收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于机器视觉的长竹条表面缺陷检测及颜色分类研究

黄炳强  
【摘要】:随着我国竹木产业的发展,竹制品越来越受到人们的喜爱,但由于当前我国竹制品加工技术落后、生产效率低下、判断标准不统一等问题,严重阻碍了我国竹业市场扩大。为此,本课题基于国家星火计划项目对长竹条表面缺陷检测及颜色分类系统及方法进行了研究,实现了长竹条表面缺陷检测和颜色的分类,对提高竹制品企业的生产效益和自动化加工生产效率发挥着重要作用,论文研究的主要内容如下:(1)设计了长竹条表面图像采集方案。根据长竹条的形状和长度特点,设计了用于长竹条表面图像采集的装置,通过选择合适的采集设备,搭建用于长竹条表面缺陷检测的机器视觉系统,采集了常见竹条缺陷及3种颜色类型的图像样本库,实现了动态运动长竹条表面图像的合理采集。(2)分析了长竹条表面图像缺陷的类型,设计各个常见竹条缺陷(包括虫洞、裂缝、竹青、竹白)的检测方法和流程。对长竹条表面缺陷类型进行分析,划分了竹条的缺陷类型,并针对性的对常见的虫洞、裂缝、竹青和竹白缺陷进行检测,首先对原始图像进行去噪、灰度化、阈值化、倾斜校正等预处理算法的设计,然后基于形态学和差影的方法对虫洞缺陷进行了检测、基于自适应Canny双阈值对竹条的裂缝进行了检测、基于垂直投影结合边缘提取对大/小竹青缺陷进行了检测和基于区域生长算法的竹白缺陷检测。(3)针对黄面的竹白缺陷,提出了一种基于自适应区域生长分块处理的检测方法和一种用于检测竹节的跃变特征,实现了竹白缺陷的快速检测,避免了竹节区域对竹白缺陷检测的影响,提高了竹白检测的效率。(4)结合长竹条青黄面灰度、纹理、颜色等特征,对竹条青黄面的检测方法进行了研究。为了减少竹条青黄面对缺陷检测的影响,通过建立三层3输入2输出用于竹条表面识别的网络结构和模型,综合提取了16个竹条表面特征输入到网络中进行训练,根据输出判断竹条的青黄面,结果表明总检测率在99%以上,获得了较好的效果。(5)分析了影响长竹条分类的原因,对竹条颜色分类的方法进行了研究。针对长竹条颜色区域的分布不均匀,提出了一种基于主颜色的特征提取方法,结合机器学习算法设计了基于KNN算法的组合分类器,实现了长竹条颜色的分类。所设计的方法稳定有效,减少了竹条表面颜色分布不均匀的影响,提高了竹条分类的抗干扰能力,平均分类检测成功率为91.58%。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 周杭超;董晨晨;陈锋;程力;吴淳杰;翁海舟;;钢球表面缺陷检测方法综述[J];装备制造技术;2018年10期
2 王方;王炎;;基于图像的圣女果表面缺陷检测[J];计算机仿真;2014年02期
3 钱晓亮;张鹤庆;陈永信;曾黎;刁智华;刘玉翠;杨存祥;;基于机器视觉的太阳能电池片表面缺陷检测研究现状及展望[J];北京工业大学学报;2017年01期
4 ;水果表面缺陷检测法获得专利授权[J];食品工业;2015年03期
5 王书志;张建华;冯全;;四种成像技术在水果表面缺陷检测的应用[J];中国农机化;2009年06期
6 陈岚萍;刘寒寒;封晓鸣;;基于水平集的不规则透明表面缺陷检测设计[J];测控技术;2017年02期
7 吴晓鹏;林介邦;唐辉;钟园园;罗祥英;;基于机器视觉的铸坯表面缺陷检测系统的研制[J];武钢技术;2010年01期
8 陈国君;陈鹏;张学军;;基于计算机视觉的轴承表面缺陷检测[J];煤矿机械;2009年02期
9 韩虎;汤永升;;表面缺陷检测系统在冷轧厂的应用[J];梅山科技;2013年01期
10 梁爽;何永辉;彭铁根;;高温环境下表面缺陷检测系统的热防护研究[J];宝钢技术;2012年04期
11 张卫;张俊杰;;基于机器视觉的钢板表面缺陷检测系统[J];山西冶金;2011年04期
12 李明;刘悦;;基于支持向量机的金属表面缺陷检测算法[J];世界有色金属;2016年02期
13 郭建;谢鑫;;小直径钢球表面缺陷检测机设计[J];组合机床与自动化加工技术;2017年08期
14 汤亮;张董洁;龚发云;汪威;胡新宇;;基于区域分级的陶瓷阀芯表面缺陷检测系统研究与实现[J];组合机床与自动化加工技术;2017年10期
15 余玲;周庆成;周程丽;;基于磁学原理的管道表面缺陷检测专利技术综述[J];科技创新与应用;2016年23期
16 刘晓;;探究热轧表面缺陷检测在连铸质量缺陷控制中的应用[J];山西冶金;2015年03期
17 郑晓曦;严俊龙;;数学形态学在磁瓦表面缺陷检测中的运用[J];计算机工程与应用;2008年16期
中国重要会议论文全文数据库 前10条
1 郭子建;韩斐;钟洪平;;特种纸表面缺陷检测的多解决方案[A];2015全国特种纸技术交流会暨特种纸委员会第十届年会论文集[C];2015年
2 韩立强;;基于图像分割技术的汽车发动机缸体表面缺陷检测[A];面向21世纪的科技进步与社会经济发展(下册)[C];1999年
3 张凤全;高娜;于明;赵晓安;张慧娟;;图像处理在物体表面缺陷检测中的应用[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年
4 郭庆华;田陆;袁英宏;黄郁君;;嵌入式系统在钢板表面缺陷检测中的应用[A];2012第四届先进轧钢精整及钢材包装技术学术研讨会文集[C];2012年
5 郭庆华;田陆;袁英宏;黄郁君;;嵌入式系统在钢板表面缺陷检测中的应用[A];2012年全国轧钢生产技术会论文集(下)[C];2012年
6 ;CCD技术在特纸上的最新应用[A];2017全国特种纸技术交流会暨特种纸委员会第十二届年会论文集[C];2017年
7 刘哲;郭中豪;杨子鹏;;钢板表面缺陷检测与控制系统设计[A];天津市电视技术研究会2015年年会论文集[C];2015年
8 康慧;齐铁城;;薄壁异形件表面缺陷检测系统的研制[A];中国核科学技术进展报告(第四卷)——中国核学会2015年学术年会论文集第8册(同位素分卷、辐射研究与应用分卷、核技术工业应用分卷、核农学分卷、核医学分卷、核情报分卷)[C];2015年
9 郭庆华;刘海霞;宋丽梅;习江涛;;显微镜镜头的圆弧表面缺陷检测[A];2015光学精密工程论坛论文集[C];2015年
10 夏需堂;吴海滨;;基于线阵CCD的车轮表面缺陷检测系统的图像预处理研究[A];安徽省光学学会2010年激光年会论文摘要集[C];2010年
中国博士学位论文全文数据库 前6条
1 程万胜;钢板表面缺陷检测技术的研究[D];哈尔滨工业大学;2008年
2 王世通;精密表面缺陷检测散射成像理论建模及系统分析研究[D];浙江大学;2015年
3 梁列全;基于稀疏特征的触摸屏图像缺陷检测及识别方法的研究[D];华南理工大学;2015年
4 丛家慧;引入人类视觉特性的带钢表面缺陷检测与识别方法研究[D];东北大学;2010年
5 储茂祥;钢板表面缺陷检测关键技术研究[D];东北大学;2014年
6 赵立明;基于激光扫描成像与异源CCD融合的连铸热坯表面缺陷检测方法研究[D];重庆大学;2014年
中国硕士学位论文全文数据库 前10条
1 董百川;基于机器视觉的钢球表面缺陷检测算法[D];哈尔滨理工大学;2018年
2 李晓梅;基于图像处理的钢轨表面缺陷检测与定位研究[D];兰州交通大学;2018年
3 张斌洪;纹理背景中的表面缺陷检测算法研究[D];暨南大学;2018年
4 黄炳强;基于机器视觉的长竹条表面缺陷检测及颜色分类研究[D];广西师范大学;2018年
5 于志洋;基于全卷积神经网络的表面缺陷检测方法研究[D];哈尔滨工业大学;2018年
6 张浩;基于深度学习的表面缺陷检测方法研究[D];苏州大学;2018年
7 张奔;基于机器视觉的轴承滚子表面缺陷检测研究[D];南昌航空大学;2018年
8 宇文旋;基于机器视觉的轴承表面缺陷检测与分类系统研究[D];电子科技大学;2018年
9 胡仁伟;光滑零件表面缺陷检测系统设计与实现[D];电子科技大学;2018年
10 赵佳雨;平板元件表面缺陷检测与分类方法研究[D];陕西师范大学;2018年
 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