基于机器视觉的表面缺陷检测系统设计毕业设计Word文件下载.docx
《基于机器视觉的表面缺陷检测系统设计毕业设计Word文件下载.docx》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设计毕业设计Word文件下载.docx(44页珍藏版)》请在冰豆网上搜索。
![基于机器视觉的表面缺陷检测系统设计毕业设计Word文件下载.docx](https://file1.bdocx.com/fileroot1/2022-10/24/7c1dcc02-c9b9-49f4-9f54-1e81f070b5d1/7c1dcc02-c9b9-49f4-9f54-1e81f070b5d11.gif)
指导教师
学院
电子信息工程学院
毕业设计(论文)原创承诺书
1.本人承诺:
所呈交的毕业设计(论文)《基于机器视觉的表面缺陷检测系统设计》,是认真学习理解学校的《长春理工大学本科毕业设计(论文)工作条例》后,在教师的指导下,保质保量独立地完成了任务书中规定容,不弄虚作假,不抄袭别人的工作内容。
2.本人在毕业设计(论文)中引用他人的观点和研究成果,均在文中加以注释或以参考文献形式列出,对本文的研究工作做出重要贡献的个人和集体均已在文中注明。
3.在毕业设计(论文)中对侵犯任何方面知识产权的行为,由本人承担相应的法律责任。
4.本人完全了解学校关于保存、使用毕业设计(论文)的规定,即:
按照学校要求提交论文和相关材料的印刷本和电子版本;
同意学校保留毕业设计(论文)的复印件和电子版本,允许被查阅和借阅;
学校可以采用影印、缩印或其他复制手段保存毕业设计(论文),可以公布其中的全部或部分内容。
以上承诺的法律结果将完全由本人承担!
作者签名:
年月日
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。
针对金属工件表面的多种缺陷,本文设计了一套基于机器视觉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。
该系统采用面阵CCD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CCD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图像中的信息,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及识别。
关键词:
机器视觉表面缺陷CCD图像处理缺陷检测
Abstract
Inordertocontinuallypromotethequalityofproductandefficiencyofproduction,theon-lineautomaticinspectiontechnologyofsurfacedefectofmetalworkpiecehasbecomemoreandmoreimportantintheprocessofproduction.Thispaperdesignsanautomaticsystembasedonmachinevision,whichcaninspectsurfacedefectofmetalworkpiecetimelywithoutanydamageonit.
Firstly,usingCCDandmulti-channelimageacquisitioncardtoacquireimages,thesystemhasacceleratedtheinspectionspeedandreducedtherequirementsofCCDontheperformancetodothetimelyon-lineinspectionmoreeasilyunderthecurrentcondition;
secondly,accordingtothepracticalapplicationofthreshold,thesystemhasusedthesegmentationthresholdofselectinganimageautomaticallytoselecttheworkpieceinformationfromimagesandscanthatinformationtorealizetheautomaticmeasurementofthesystem;
finally,thesystemhasremovedtheapertureontheedgeofworkpieceinaccordancewiththeworkpieceinformationofscanandconductedthebinarizationsegmentationontheimageofthemetalworkpiecesurfacebyusingtheautomaticselectionthresholdtoautomaticallyselectandidentifyvarieddefects.
Keywords:
machinevision;
surfacedefect;
CCD;
imageprocessing;
defectinspecting
第1章引言
1.1研究背景及意义
传统的产品表面质量检测主要采用人工检测的方法。
人工检测不仅工作量大,而且易受检测人员主观因素的影响,容易对产品表面缺陷造成漏检,尤其是变形较小、畸变不大的夹杂缺陷漏检,极大降低了产品的表面质量,从而不能够保证检测的效率与精度。
近年来,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。
机器视觉主要是采用计算机来模拟人的视觉功能,从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制。
基于机器视觉技术的缺陷检测系统,由于其非接触检测测量,具有较高的准确度、较宽的光谱响应范围,可长时间稳定工作,节省大量劳动力资源,极大地提高了工作效率。
可对工件表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。
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己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。
1.2国内外研究现状
在国外,机器视觉的应用主要体现在半导体及电子行业,其中大概40%-50%都集中在半导体行业。
具体如PCB印刷电路:
各类生产印刷电路板组装技术、设备,单、双面、多层线路板,覆铜板及所需的材料及辅料;
辅助设施以及耗材、油墨、药水药剂、配件;
电子封装技术与设备;
丝网印刷设备及丝网周边材料等。
再流焊机、波峰焊机及自动化生产线设备。
电子生产加工设备:
电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。
机器视觉系统还在质量检测的各个方面已经得到了广泛的应用,并且其产品在应用中占据着举足轻重的地位。
除此之外,机器视觉还用于其他各个领域。
而在中国,以上行业本身就属于新兴的领域,再加之机器视觉产品技术的普及不够,导致以上各行业的应用几乎空白,即便是有,也只是低端方面的应用。
目前在我国随着配套基础建设的完善,技术、资金的积累、各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现,国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试,逐步开始了工业现场的应用。
其主要应用于制药、印刷、矿泉水瓶盖检测等领域。
真正高端的应用还很少,因此,以上相关行业的应用空间还比较大。
当然,其他领域如指纹检测等等领域也有着很好的发展空间。
第2章图像技术及机器视觉简介
2.1图像处理技术
机器视觉系统中,视觉信息的处理技术主要依赖于图像处理方法,它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。
经过这些处理后,输出图像的质量得到相当程度的改善,既改善了图像的视觉效果,又便于计算机对图像进行分析、处理和识别。
2.1.1图像和数字图像
从广义上说,图像是自然界景物的客观反映,是人类认识世界和人类本身的重要源泉。
图像对我们并不陌生。
它是用各种观测系统以不同形式和手段观测客观世界而获得的,可以直接或间接作用于人眼并进而产生视知觉的实体。
人的视觉系统就是一个观测系统,通过它得到的图像就是客观景物在人眼中形成的影像。
图像信息不仅包含光通量分布,而且也还包含人类视觉的主观感受。
随着计算机技术的迅速发展,人们还可以人为地创造出色彩斑斓、千姿百态的各种图像。
客观世界在空间上是三维(3-D)的,但一般从客观景物得到的图像是二维(2-D)的。
一幅图像可以用一个2-D数组ƒ(x,y)来表示,这里x和y表示2-D空间XY中一个坐标点的位置,而ƒ代表图像在点(x,y)的某种性质F的数值。
例如常用的图像一般是灰度图,这时ƒ表示灰度值,它常对应客观景物被观察到的亮度值。
常见图像是连续定义的,即ƒ、x、y的值可以是任意实数。
为了能用数字计算机对图像进行加工处理,需要把连续的图像在坐标空间XY和性质空间F都进行离散化。
这种离散化了的图像就是数字图像,可以用I(r,c)来表示。
这里I代表离散化后的ƒ,(r,c)代表离散化后的(x,y),这里I、e、r的值都是整数。
本文以后主要讨论数字图象,依据我们的习惯用ƒ(x,y)代表数字图像,ƒ、x、y都在整数集合中取值。
2.1.2图像技术和图像工程
图像技术在广义上是各种与图像有关的技术的总称。
目前人们主要研究的是数字图象,主要应用的是计算机图像技术。
这包括利用计算机和其它电子设备进行和完成的一系列工作,例如图像的采集、获取、编码、存储和传输,图像的合成和产生,图像的显示和输出,图像的变换、增强、恢复(复原)和重建,图像的分割,目标的检测、表达和描述,特征的提取和测量,序列图像的校正,3-D景物的重建复原,图像数据库的建立、索引和抽取,图像的分类、表示和识别,图像模型的建立和匹配,图像和场景的解释和理解,以及基于它们的判断决策和行为规划等等。
另外,图像技术还可包括为完成上述功能而进行的硬件设计及制作等方面的技术
由于图像技术近年来得到极大的重视和长足的进展,出现了许多新理论、新方法、新算法、新手段、新设备。
图像工作者普遍认为需对图像和图像处理技术进行综合研究和应用,这个工作的框架就形成了图像工程。
图像工程学科是将数学、光学等基础科学的原理,结合在图像应用中积累的技术经验而发展起来的。
图像工程的内容非常丰富,根据抽象程度和研究方法等的不同可分为三个层次:
图象处理、图象分析和图像理解。
图象处理着重强调在图像之间进行的变换。
图象分析则主要是对图像中感兴趣的目标进行检测和测量,以获得它们的客观信息从而建立对图像的描述。
图像理解的重点是在图象分析的基础上,进一步研究图像中各目标的性质和它们之间的相互联系,并得出对图像内容含义的理解以及对原来客观场景的解释,从而指导和规划行为。
由上所述,图象处理、图象分析和图像理解是处在三个抽象程度和数据量各有特点