資源描述：
《低成本視覺檢測平臺及視覺檢測關(guān)鍵技術(shù)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、中圖分類號：TP391論文編號：102870318-SX011學(xué)科分類號：080402碩士學(xué)位論文低成本視覺檢測平臺及視覺檢測關(guān)鍵技術(shù)研究研究生姓名黃平學(xué)科、專業(yè)測試計量技術(shù)及儀器研究方向機器視覺與圖像處理指導(dǎo)教師田裕鵬教授南京航空航天大學(xué)研究生院自動化學(xué)院二О一八年三月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofAutomationEngineeringResearchonLowCostVisualDetect
2、ionPlatformandKeyTechnologiesofVisualDetectionAThesisinInstrumentScienceandTechnologybyPingHuangAdvisedbyProfessorYupengTianSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringMarch,2018承諾書本人聲明所呈交的碩士學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。除了
3、文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得南京航空航天大學(xué)或其他教育機構(gòu)的學(xué)位或證書而使用過的材料。本人授權(quán)南京航空航天大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后適用本承諾書）作者簽名：日期：南京航空航天大學(xué)碩士學(xué)位論文摘要隨著技術(shù)發(fā)展和硬件成本的下降，視覺檢測的應(yīng)用越來越廣泛。表面缺陷檢測和工件裝配時的方向檢測是保證產(chǎn)品質(zhì)量的重要環(huán)節(jié)，與人工檢測方法的成本高、效率低
4、以及由于視覺疲勞造成誤檢測等缺點相比較，采用視覺檢測技術(shù)可以實現(xiàn)產(chǎn)品檢測的自動化，提高生產(chǎn)效率?？紤]到大規(guī)模的應(yīng)用需要控制生產(chǎn)成本，于是在視覺檢測平臺的選擇上要兼顧低成本、可維護性與處理速度。因此，結(jié)合表面缺陷和工件方向檢測，本文對低成本視覺檢測平臺及視覺檢測關(guān)鍵技術(shù)進行了研究。首先研究了視覺檢測所涉及到的關(guān)鍵圖像預(yù)處理算法，包括圖像匹配、圖像增強、圖像分割等。對于圖像匹配，分別研究了基于互相關(guān)的模板匹配與基于特征點的圖像匹配，并且利用特征點匹配實現(xiàn)圖像視角的矯正。對于圖像增強，研究了自適應(yīng)直方圖均衡化算法提
5、高圖像的對比度、同態(tài)濾波算法消除圖像光照不均、顏色恒常性算法降低圖像色偏。對于圖像分割，分別研究了基于HSV顏色空間的圖像分割與基于灰度空間的OTSU分割算法，通過對標(biāo)準(zhǔn)色卡中各顏色對應(yīng)的H、S、V分量進行計算得到常用顏色對應(yīng)的三通道分量的閾值，對指定顏色對應(yīng)的感興趣區(qū)域進行分割，結(jié)合OTSU算法研究了遞推OTSU與分塊OTSU，使得OTSU算法針對背景復(fù)雜的圖像進行分割時也能取得較好的分割效果。針對表面缺陷復(fù)雜多樣、檢測難度較大等問題，觀察到缺陷往往存在于圖像均勻背景中局部變化較明顯的區(qū)域，符合人眼視覺注意
6、機制。于是結(jié)合圖像紋理和視覺顯著度模型，提出了基于紋理顯著性的表面缺陷檢測算法。該算法以圖像塊為基本處理單元，提取基于統(tǒng)計紋理的GLCM、GGCM特征。通過K均值聚類算法對特征值進行分類，采用Gmean作為性能評價指標(biāo)，篩選出對顯著性貢獻率大的紋理特征計算紋理顯著圖，融合成最終的顯著圖并分割提取缺陷。與現(xiàn)有4種顯著性檢測方法作對比，該算法得到的顯著性檢測結(jié)果能夠同時檢測出強缺陷和弱缺陷，有效抑制背景噪聲的干擾，平均精確率為0.751，平均召回率為0.856，綜合指標(biāo)F值達0.794，準(zhǔn)確有效地提取出了表面圖像
7、中的缺陷。在低成本開發(fā)平臺的選擇上，通過對常用開發(fā)平臺進行成本、性能以及通用性的對比，最終選用基于Cortex-A53架構(gòu)的樹莓派作為系統(tǒng)硬件平臺，基于Linux內(nèi)核的Raspbian作為操作系統(tǒng)。以實際生產(chǎn)線上工件方向為檢測對象，進行了視覺檢測的硬件、軟件與處理算法設(shè)計。硬件方面包括攝像頭選取與工件成像方案設(shè)計，光源選取與照明方案設(shè)計。軟件方面采用QT與OpenCV相結(jié)合進行系統(tǒng)總體設(shè)計。算法方面在對工件圖像的特征進行分析的基礎(chǔ)上，針對工件體積小、兩端特征無顯著差異的特點，利用光照使工件兩端的灰度產(chǎn)生差異，
8、設(shè)計了通過工件分割后斜面二值像素占比判斷正反面的算法與通過工件兩端灰度值方差判斷方向的算法。i低成本視覺檢測平臺及視覺檢測關(guān)鍵技術(shù)研究最后，通過對不同狀態(tài)下的工件進行檢測，驗證了工件方向視覺檢測系統(tǒng)的可行性與高效性，同時也說明了樹莓派作為視覺檢測平臺具有成本低、通用性強、集成度高等優(yōu)勢。最后，針對面向現(xiàn)場應(yīng)用的視覺檢測系統(tǒng)在圖像采集和圖像處理方面的通用性，為了使視覺檢測系統(tǒng)開發(fā)人員專注于具體檢測對象
