基于機器視覺的工件尺寸檢測系統(tǒng)研究.pdf

1、尺寸測量是獲得數(shù)據的重要方法，也是衡量產品是否合格的重要技術手段。傳統(tǒng)的尺寸測量方法是人工手動測量，其耗時費力且精度不高。隨著技術的發(fā)展，手動測量精度及效率已經不適應工業(yè)自動化，尤其是高精度產品的要求。隨著機器視覺的發(fā)展，視覺檢測技術得到了不斷發(fā)展，它具有精度高、速度快、非接觸等優(yōu)點，在工業(yè)現(xiàn)場得到了廣泛應用，具有廣闊的發(fā)展前景。
　　本文以齒輪為研究對象，以機器視覺基本原理和數(shù)字圖像處理技術為基礎，從提高齒輪數(shù)據檢測精度入手，對

2、齒輪檢測系統(tǒng)搭建及采集以及軟件設計、圖像預處理技術、邊緣檢測技術、亞像素細分、相機標定進行了詳細分析，實現(xiàn)了齒輪數(shù)據的精確測量。主要研究內容有：
　　首先，完成了機器視覺工件尺寸檢測系統(tǒng)硬件和軟件設計。按照齒輪尺寸檢測的具體要求，簡要介紹了硬件的性能，同時進行了設備選型，在實驗室環(huán)境中搭建了所用的檢測平臺，并且獲得了齒輪圖像。在軟件方面，利用MATLAB圖形用戶界面設計工具設計齒輪圖像處理界面，并詳細介紹了該界面的設計流程及處理過

3、程。
　　其次，對采集到的齒輪圖像進行預處理。采集到的圖像不可避免的含有不同程度的噪聲，對圖像進行濾波處理以得到有利于邊緣檢測的圖像。針對齒輪圖像二值化分割方面，利用OTSU法獲取閾值，進而對圖像進行分割。
　　然后，齒輪圖像邊緣檢測及亞像素細分算法研究。針對邊緣檢測方面，通過對經典邊緣檢測算法分析，并利用標準Lena圖像進行實驗對比，選用Canny算子提取齒輪圖像的邊緣。邊緣檢測算法得到的精度較低，利用亞像素邊緣檢測算法細

4、分邊緣，從而提高邊緣定位精度。采用Zernike矩亞像素算法進行邊緣細分，然后優(yōu)化了一些數(shù)據，通過兩組實驗驗證改進算法的有效性。實驗結果表明，改進算法能夠更加有效地檢測出圖像的邊緣，提高了定位精度。
　　最后，攝像機標定和尺寸測量結果及誤差分析。利用標定板得到了計算齒輪尺寸所需要的標定系數(shù)。利用搭建好的硬件平臺和設計好的軟件系統(tǒng)完成齒輪圖像的處理過程，得到齒輪尺寸數(shù)據。詳細分析了可能影響尺寸檢測精度的誤差因素。
　　本文設計