基于目標(biāo)提取與匹配的汽車輪轂鑄件缺陷檢測技術(shù)研究.pdf

1、實(shí)現(xiàn)汽車輪轂缺陷檢測的自動化，對提高汽車輪轂生產(chǎn)效率、降低制造成本等具有重要意義。本文在分析輪轂鑄件缺陷圖像特征的基礎(chǔ)上，通過缺陷目標(biāo)區(qū)域提取、種子填充二值化和模糊模式分類識別來實(shí)現(xiàn)輪轂缺陷的自動檢測。開發(fā)了汽車輪轂缺陷自動檢測系統(tǒng)，并通過實(shí)驗(yàn)對算法進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，該算法不需要對輪轂圖像進(jìn)行預(yù)處理、可以檢測各種缺陷類型，對對比度低、高噪聲、產(chǎn)品結(jié)構(gòu)和圖像背景復(fù)雜、(射線)光照不均勻的圖像也能處理，不需要標(biāo)準(zhǔn)參照圖像，算法效率較

2、高，能夠滿足工業(yè)應(yīng)用的要求。 本文的主要研究內(nèi)容如下： 第一章介紹了圖像處理和模式識別的產(chǎn)生、發(fā)展與應(yīng)用現(xiàn)狀，闡述了輪轂缺陷自動檢測技術(shù)研究的重要意義及其研究現(xiàn)狀，詳細(xì)分析了現(xiàn)有方法的缺點(diǎn)與不足，最后，給出了本論文的具體研究內(nèi)容和技術(shù)路線。 第二章分析了輪轂X射線檢測圖像中各種因素引起的不同灰度變化的特征，提出了用于缺陷定位的山峰定位法，介紹了山峰定位的概念和原理，提出了基于山峰定位和數(shù)學(xué)形態(tài)學(xué)的缺陷目標(biāo)區(qū)域提取

3、方法。 第三章分析了常用的圖像分割法和ROI法對輪轂缺陷信息提取的無效性，研究了種子填充法在缺陷信息提取中的應(yīng)用，提出了基于缺陷小塊與目標(biāo)區(qū)域邊緣檢測的種子填充方法，解決了種子填充法在輪轂缺陷檢測中的兩大難點(diǎn)——種子點(diǎn)生成與生長障礙形成。 第四章在獲取輪轂缺陷信息的基礎(chǔ)上，研究了輪轂缺陷的分類識別，分析了各模式識別方法的優(yōu)劣勢與適用場合，研究了模糊模式識別方法在輪轂缺陷分類中的應(yīng)用的可行性，并且提出了基于遞進(jìn)的模糊模式識