基于機器視覺的磁性零件缺陷檢測技術(shù)研究.pdf

1、近年來，機器視覺(Machine Vision)技術(shù)因其良好的性能得到了快速發(fā)展和廣泛應(yīng)用。機器視覺具有非接觸、高精度、實時、在線等諸多優(yōu)點，在工業(yè)自動化、醫(yī)學(xué)、智能交通等諸多領(lǐng)域中具有良好的應(yīng)用現(xiàn)狀及發(fā)展前景。本系統(tǒng)針對電感中使用的一種工字型磁性零件，檢測其尺寸與缺損狀況。在對課題研究背景和國內(nèi)外發(fā)展現(xiàn)狀進行分析以及大量研讀參考文獻的基礎(chǔ)上，對機器視覺檢測系統(tǒng)進行了深入的研究，給出了具體的解決方案。所取得的主要研究成果有：
　　

2、1.對機器視覺檢測系統(tǒng)結(jié)構(gòu)進行了分析研究。針對工程實際中對檢測速度和精度的要求，深入研究了系統(tǒng)硬件模塊的照明技術(shù)、攝像機技術(shù)以及鏡頭技術(shù)，確定了“MV-VD200SM/SC型相機+AFT-ZML0912型鏡頭+AFT-RL12068 R型環(huán)形光源”的硬件方案。采用多傳感器進行視覺測量，將3個相機拍攝到的圖像用多線程進行處理。
　　2.對數(shù)字圖像開發(fā)工具進行了研究。通過與Matlab處理圖像的效果和算法運行速度進行比對，確定了以開源

3、、跨平臺的計算機視覺庫OpenCV，配合Microsoft Visual Studio2010作為編譯環(huán)境，采用C++語言進行項目開發(fā)。
　　3.對數(shù)字圖像處理算法進行了深入的研究。包括圖像的預(yù)處理過程、圖像濾波與增強、邊緣檢測算子、Hough變換進行直線檢測等。對于缺陷較大的零件，可以通過周長和面積比較容易地判別出來，本文的難點在于對于較小缺陷零件的檢測。進行圓檢測時，由于 Hough變換要求的條件過于理想化，此時在與多邊形擬合