基于機(jī)器視覺的復(fù)雜塑件識別與檢測技術(shù)研究.pdf

1、塑料零件具有價(jià)格低、密度小、減振降噪等優(yōu)點(diǎn)，廣泛應(yīng)用于各種精密儀表和微機(jī)電產(chǎn)品中。由于塑料零件在成型過程中容易產(chǎn)生各種缺陷，因此需要對其進(jìn)行檢測以保證質(zhì)量。目前國內(nèi)多數(shù)廠商仍然采用人工檢測的方式，傳統(tǒng)的人工檢測費(fèi)時(shí)費(fèi)力而且精度得不到保證，尤其當(dāng)塑件外形較為復(fù)雜時(shí)，人工檢測更顯力不從心。為了提高生產(chǎn)效率與檢測精度，本文將機(jī)器視覺應(yīng)用于復(fù)雜塑件的識別與檢測。機(jī)器視覺作為一種在線檢測技術(shù)，通過圖像采集設(shè)備將目標(biāo)物體轉(zhuǎn)換成圖像信號，并對圖像信號

2、進(jìn)行處理以得到目標(biāo)物體的形態(tài)信息，具有效率高、自動化程度高、準(zhǔn)確率高等優(yōu)點(diǎn)。
　　本文以機(jī)器視覺技術(shù)為基礎(chǔ)，針對復(fù)雜塑件的外形與尺寸特點(diǎn)，進(jìn)行了識別與檢測方面的研究，主要研究內(nèi)容如下:
　　(1)基于復(fù)雜塑件識別與檢測的需求，設(shè)計(jì)了識別與檢測系統(tǒng)的整體方案。完成系統(tǒng)硬件的配置與實(shí)驗(yàn)平臺的搭建。介紹了圖像像素坐標(biāo)系、圖像物理坐標(biāo)系、相機(jī)坐標(biāo)系、全局坐標(biāo)系及其相互關(guān)系，并根據(jù)相機(jī)成像模型，利用HALCON軟件實(shí)現(xiàn)了相機(jī)內(nèi)外參數(shù)的

3、標(biāo)定。
　　(2)完成用于圖像采集的硬件平臺后，對原始圖像進(jìn)行了預(yù)處理以得到便于識別與檢測的零件圖像。研究了三種常用濾波方法的原理及降噪效果，結(jié)果表明中值濾波對圖像邊緣的模糊最少;通過基于閾值的分割方法初步提取出了零件區(qū)域;利用形態(tài)學(xué)處理消除了圖像中的孔洞和噪點(diǎn)。針對三種常用邊緣檢測算法——Canny算法、基于形態(tài)學(xué)的算法和一階微分算法的優(yōu)缺點(diǎn)，提出了一種改進(jìn)的基于梯度算子的邊緣檢測算法。該算法檢測出的邊緣為單像素邊緣，且噪聲抑制

4、效果好，漏檢誤檢少，定位準(zhǔn)確。
　　(3)基于預(yù)處理結(jié)果，研究了同類型不同尺寸零件以及不同類型零件的識別方法，包括基于模版匹配和基于BP神經(jīng)網(wǎng)絡(luò)的圖像識別方法。設(shè)計(jì)了用于模版匹配的灰度模版和邊緣模版;基于采集到的樣本圖像，利用HALCON軟件對神經(jīng)網(wǎng)絡(luò)進(jìn)行了設(shè)計(jì)與訓(xùn)練，并使用訓(xùn)練完成后的神經(jīng)網(wǎng)絡(luò)對零件進(jìn)行了分類識別實(shí)驗(yàn)。結(jié)果表明，兩種識別方法準(zhǔn)確率相當(dāng)，但基于BP神經(jīng)網(wǎng)絡(luò)的識別方法耗時(shí)明顯更少。
　　(4)在視覺檢測方面，以

5、塑料齒輪為例，對其進(jìn)行了基本外形參數(shù)的測量。使用多種方法求取了齒輪中心點(diǎn)坐標(biāo)并將其平均值作為最終的中心點(diǎn)坐標(biāo)。測量了其齒頂圓直徑、齒根圓直徑、齒數(shù)和齒距等參數(shù)，并使用這些參數(shù)判斷齒輪是否有缺陷。
　　(5)綜合上述研究內(nèi)容，以Visual C++2010為基礎(chǔ)，結(jié)合HALCON、OpenCV軟件，設(shè)計(jì)和開發(fā)了視覺識別與檢測系統(tǒng)。系統(tǒng)主要實(shí)現(xiàn)了圖像采集、圖像識別、齒輪尺寸測量和結(jié)果顯示等功能。軟件界面包含了實(shí)時(shí)視頻、識別與檢測結(jié)果、