基于機(jī)器視覺(jué)的罐蓋缺陷檢測(cè).pdf

1、機(jī)器視覺(jué)技術(shù)是一門(mén)新的學(xué)科，主要是用計(jì)算機(jī)來(lái)代替人眼，通過(guò)處理分析圖像的方式來(lái)直接或間接地識(shí)別出物體。該方法常被用于實(shí)際測(cè)量或檢測(cè)。近年來(lái)，該項(xiàng)技術(shù)在諸多行業(yè)發(fā)展很快，尤其在工業(yè)檢測(cè)中居多。
　　本課題以工業(yè)金屬罐蓋為對(duì)象，通過(guò)閱讀大量文獻(xiàn)，研究了基于機(jī)器視覺(jué)的罐蓋缺陷的實(shí)時(shí)檢測(cè)方法，克服了人工檢測(cè)的速度慢、效率低、準(zhǔn)確率不高等缺點(diǎn)。
　　本文的研究?jī)?nèi)容主要包括以下幾個(gè)方面：
　　(1)提出了一種罐蓋圖像處理算法。首先

2、對(duì)從硬件系統(tǒng)中采集到的罐蓋圖進(jìn)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(lái)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(gè)主要區(qū)域，最后綜合一系列圖像處理算法對(duì)這三個(gè)區(qū)域進(jìn)行檢測(cè)。
　　(2)提出了一種用遺傳算法和非線性規(guī)劃的圓度誤差測(cè)量算法。通過(guò)研究圓形算法檢測(cè)理論發(fā)現(xiàn)，常用于圖像處理技術(shù)中的Hough變換、最小二乘法和遺傳算法在圖像圓形檢測(cè)中存在著諸多不足。其中，Hough變換由于自身檢測(cè)速度太慢的

3、問(wèn)題明顯不能滿足工業(yè)檢測(cè)的實(shí)時(shí)性；最小二乘法雖然克服了Hough變換檢測(cè)速度慢的問(wèn)題，但無(wú)法排除干擾點(diǎn)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(shì)，而且往往只能搜索到問(wèn)題的次優(yōu)解；而非線性規(guī)劃方法剛好具備較強(qiáng)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(cè)量方法，實(shí)驗(yàn)發(fā)現(xiàn)該方法可快速收斂，并且計(jì)算精確，在圓度誤差的測(cè)量中起到了很好的作用。
　　(3)提出了一種基于極限學(xué)習(xí)機(jī)的罐蓋缺陷檢測(cè)算法。運(yùn)用圖

4、像處理知識(shí)提取罐蓋圖像形態(tài)特征13個(gè)、頻域紋理特征10個(gè)、空域紋理特征32個(gè)，共55個(gè)參數(shù)特征，采用極限學(xué)習(xí)機(jī)建立罐蓋缺陷分類(lèi)模型，并且與 BP神經(jīng)網(wǎng)絡(luò)和LVQ神經(jīng)網(wǎng)絡(luò)兩種分類(lèi)效果進(jìn)行對(duì)比。實(shí)驗(yàn)表明：該算法能很好的區(qū)分出有缺陷的罐蓋，判斷準(zhǔn)確率達(dá)到97％，能夠?qū)崿F(xiàn)生產(chǎn)線上罐蓋的有效分類(lèi)。缺陷檢測(cè)的速度可達(dá)到10個(gè)每秒，為罐蓋的缺陷生產(chǎn)線在線檢測(cè)提供了很好的支持。
　　(4)開(kāi)發(fā)了缺陷檢測(cè)系統(tǒng)軟件。在有大量樣本的基礎(chǔ)上，針對(duì)需求分析