基于机器视觉的工件锯片缺陷检测系统设计,本论文主要论述了机器视觉论文范文相关的参考文献,对您的论文写作有参考作用。
机器视觉论文参考文献：
摘 要：针对利用人的感觉器官在工业生产线检测中的不足,提出了一个基于机器视觉的锯片缺陷检测系统.通过工业数码相机等硬件采集图像信息,采用亚像素精度阈值分割等图像处理算法并借助机器视觉库Halcon对采集的原始图像进行处理,最后输出检测结果,提高了工业生产线检测的效率.
关键词：机器视觉；锯片；检测系统
中图分类号：TP391.41 文献标识码：A
Abstract：Aiming at the shortage of the human sense organs in the industrial production line detection,the paper proposes a machine vision-based defect detection system for workpiece saw blade.The system applies industrial digital cameras to collect images,uses sub-pixel accuracy threshold segmentation as the image processing algorithm,adopts the professional machine vision library,Halcon,to process the original images,and finally outputs the test results.The system actually improves the detection efficiency of the industrial production line.
Keywords：machine vision；saw blade；detection system
1 引言（Introduction）
机器视觉工件检测系统要求能在生产线上实时、准确地利用一些经典的边缘检测算子,比如Sobel算子、Prewitt算子[1]、Laplace算子和Canny算子[2]及其改进型的LoG算子[3]等图像处理算法检测出工件上主要的缺陷,然后通过统计分析评价出产品的质量状况.若采用传统的人工测量、计算、统计的方法进行识别,其效率极低,且产品质量无法得到有效保证,难以满足高精度的产品测量和高效率的生产线需求[4-6].目前机器视觉技术进行工件检测,在工业领域应用较广泛,具有非接触、无磨损、高效率等优点[7,8],弥补了人眼检测的不足.
本文以锯片锯齿两侧的坡口角度缺陷的检测为例,提出了一套基于机器视觉的工件检测系统.该系统由硬件系统和计算机软件系统两大部分组成,主要通过镜头、工业数码相机,图像采集卡等硬件系统完成图像的采集,利用亚像素精度阈值图像分割算法、几何基元的分割算法、轮廓特征提取算法等图像处理算法,借助专业的机器视觉库Halcon[9,10],设计一个视觉检测软件,对采集的原始图象进行处理并输出结果.
2 计算机视觉检测系统的构成（The composition of
computer vision inspection system）
计算机视觉检测系统由硬件和软件两大部分构成.硬件系统的功能是用于采集原始数字图像,主要由光源、光学系统、CCD相机、图像采集卡和控制执行模块等几部分组成,软件系统的功能是利用相应的图像处理算法对采集到的图像进行处理和识别.如图1所示.
本文以锯片缺陷的检测为例,应根据系统分辨率和检测精度的要求合理地选择检测系统的光源、照明方式、照明环境、工业相机、镜头、图像采集卡等硬件模块,如表1所示.只有采集到优质的锯片检测图像,才能为图像处理提供保证,提高检测效率.
3 图像处理算法（Image processing algorithm）
机器视觉检测系统另一重要内容是图像处理算法的设计,使用合适的编程语言描述并运行,通过图像处理达到锯片缺陷提取,最终实现机器视觉检测系统的应用.
首先从采集得到的原始图像中提取锯片的轮廓,然后对轮廓进行分离得到锯齿,利用特征提取法得到锯齿轮廓,最后计算出锯齿的坡口角度.如图2所示.
3.1 亚像素精度阈值分割算法[11]
若把图像看成是一个连续的函数,那么图像边缘可以定义为若干个点,这些点的方向导数（即灰度值变化率）在垂直于边缘的方向上是局部最大的.
为获取比原始图像更高的分辨率图像,可从原始图像中提取亚像素精度数据,亚像素精度数据可以通过亚像素阈值分割或亚像素边缘提取来获得.最简单的图像分割算法是阈值分割算法.阈值分割的操作被定义为：
（1）
式中（r, c）表示某像素的坐标,fr,c表示灰度值,gmin和gmax分别表示选择的最小阈值和最大阈值,该操作表示当灰度值满足式（1）时,则输出到区域S中.阈值分割算法执行速度较快,因为它对每个像素仅比较一次.若图像边缘比较模糊,则所选的阈值对定位边缘有一定的影响.
使用亚像素精度阈值分割算法能得到由一组边缘控制点形成的轮廓.图像上的两个区域以该轮廓分界,两个区域的灰度值分别大于和小于gsub,为得到这个轮廓,可将图像边缘周围的像素“连续”化表示成一个函数.其中一个简单方法就是通过双线性插值来处理,以达到像素细分的目的[12].
（2）
通过重复选取未被处理的线段和附近的线段,直到形成闭合的轮廓,使用图像灰度函数f（r,c）和常量函数g（r,c）等于gsub相交运算得到亚像素精度阈值分割的结果.
3.2 几何基元的分割和拟合算法
首先,把轮廓划分为圆弧和直线段,分离直线段和相邻的圆弧形状之间的间隙,然后计算出锯齿的每一侧的方向.通过起始点和结束点将其转化为一条直线并计算这条线的角度.然而,经处理的图像的顶部不一定是非常尖锐的,和理想的锯齿有一定的差异,导致计算锯齿方向错误.因此,使用最小二乘法进行直线拟合,利用轮廓线段上所有的点,这样可以得到拟合很好的直线.
结论：关于机器视觉方面的论文题目、论文提纲、机器视觉论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
机器视觉检测中的平面轮廓图元识别方法
摘 要：本文介绍了视觉检测的原理，对几种典型的图像边缘检测算子进行研究，分析了这些算子在视觉检测中的优缺点，这对进一步学习和寻找更好的图像边缘检。
基于嵌入式计算机技术的超速视频检测系统设计分析
摘 要：随着现如今科学技术的持续进步，计算机技术已不断运用在现代的生活中，如基于嵌入式计算机技术已经应用于办公、公共场所以及交通中等等。在现代的。
基于锁定放大器微弱信号检测系统设计
摘要：文章设计了一种基于锁定放大器的微弱信号检测系统，该系统以相敏检波器和单片机为核心，结合加法器、纯电阻分压网络、微弱信号检测电路和显示电路组。
基于机器视觉鸡蛋胚胎成活性检测和分拣系统
摘 要：当前，流感疫苗的制备技术水平正逐步提升，一般采用在鸡蛋胚胎中培养病毒的方式。在病毒的采用过程中，坏死胚胎的剔除工作对疫苗的制作具有至关重。