收藏本站
《陕西理工大学》 2020年
收藏 | 手机打开
二维码
手机客户端打开本文

基于机器视觉的微小零件检测分类

王蒙  
【摘要】:机器视觉技术在检测方面具有稳定、快速等优点,在制造工业领域应用广泛。本文主要研究基于机器视觉的铜箔卡扣检测分类系统,高效准确的实现了铜箔卡扣缺陷品与合格品的分类工作。主要内容包括了搭建图像采集模块、对象定位方法、检测分类方法和实际测试四个方面。在图像采集方面,根据铜箔卡扣的表面特征、检测精度和安装工位等特点,搭建了图像采集模块。硬件部分包括光源、工业相机、光学镜头的选型,分析需求及试验调试,选择了海康威视的MV-CH050-10UP500万CMOS工业相机,MVL-MY-1-65C-MP1倍远心镜头和白色同轴光源,最大程度上提高成像的质量。配合硬件,利用HALCON联合以C#语言为基础的Winform窗体应用软件,通过程序配置网络环境,完成铜箔卡扣的图像采集。在对象定位方面,利用基于低通滤波的光照补偿算法解决外界因素引起的光照不均现象,利用双线性插值缩放图像,降低图像的分辨率以减少图像数据运算量。设计了基于NCC和基于形状的两种模板匹配定位方式,并进行对比试验,结果表明铜箔卡扣表面的缺陷程度会影响基于NCC模板匹配定位的准确率和时长,降低了分类系统的高效性和准确率。因此基于形状的模板匹配定位方式更适合检测分类系统的定位。在检测分类方法方面,依据铜箔卡扣的质检要求,设计了一种基于缺陷检测的分类方式,并在该方式下对基于MLP分类器和差分模型两种缺陷检测方法进行了对比。在MLP分类器模型下,对图像Laws纹理滤波,利用灰度共生矩阵求取Energy、Correlation、Homogeneity、Contrast特征统计量,利用sobel算子提取边界并计算灰度值绝对频率。根据结果,MLP分类器在准确率和程序执行的有效性上都优于差分模型。在实际测试方面,联合Winform程序和HALCON算法库,设计用户交互模块和缺陷检测模块,并与图像采集模块集成为铜箔卡扣检测分类系统。测试结果表明,误检率为0.43%,错检率为0,系统对每个铜箔卡扣的平均检测时间为536.75ms,低于工厂要求600.00ms,因此分类系统的准确性和实时性满足要求。利用机器视觉技术完成的铜箔卡扣检测分类系统能够完成铜箔卡扣自动分选工作,可以达到企业要求水平。系统在其他具有类似特征的微小零件缺陷检测分类方面,可以推广应用。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前15条
1 刘文渊,刘易凡;R型铁心空载检测分类的简易方法[J];电工技术杂志;2002年08期
2 滕少华;陈成;霍颖翔;;小样本纠错的多层入侵检测分类研究[J];广东工业大学学报;2020年03期
3 徐华青;刘秉瀚;;道路交通标志检测分类方法的研究[J];微型机与应用;2012年15期
4 查伟伟;白天;;公路视频实时车辆检测分类与车流量统计算法[J];信息技术与网络安全;2020年03期
5 万柏坤,郑旭媛,朱欣,杨春梅,吕杨生;癫痫脑电特征波的综合检测分类方法研究[J];中国生物医学工程学报;2002年03期
6 王勇;滕祖伟;周杰华;肖波;赵根;;AI深度学习在移动网异常小区检测分类中的应用[J];邮电设计技术;2019年11期
7 王天鹤;吴紫阳;丁金闪;张玉洪;;基于多特征联合的太赫兹药品检测方法[J];太赫兹科学与电子信息学报;2020年02期
8 杨欧;郭宝平;胡涛;郭轩;;多模板检测算法在印刷品缺陷检测中的应用[J];包装工程;2007年03期
9 徐健霞;韩玲霞;王北宁;熊慧顺;;新生儿血常规检测分类结果异常的分析[J];临床军医杂志;2011年06期
10 李帅;赵瑾;景军锋;;基于机器视觉的纽扣缺陷检测算法研究[J];科技创新与应用;2018年08期
11 韩茜茜;耿世勇;李恒毅;;基于机器视觉的缺陷检测应用综述[J];电工技术;2019年14期
12 贾真真;张涛;曹兴强;曾建;李晓;姚二民;;基于机器视觉的食品内包装缺陷检测装置设计与实现[J];食品与机械;2018年07期
13 吴强;崔跃利;张耀;;基于机器视觉的零件缺陷检测算法[J];科学技术创新;2018年26期
14 徐祥宇;刘玉婷;王超;杨亚宁;;基于机器视觉的食品缺陷检测系统研究[J];大连民族大学学报;2019年03期
15 罗时光;;基于机器视觉的玻璃瓶口缺陷检测方法[J];包装工程;2018年03期
中国重要会议论文全文数据库 前10条
1 冷大光;;我国电子铜箔行业发展现况及展望[A];2018年中国铜加工产业年度大会暨中国铜产业黄石高峰论坛文集[C];2018年
2 陈启峰;;国产压延铜箔生产现状及发展建议[A];2018年中国铜加工产业年度大会暨中国铜产业黄石高峰论坛文集[C];2018年
3 蒋卫东;;覆铜板用厚铜箔产品的性能及其应用[A];第十三届中国覆铜板技术交流会论文集[C];2012年
4 高井政仁;;压延铜箔制造技术及评价[A];第十四届中国覆铜板技术·市场研讨会论文集[C];2013年
5 李小刚;;干法蚀刻铜箔技术[A];四川地区印制电路技术交流会论文集[C];2005年
6 刘生鹏;茹敬宏;;印刷电路板用铜箔的现况及发展趋势[A];第八届中国覆铜板市场·技术研讨会文集[C];2007年
7 王建民;;国内高品质铜箔生产设备技术的发展[A];第九届中国覆铜板市场·技术研讨会文集[C];2008年
8 刘新宽;;压延铜箔黑化处理技术[A];2018年中国铜加工产业年度大会暨中国铜产业黄石高峰论坛文集[C];2018年
9 高井政仁;;对中国铜箔生产的发展和技术动向的见解[A];第十三届中国覆铜板技术交流会论文集[C];2012年
10 孙骏;;覆铜箔板纸生产工艺的研究[A];中国造纸学会第七届学术年会资料集[C];1994年
中国重要报纸全文数据库 前10条
1 记者 甘勇;加快检测分类收治解决确诊慢收治难问题[N];湖北日报;2020年
2 宋瑞璠 记者 郭凌;凌凤街道率先推行“双情”检测分类管理[N];朝阳日报;2008年
3 记者 郑靖靖;合盛铜业年产5000吨高性能铜箔项目投产[N];东营日报;2020年
4 本报记者 万宇;嘉元科技深耕锂电铜箔[N];中国证券报;2019年
5 证券时报记者 李映泉;破局高端铜箔垄断 与国际巨头“扳手腕”[N];证券时报;2019年
6 记者 鲍亮亮 通讯员 何亮;5G通讯用反转铜箔实现量产[N];安徽日报;2019年
7 记者 张帅 通讯员 王江红;东阳花园高性能铜箔项目投产[N];金华日报;2019年
8 记者 许航 通讯员 盛婷;中科铜箔:蓄力,向市场高地进发[N];孝感日报;2019年
9 兰州日报社全媒体记者 张建平;新区打造全国最大高档铜箔生产基地[N];兰州日报;2019年
10 记者 盛文鹏 通讯员 何亮;铜冠铜箔年产1.5万吨高精度特种电子铜箔扩建项目(二期Ⅱ段)开工[N];池州日报;2018年
中国博士学位论文全文数据库 前9条
1 侯杰;飞行器机器视觉框架设计及算法研究[D];西安电子科技大学;2017年
2 郭依正;基于机器视觉的俯视群养猪个体识别与饮水行为分析研究[D];江苏大学;2018年
3 李晨;基于机器视觉的不同属性表面中微弱缺陷的检测技术研究[D];浙江大学;2018年
4 陶丹;基于机器视觉的家蚕蛹雌雄识别研究[D];西南大学;2019年
5 胡志新;基于机器视觉的钢轨踏面磨耗剥落检测技术研究[D];南昌大学;2018年
6 吴衡;机器视觉鬼成像理论与实验研究[D];华南理工大学;2017年
7 项森伟;高温单晶硅液位和直径视觉检测关键技术及应用研究[D];浙江大学;2018年
8 韩烨;基于计算机视觉的高铁接触网支持装置零部件分类提取与缺陷检测[D];西南交通大学;2019年
9 龚爱平;基于嵌入式机器视觉的信息采集与处理技术研究[D];浙江大学;2013年
中国硕士学位论文全文数据库 前10条
1 王蒙;基于机器视觉的微小零件检测分类[D];陕西理工大学;2020年
2 邹大海;人体图像中周边物品检测分类技术研究[D];南京邮电大学;2013年
3 米文涛;基于网络连接记录的异常检测分类模型研究[D];太原理工大学;2003年
4 朱万经;无线电入侵检测分类系统关键技术研究[D];电子科技大学;2012年
5 黄文军;基于机器视觉的印字缺陷检测系统研究与实现[D];五邑大学;2015年
6 王伟华;基于机器视觉的表贴芯片缺陷检测系统的研究[D];西安建筑科技大学;2017年
7 王保军;基于机器视觉的药瓶封装缺陷检测系统研究[D];东北大学;2014年
8 何桂荣;以35微米铜箔作载体支撑的可剥离超薄铜箔的研究[D];江西理工大学;2011年
9 郭鹏;可剥离超薄载体铜箔的电沉积研究[D];合肥工业大学;2016年
10 谭凯;锂离子电池集流体用多孔铜箔的制备与研究[D];清华大学;2009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
  • 010-62982499
  • 010-62783978