于在线检测的最大障碍。近年来随着计算机处理速度和传输速度不断提高,制约实时性的瓶颈得到了一定的缓解,进而促进了机器视觉技术在工业检测和控制领域的实用化。产品在连续、高速的自动化生产过程中会产生各种各样的质量问题,诸如麻坑、裂纹和划痕等表面缺陷,
6、这些表面缺陷一方面影响外观质量,在使用中容易引起表面的腐蚀等问题,另一方面也反映了内部质量问题。这些质量问题一旦出现,导致大量废品,大大增加了原辅材料的消耗和生产成本。目前,国内主要采用人工对产品质量进行在线或离线检测,但是,在线检测只能实行人工抽检,效率低而且精度也不高;离线检测无法实时防止废品连续出现,也不能克服人工疲劳带来的误差。所以,人工检测难以达到降低消耗、提高产品质量的目的,采用机器视觉的表面缺陷检测成为迫切需要。针对这种现状,课题组决定自行开发“工件表面缺陷在线检测系统”,确保各类缺陷及时准确检出,从根本上解决人工检测效率低、精度低的问题,同时,还可以降低原材料消耗、能耗和人力成
7、本,该课题还可以推广到其他需要表面质量检测的行业中,如印刷、包装等行业,因此具有重要的实际应用价值和现实意义。然而,本课题要对各种形状、不同大小的金属片在线检测,必然对检测方法和处理速度有很高的要求,图像处理与模式识别领域中的许多新算法目前很难应用到实际工程项目中。因此,机器视觉技术在这类在线检测任务中的应用,仍然是一个难题。本论文的目标就是以已有的图像处理理论为基础,通过大量的实际实验,设计适合本产品表面缺陷检测的算法。.论文结构本论文按以下章节组织:第一章引言第一章引言,简要介绍了本论文有关的背景和工作内容;第二章机器视觉简介,主要介绍机器视觉技术的基本概念、应用情况以及机器视觉系统的分类
8、;第三章图像处理基本算法,主要介绍数字图像处理的基本算法,包括图像的几何变换,灰度修正技术,领域运算,图像的分割,物体测量与形状分析等;第四章系统总体设计,对系统的总体设计情况、软件环境和软件设计进行了介绍;第五章缺陷检测算法设计,是论文的核心,围绕系统在线检测的要求,详细讨论了相关图像处理算法的设计与实现;第六章实验结果及分析,本章的重点是对已经初步研制成功的表面缺陷检测系统进行实验和结果分析。实验主要是针对直径为?哪、镀层为镍和锌两种镀层、形状为圆形和圆环形两种形状的工件。全文总结,对所作的工作进行了总结,并对今后的工作提出了一些改进方法。机器视觉本身是一项综合技术,既需要一定的理论基础,
9、更离不开实践方面深厚的经验积累,加上作者进入该领域的学习和研究时间不久,对一些理论和方法理解得还不够透彻,因此论文中难免存在不少缺陷甚至错误之处,敬请各位老师和同学批评指正。第二章机器视觉简介第二章机器视觉简介机器视觉是一个相当新且发展十分迅速的研究领域。机器视觉自起步发展到现在,已有年的发展历史。应该说机器视觉作为一种应用系统,其功能特点是随着工业自动化的发展而逐渐完善和发展的。人们从世纪年代开始研究二维图像的统计模式识别,年代开始进行三维机器视觉的研究,年代中,人工智能实验室正式开设“机器视觉”课程,年代开始,开始了全球性的研究热潮,机器视觉获得了蓬勃发展,新概念、新理论不断涌现;现在,机
10、器视觉仍然是一个非常活跃的研究领域,与之相关的学科涉及:图像处理、计算机图形学、模式识别、人工智能、神经网络等。本课题是机器视觉技术在工业检测领域中的一个典型应用。下文以及后续各章中提到的机器视觉概念,均指工业应用中的机器视觉技术。.机器视觉技术.机器视觉系统构成机器视觉的系统构成如图所示,在一定的光照包括可见光、红外线甚至超声波等各种成像手段条件下,成像设备把三维场景的图像采集到计算机内部,形成强度的二维阵列?原始图像;然后,运用图像处理技术对采集到的原始图像进行预处理以得到质量改善了的图像,进而从中提取感兴趣的特征,构成对图像的描述:其次,运用模式识别技术对抽取到的特征进行分类整理:最后,
11、运用人工智能得到更高层次的抽象描述,完成视觉系统的任务。图机器视觉的系统构成.机器视觉的特点机器视觉就是用机器代替人跟来傲测量和判断。机器视觉系统是指通过机器视觉产品即图像摄取装置,分和两种将被摄取目标转换成图像信第二章机器视觉简介号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉;同时在大批量工业生产过程中,用人工视觉检查产品质量效率低且
12、精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成,是实现计算机集成制造的基础技术。正是由于机器视觉系统可以快速获取大量信息,而且易于自动处理,也易于同设计信息以及加工控制信息集成,因此,在现代自动化生产过程中,人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。在中国,这种应用也在逐渐被认知,且带来最直接的反应就是国内对于机器视觉的需求将越来越多。有不少学科的研究目标与机器视觉相近或者相关,这些学科中包括图像处理、模式识别或图像识别、图像理解等。由于历史发展或领域本身的特点,这些学科有某种程度的相互重叠。但是,机器视觉与其他学科又有着
13、一定的区别,其特点是:、综合技术机器视觉是一项综合技术,其中包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。这些技术在机器视觉中是并列关系,相互协调应用才能构成一个成功的工业机器视觉应用系统。对机器视觉工程师来说,不仅要具有研究数学理论和编制计算机软件的能力,更需要的是光、机、电体化的综合能力。、强调工业可靠性机器视觉强调工业现场环境下的可靠性,要求能够适应工业生产中恶劣的环境,有较高的容错能力和安全性,不会破坏工业产品。、强调实用性机器视觉强调实用性,要求有合理的性价比,要有通用的工业接口,能够由普
14、通工作来操作,必须有较强的通用性和可移植性。、要求高速度和高精度由于机器视觉通常要求高速度和高精度,数字图像处理中的许多新算法目前还难以应用。因此,机器视觉技术在工业生产中的实际应用速度远远滞后于图像处理理论的发展速度。第二章机器视觉简介.机器视觉系统的组成机器视觉系统大致可以分成:照明部分、图像获取部分、图像显示部分和图像处理部分。一般采用摄像头摄取检测图像并转化为数字信号,再对图像数字信号进行处理,从而得到所需要的各种目标图像特征值,并由此实现模式识别、坐标计算、灰度分布图等多种功能。然后再根据其结果显示图像,输出数据,发出指令,配合执行机构完成位置调整,好坏筛选,数据统计等自动化流程。照
15、明照明是影响机器视觉系统输入的重要因素,因为它直接影响输入数据的质量。由于没有通用的机器视觉照明设备,所以针对每个特定的应用实例,要选择相应的照明装置,以达到最佳效果。目前在实际应用中的工业视觉系统多用可见光作为光源,这主要是因为可见光容易获得,价格低,并且便于操作。常用的几种可见光源是白炽灯、荧光灯日光灯、卤素灯和光源。在现今的工业应用中,对于某些要求高的检测任务,也采用射线、超声波等不可见光作为光源。照明系统按其照射方法可分为:背向照明、前向照明、结构光和频闪光照明等。其中,背向照明是被测物放在光源和摄像机之间,它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧,这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上,根据它们产生的畸变,解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上,摄像机拍摄要求与光
