基于機器視覺的罐蓋缺陷檢測.pdf

1、機器視覺技術是一門新的學科，主要是用計算機來代替人眼，通過處理分析圖像的方式來直接或間接地識別出物體。該方法常被用于實際測量或檢測。近年來，該項技術在諸多行業(yè)發(fā)展很快，尤其在工業(yè)檢測中居多。
　　本課題以工業(yè)金屬罐蓋為對象，通過閱讀大量文獻，研究了基于機器視覺的罐蓋缺陷的實時檢測方法，克服了人工檢測的速度慢、效率低、準確率不高等缺點。
　　本文的研究內(nèi)容主要包括以下幾個方面：
　　(1)提出了一種罐蓋圖像處理算法。首先

2、對從硬件系統(tǒng)中采集到的罐蓋圖進行濾波和圖像輪廓提取工作，然后分別用四種不同的算法來提取輪廓的中心，把圖像按區(qū)域劃分成罐蓋罐口、注膠區(qū)域、內(nèi)圓區(qū)域等三個主要區(qū)域，最后綜合一系列圖像處理算法對這三個區(qū)域進行檢測。
　　(2)提出了一種用遺傳算法和非線性規(guī)劃的圓度誤差測量算法。通過研究圓形算法檢測理論發(fā)現(xiàn)，常用于圖像處理技術中的Hough變換、最小二乘法和遺傳算法在圖像圓形檢測中存在著諸多不足。其中，Hough變換由于自身檢測速度太慢的

3、問題明顯不能滿足工業(yè)檢測的實時性；最小二乘法雖然克服了Hough變換檢測速度慢的問題，但無法排除干擾點影響；遺傳算法是一種尋優(yōu)算法，但也存在速度太慢的劣勢，而且往往只能搜索到問題的次優(yōu)解；而非線性規(guī)劃方法剛好具備較強的局部尋優(yōu)能力。綜上，本文提出了一種基于遺傳算法和非線性規(guī)劃的圓度誤差測量方法，實驗發(fā)現(xiàn)該方法可快速收斂，并且計算精確，在圓度誤差的測量中起到了很好的作用。
　　(3)提出了一種基于極限學習機的罐蓋缺陷檢測算法。運用圖

4、像處理知識提取罐蓋圖像形態(tài)特征13個、頻域紋理特征10個、空域紋理特征32個，共55個參數(shù)特征，采用極限學習機建立罐蓋缺陷分類模型，并且與 BP神經(jīng)網(wǎng)絡和LVQ神經(jīng)網(wǎng)絡兩種分類效果進行對比。實驗表明：該算法能很好的區(qū)分出有缺陷的罐蓋，判斷準確率達到97％，能夠實現(xiàn)生產(chǎn)線上罐蓋的有效分類。缺陷檢測的速度可達到10個每秒，為罐蓋的缺陷生產(chǎn)線在線檢測提供了很好的支持。
　　(4)開發(fā)了缺陷檢測系統(tǒng)軟件。在有大量樣本的基礎上，針對需求分析