收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于机器视觉的轴承表面缺陷检测与分类系统研究

宇文旋  
【摘要】:轴承是工业中应用极为广泛的一种零部件,是现代化机械设备的重要配套基础件。在轴承生产过程中,其表面缺陷检测仍多借助于人工检测,具有稳定性差、工作量大等缺点。机器视觉系统具有检测速度快,自动化程度高,无损检测等优点,非常适用于轴承外观缺陷的检测。由此对基于机器视觉的轴承表面缺陷检测与识别系统进行了研究,主要工作内容及创新点包括:(1)完成了基于机器视觉的轴承表面缺陷检测与识别系统的硬件设计和算法设计。首先,对系统进行了整体设计,通过分析轴承的结构特点和常见缺陷,确立了系统设计的目标,并根据这一设计要求给出了系统的整体方案;其次,对系统的硬件进行了设计,把系统硬件分为图像采集子系统、上下料子系统、工位转移子系统等,并逐一对各个子系统进行了设计和说明;再次,对系统的软件算法部分进行了设计,根据图像工程的理论框架,设计了本文算法的整体流程,并按顺序对主要步骤进行了算法的设计和说明;最后,通过实验对所提算法进行了实验验证。(2)其中所设计的自动化图像采集与上下料装置能够自动采集轴承四个面的图像,并实现自动化上下料,是本研究在机械结构设计方面的主要创新点。(3)为了提高机器视觉系统的图像分割精度,提出了一种以小波变换为分类特征的局部多神经网络(Local Multi-Neural Network)图像分割算法,简写为Lc-MNN算法。算法通过小波特征提取、Lc-MNN区域划分、Lc-MNN分类三步,实现了对缺陷图像的精确分割。实验证明算法可有效提高缺陷区域的分割精度,保留缺陷区域更多细节特征,为下一步的特征提取打下良好基础,是本研究的理论创新点之一。(4)针对现有基于机器视觉的轴承表面缺陷类型识别中分类特征选择这一薄弱环节,提出一种综合运用标量特征选择(Scalar selection)、相关分析(Correlation analysis)和特征向量选择(Vector selection)的实用特征选择算法,简写为SCV算法。算法首先通过相关分析剔除相似特征;然后用标量特征选择算法作进一步筛选;最后用特征向量选择算法选出最终分类特征。对比试验表明:该算法可实现有效的特征选择,在实验所用3种缺陷类型的600个检测样本情况下,识别率达99.5%,且避免了大规模的运算,是本研究的另一个理论创新点。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 罗菁;董婷婷;宋丹;修春波;;表面缺陷检测综述[J];计算机科学与探索;2014年09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 高正中;赵晨晖;薛寒;商春雷;;基于图像处理的产品表面缺陷检测系统研究[J];电子技术应用;2017年05期
8 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
9 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
10 刘姝;路锦正;王利龙;;基于类间相对均匀性的纸张表面缺陷检测[J];传感器与微系统;2018年07期
11 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
12 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
13 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
14 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
15 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
16 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
17 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
18 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
19 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
20 郭静;韩跃平;李会鸽;;产品表面缺陷检测的变步长采样机制研究[J];科技通报;2017年02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 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
2 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
3 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
4 邓星;基于深度学习与SVM的电弧熔积表面缺陷检测与分类[D];华中科技大学;2016年
5 郑健峰;带钢表面缺陷检测方法研究[D];西安建筑科技大学;2006年
6 盛爱梅;基于图像分析的空轨表面缺陷检测[D];电子科技大学;2017年
7 韩琦;冷轧带钢表面缺陷检测若干关键技术研究[D];电子科技大学;2006年
8 贾方庆;基于机器视觉的带钢表面缺陷检测系统研究[D];重庆大学;2007年
9 刘海博;基于机器视觉的钢板表面缺陷检测系统研究[D];吉林大学;2008年
10 李积才;钢球表面缺陷检测装置的设计及仿真[D];哈尔滨理工大学;2016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