收藏本站
《湖南大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

智能制造装备机器视觉检测识别关键技术及应用研究

陈铁健  
【摘要】:随着工业4.0时代的到来,发展智能工厂和智能制造产业已经成为各国的共识。智能制造过程十分复杂,通常由多个环节构成,每一个环节都采用一到多种智能制造装备完成。智能制造装备的环境感知和智能控制技术是高适应性、高精度、智能化作业的根本保障,也是研制智能制造装备必须首先解决的技术难题。传统的感知控制方法无法满足智能制造装备实时、高精度、模块化、无损感知等需求,而机器视觉检测控制技术则为该技术难题的解决提供了一种最优方案,因此机器视觉检测控制技术成为国内外研究的热点。为了提高智能制造装备的适应性和智能化程度,本文研究了一种采用工业机器人上下料+视觉检测识别+机器人分拣码垛组成的机器视觉检测控制系统,并围绕该系统精密自动化上下料、表面缺陷检测、码垛计数三个技术难题开展研究。本文的主要工作和创新点包括:(1)针对智能制造装备高适应性、高速、高精度、智能化作业等需求,提出了一种适用于智能制造装备的机器视觉检测控制系统方案,并且对该系统方案各个部分所采用的方法进行综述,作为智能制造装备机器视觉检测控制系统研制的理论基础。(2)针对智能制造装备自动化上下料过程中的目标识别定位难题,提出了一种基于直线段特征的目标识别和位姿测量算法。该算法由离线学习和在线识别两部分组成,前者根据目标模板图像构建目标模式,后者根据模式在实时图像中识别出目标并对其位姿进行测量。为了提取目标模式,该算法采用直线段检测器实现高精度直线段检测,并采用直线段归类方法提取出目标轮廓,然后将轮廓中的直线段和夹角特征作为目标模式。为了实现目标识别,首先采用同样方法提取出实时图像中的封闭轮廓,并通过角度和边长匹配度实现与图像模板的匹配,然后对匹配到的目标通过交点匹配,计算出其位姿。实验表明,该方法识别准确率高,定位误差小于3个像素,定位时间小于400ms,完全满足工业目标识别定位的需求。(3)针对智能制造产品高精度质量检测的难题,提出了一种基于超像素的多区域多类型表面缺陷检测与分割方法。该方法由检测目标定位,检测区域提取和分区域表面缺陷检测构成。在目标定位中,采用了一种结合熵率聚类和形状拟合的目标分割方法;然后基于检测区域的先验知识,实现对多个检测区域的提取。对于面积较大检测区域,提出了一种基于超像素分割、聚类和异常检测的缺陷分割方法。对于窄环形区域,提出了一种基于脊检测和阈值处理的缺陷分割方法。实验表明,本文提出的方法可同时实现缺陷的检测和分割,检测准确率大于99.4%,分割准确率约为90%,且具有良好的鲁棒性,能够满足智能制造产品质量检测的需求。(4)针对智能制造中的高精度码垛识别计数难题,提出了一种码垛线扫描成像方案和两种码垛轮廓识别方法。该方法采用一种线扫描成像系统实现码垛边缘的高分辨率成像,并在获取的图像中通过码垛目标轮廓识别实现计数。一种目标识别方法基于轮廓和高斯形的相似性,采用脊检测实现目标识别;另一方法基于图像叠加模型,采用小波分解和系数阈值提取出轮廓的波动特征用于目标识别。在脊检测方法中,为了解决传统脊检测方法无法识别相邻目标的难题,提出了基于双高斯模型和脊-谷检测算子的脊特征提取方法,极大地提高了检测对象和间隙脊特征之间的对比度。在小波方法中,提出了基于能量分布的小波阈值选取原则,提取出了鲁棒性的波动特征。基于提取出的特征,提出了一种基于滑动窗口峰值检测和灰度值阈值的目标识别方法。实验表明,所提出方法的检测误差小于0.03%,且重复性好,可以满足多种类型码垛的大量程计数。(5)为实现机器视觉检测控制系统的协调运行,提出一种基于信号传递和参考点触发的协调控制方案,并提出了一种模块化和基于图像处理流程的机器视觉检测控制软件设计方法,提高了系统的可重构性。经实际运行证明,该装备可实现高精度检测识别和自动化作业,单次作业时间小于lOs,可满足机械、电子等行业智能制造装备环境感知与自主控制的需求。综上所述,本文研究了一种面向智能制造装备的机器视觉检测控制系统,解决了该系统自动化上下料、质量检测和码垛识别过程中的三个视觉感知难题,所提出的方法具有较高的准确性和鲁棒性,研究成果在机械、电子、食品饮料等工业制造领域具有较重要的理论意义和工程价值。
【学位授予单位】:湖南大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:TP391.41

【参考文献】
中国期刊全文数据库 前10条
1 杨硕;彭双;肖昌炎;;用于叠层纸张图像分析计数的快速直线增长算法[J];计算机应用与软件;2015年09期
2 余洪山;赵科;王耀南;唐延东;张红良;;融合2D/3D摄像机的方法与获取高精度三维视觉信息的装置[J];控制理论与应用;2014年10期
3 贺振东;王耀南;毛建旭;印峰;;基于反向P-M扩散的钢轨表面缺陷视觉检测[J];自动化学报;2014年08期
4 周瑜;刘俊涛;白翔;;形状匹配方法研究与展望[J];自动化学报;2012年06期
5 张学武;吕艳云;丁燕琼;梁瑞宇;;小波统计法的表面缺陷检测方法[J];控制理论与应用;2010年10期
6 张耀;王耀南;周博文;;异型瓶药液中可见异物的智能视觉检测机器人[J];仪器仪表学报;2010年05期
7 李优新;毛宗源;田联房;;基于图像矩与神经网络的机器人四自由度视觉伺服[J];控制理论与应用;2009年10期
8 张辉;王耀南;周博文;;基于机器视觉的液体药品异物检测系统研究[J];仪器仪表学报;2009年03期
9 周博文;王耀南;葛继;张辉;;基于机器视觉的医药注射剂智能检测系统研究[J];机器人;2009年01期
10 刘国才;王耀南;;多层Mumford-Shah向量值图像分割、去噪与重建模型[J];自动化学报;2007年06期
中国博士学位论文全文数据库 前1条
1 葛继;安瓿药液可见异物视觉检测机器人技术研究[D];湖南大学;2012年
【共引文献】
中国期刊全文数据库 前10条
1 王斌;;λ-变换:一种用于形状精确描述的数学工具[J];软件学报;2017年12期
2 吴成中;王耀南;冯明涛;张辉;周显恩;;基于神经网络的医药微弱异物视觉检测机器人[J];电子测量与仪器学报;2015年12期
3 房晓伟;段洁;安志勇;李华杰;;基于形状匹配的片状元件贴片角度纠偏算法[J];制造业自动化;2015年21期
4 王新梅;魏武;刘玮;刘峰;袁银龙;;鲁棒卡尔曼滤波下的图像雅可比矩阵带时延补偿的估计[J];控制理论与应用;2015年08期
5 拜颖乾;毛红梅;庞旭卿;;基于VC的贴片LED编带机视觉检测系统研制[J];计算机与现代化;2015年09期
6 张桂梅;郑加宽;储珺;;基于骨架和统计直方图的形状匹配算法[J];计算机工程与应用;2015年16期
7 杨亚飞;郑丹晨;韩敏;;一种基于多尺度轮廓点空间关系特征的形状匹配方法[J];自动化学报;2015年08期
8 秦爽;谢瑞;孙畅;姚晓宁;;基于视觉传感器的实训系统开发[J];科技创新导报;2015年23期
9 吴成中;王耀南;贺振东;张辉;周显恩;;基于机器视觉的注射液中不溶异物检测方法研究[J];仪器仪表学报;2015年07期
10 姚松丽;司剑勋;任宏利;杨传智;;基于机器视觉的表面粗糙度检测系统设计[J];工业控制计算机;2015年06期
中国博士学位论文全文数据库 前2条
1 陈铁健;智能制造装备机器视觉检测识别关键技术及应用研究[D];湖南大学;2016年
2 李建锋;脉冲耦合神经网络在图像处理中的应用研究[D];中南大学;2013年
【二级参考文献】
中国期刊全文数据库 前10条
1 姚建龙;陈建勋;;基于孔洞特征图像的纸板计数方法研究[J];工业控制计算机;2013年07期
2 张明阳;陈振跃;王霞;;基于图像纹理的纸张计数算法设计[J];光学技术;2013年02期
3 郑强;董恩清;;窄带主动轮廓模型及在医学和纹理图像局部分割中的应用[J];自动化学报;2013年01期
4 李灿飞;王耀南;肖昌炎;卢笑;;用于超声斑点噪声滤波的各向异性扩散新模型[J];自动化学报;2012年03期
5 闫飞;庄严;王伟;;移动机器人基于多传感器信息融合的室外场景理解[J];控制理论与应用;2011年08期
6 方超;谭伟;杜建洪;;基于纹理特征的太阳能晶片计数研究[J];信息与电子工程;2011年02期
7 孟祥林;王正志;;基于视觉掩蔽效应的图像扩散[J];自动化学报;2011年01期
8 刘伟嵬;颜云辉;李瞻宇;李骏;;带钢表面缺陷在线检测系统的图像滤波算法[J];东北大学学报(自然科学版);2009年03期
9 王志明;张丽;;局部结构自适应的图像扩散[J];自动化学报;2009年03期
10 张辉;王耀南;周博文;;基于机器视觉的液体药品异物检测系统研究[J];仪器仪表学报;2009年03期
中国博士学位论文全文数据库 前3条
1 万琴;智能视觉监控中多运动目标检测与跟踪方法研究[D];湖南大学;2010年
2 杨福刚;输液中微小异物目标视觉检测技术研究[D];山东大学;2008年
3 段峰;啤酒瓶视觉检测机器人研究[D];湖南大学;2007年
【相似文献】
中国期刊全文数据库 前10条
1 张媛珍;;方太:推动“以人为本,品质为先”的智能制造升级[J];电器;2019年02期
2 段俊勇;赵海霞;张永涛;王帅;;智能制造体系中关键技术的分析与探讨[J];智能制造;2018年10期
3 龚东军;陈淑玲;王文江;熊艳华;肖明;;论智能制造的发展与智能工厂的实践[J];机械制造;2019年02期
4 ;智能制造新模式成效显著 推进体系基本形成[J];信息系统工程;2019年01期
5 陈黎鸥;;智能制造加快布局[J];印刷技术;2019年Z1期
6 翁士增;;构建绿色智能制造新模式[J];浙江经济;2019年02期
7 ;漳州出台六条措施发展智能制造 造纸钟表等行业受益[J];福建纸业信息;2015年20期
8 ;2016年我国将试点5种智能制造新模式[J];气体分离;2016年02期
9 ;《智能制造发展规划(2016-2020年)》正式发布[J];气体分离;2016年06期
10 ;工信部:加快突破智能制造核心装备[J];中国建材资讯;2018年03期
中国重要会议论文全文数据库 前10条
1 ;工程院士王天然论述:智能制造与智能制造空间[A];西南汽车信息(2018年第1期 总第382期)[C];2018年
2 丁汉;;机器人与智能制造技术[A];第十九届中国科协年会——分5“智能制造引领东北工业基地振兴”交流研讨会论文集[C];2017年
3 袁俊瑞;;团体标准提升我国智能制造的竞争优势[A];第十九届中国科协年会——分5“智能制造引领东北工业基地振兴”交流研讨会论文集[C];2017年
4 苏超;;关于智能制造标准体系的思考[A];第十五届中国标准化论坛论文集[C];2018年
5 王建伟;;论“智造”生产新模式[A];2017年第七届全国地方机械工程学会学术年会暨海峡两岸机械科技学术论坛论文集[C];2017年
6 丁蓉;金星;;中国智能制造行业技术及品牌发展报告[A];两岸创意经济研究报告(2017)[C];2017年
7 ;台达再次荣获多项大奖,全产品链助力智能制造[A];今日轨道交通(抢鲜版)[C];2015年
8 刘铸红;;智能制造和智能服务的思考与努力[A];第三届中国造纸装备发展论坛报告和论文专集[C];2016年
9 丁汉;;机器人与智能制造技术[A];2015年中国自动化大会摘要集[C];2015年
10 张树林;;浅谈中国智能制造[A];2016国家智能制造论坛摘要集[C];2016年
中国重要报纸全文数据库 前10条
1 记者 阮晓琴;多公司弯道切入智能制造[N];上海证券报;2015年
2 尹晖;市人大常委会专题视察智能制造产业发展情况[N];无锡日报;2016年
3 记者 吴佳妮 通讯员 舒也文;钱塘智慧城建生态绿谷[N];浙江日报;2016年
4 大雨;智能制造内生动力在于管理[N];中国航天报;2016年
5 张冶 贾倩;从工业4.0审视航天智能制造[N];中国航天报;2016年
6 大雨;新一轮“机器人风暴”来袭,中国“怎么破”[N];中国航天报;2016年
7 记者 刘纯;智能制造提升“含金量”频揽项目[N];无锡日报;2016年
8 尹晖;智能制造迈向高端 提升企业智能制造水平[N];无锡日报;2016年
9 中国电信董事长 杨杰;第三次战略转型:拥抱智能时代[N];通信产业报;2016年
10 记者 殷雷;昆明智能制造名片越擦越亮[N];昆明日报;2019年
中国博士学位论文全文数据库 前10条
1 陈铁健;智能制造装备机器视觉检测识别关键技术及应用研究[D];湖南大学;2016年
2 李小敏;面向智能制造的工业无线网络服务质量优化关键技术研究[D];华南理工大学;2018年
3 宋志婷;智能制造信息系统鲁棒性分析与控制[D];华南理工大学;2018年
4 潘全科;智能制造系统多目标车间调度研究[D];南京航空航天大学;2003年
5 张晓峰;可重构智能制造系统的基础研究[D];南京航空航天大学;2001年
6 姜永成;空间曲面往复走丝线切割智能制造系统关键技术研究[D];哈尔滨理工大学;2008年
7 王友发;面向智能制造的多机器人系统任务分配研究[D];南京大学;2016年
8 孙志峻;智能制造系统车间生产优化调度[D];南京航空航天大学;2002年
9 张祖国;基于社会化的协同智能制造系统研究[D];中国科学院国家空间科学中心;2015年
10 荀亚玲;集群环境下的关联规则挖掘及应用[D];太原科技大学;2017年
中国硕士学位论文全文数据库 前10条
1 王仲浩;S企业智能制造平台构建研究[D];东南大学;2018年
2 陈志盛;面向机械智能制造的DNC与MES集成系统开发[D];广东工业大学;2018年
3 喻梦婷;智能病理诊断仪方案设计及数据处理[D];南华大学;2018年
4 王欣;汽车轻量化车身智能工厂精益化设计方案研究[D];吉林大学;2018年
5 宋洪科;轮毂企业的智能制造管理信息系统构建研究[D];湖北工业大学;2018年
6 李伟;智能制造背景下高职人才培养模式改革研究[D];华东师范大学;2018年
7 赵江;智能制造物联网的构成及数据交换模型的研究[D];哈尔滨理工大学;2018年
8 程铭;智能制造文献分析系统的研究与实现[D];首都经济贸易大学;2018年
9 张晨旭;基于机器视觉的智能制造产品识别与检测方法研究[D];哈尔滨工业大学;2018年
10 夏卿;南京CRJ智能有限公司技术人才校企合作培养模式分析[D];西北大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026