不規(guī)則零件機(jī)器視覺檢測(cè)中的關(guān)鍵技術(shù)研究.pdf

1、機(jī)器視覺在產(chǎn)品自動(dòng)檢測(cè)上有著不可替代的作用，它具有檢測(cè)速度快、精度高、非接觸性等特點(diǎn)。本文在充分調(diào)研國內(nèi)外機(jī)器視覺研究領(lǐng)域已有成果的基礎(chǔ)上，理論結(jié)合實(shí)際，研究了不規(guī)則零件尺寸檢測(cè)和表面缺陷檢測(cè)算法，搭建了針對(duì)不規(guī)則卡箍缺損檢測(cè)的硬件平臺(tái)，開發(fā)了一套基于機(jī)器視覺的不規(guī)則卡箍檢測(cè)系統(tǒng)軟件。系統(tǒng)已獲得實(shí)際應(yīng)用。
　　本文的研究工作及創(chuàng)新點(diǎn)如下：
　　(1)針對(duì)實(shí)時(shí)拍攝過程中陰影的干擾問題，提出基于YCbCr顏色空間和雙邊濾波的陰影

2、檢測(cè)去除算法。
　　系統(tǒng)研究了陰影產(chǎn)生的機(jī)理以及現(xiàn)有的檢測(cè)陰影的方法。提出的算法采用YCbCr顏色空間來進(jìn)行陰影機(jī)理分析，并與現(xiàn)有的陰影去除算法進(jìn)行了實(shí)驗(yàn)對(duì)比，同實(shí)驗(yàn)仿真圖中可以看出，該算法得到的效果圖中不僅去除了陰影，而且較好的保留了原圖中的細(xì)節(jié)信息。
　　(2)針對(duì)傳統(tǒng)圖像匹配耗費(fèi)時(shí)間較長的問題，提出一種基于文化粒子群的圖像配準(zhǔn)算法（CIPSO）。
　　系統(tǒng)研究了圖像配準(zhǔn)的原理以及現(xiàn)有成熟的圖像配準(zhǔn)方法。分析比較了

3、現(xiàn)有幾種匹配方法的性能及其優(yōu)缺點(diǎn)。提出一種基于文化粒子群的圖像配準(zhǔn)算法。根據(jù)待處理圖像的灰度和空間結(jié)構(gòu)信息，構(gòu)造出一個(gè)基于最大化互信息的配準(zhǔn)測(cè)度函數(shù)。以測(cè)度函數(shù)的優(yōu)化問題作為出發(fā)點(diǎn)，將文化算法和粒子群優(yōu)化算法相結(jié)合，用來指導(dǎo)圖像的配準(zhǔn)。改進(jìn)后的粒子群算法加快了粒子群的收斂速度，從而克服了圖像配準(zhǔn)中計(jì)算量過大、搜索速度過慢等問題，提高了匹配速度。
　　(3)對(duì)傳統(tǒng)脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）進(jìn)行了改進(jìn)，并用于圖像分割，避免了傳統(tǒng)圖像

4、分割方法容易出現(xiàn)的分割誤差或分割錯(cuò)誤。
　　傳統(tǒng)的PCNN空間上不相鄰的神經(jīng)元可以同時(shí)“點(diǎn)火”，但是對(duì)于區(qū)域生長的圖像來說，像素空間鄰接若不歸為一類將會(huì)導(dǎo)致分割有誤差甚至出現(xiàn)分割錯(cuò)誤。改進(jìn)后PCNN中神經(jīng)元只允許“點(diǎn)火”一次，一旦“點(diǎn)火”，輸出將保持不變。改進(jìn)后PCNN時(shí)間的獨(dú)立性體現(xiàn)的恰恰是區(qū)域的獨(dú)立性，區(qū)域間獨(dú)立的結(jié)果是邊緣神經(jīng)元只和本區(qū)域內(nèi)部神經(jīng)元有耦合作用，所以改進(jìn)后PCNN模型中邊緣處神經(jīng)元得到補(bǔ)償，為后期的精確分割提供

5、依據(jù)。改進(jìn)后的PCNN模型不需要經(jīng)過大量圖像訓(xùn)練過程或樣本調(diào)整過來提取圖像基本信息，只需進(jìn)行幾次不同迭代運(yùn)算，圖像的邊緣和區(qū)域信息可以被提取出來。最后，將PCNN改進(jìn)算法用于卡箍劃痕分割實(shí)驗(yàn)，從實(shí)驗(yàn)結(jié)果可以看出改進(jìn)后的PCNN的分割效果明顯優(yōu)于其他傳統(tǒng)算法，具有分割精度高，適應(yīng)范圍廣的特點(diǎn)。
　　(4)針對(duì)粒子群算法的隨機(jī)性和收斂性，分別采用代數(shù)模型、解析模型和狀態(tài)空間模型對(duì)其運(yùn)行軌跡進(jìn)行了分析。
　　算法中參數(shù)是算法的性能

6、和效率的關(guān)鍵。研究了PSO算法中的主要5類控制參數(shù)，并對(duì)參數(shù)的選取進(jìn)行了較為細(xì)致的研究。采用線性離散時(shí)間系統(tǒng)的研究方法對(duì)粒子群算法的收斂性進(jìn)行了分析，并給出對(duì)應(yīng)的參數(shù)關(guān)系。圖像分割之后，針對(duì)提取出來的分割信息進(jìn)行擬合曲線，來獲得如卡箍的面積、周長、偏心率、球形性等特征，進(jìn)而為系統(tǒng)的判別分類提供參考信息。文中利用最小一乘來擬合曲線，擬合算法采用粒子群算法。最后采用粒子群來指導(dǎo)改進(jìn)后的最小一乘法進(jìn)行曲線擬合試驗(yàn)，最終完成卡箍的直徑檢測(cè)。針對(duì)

7、卡箍耳朵的不規(guī)則性，文中采用隨機(jī)Hough變換來進(jìn)行卡箍耳朵的角度檢測(cè)，并且得到較好的結(jié)果。
　　(5)設(shè)計(jì)并構(gòu)建了卡箍尺寸和缺陷在線檢測(cè)系統(tǒng)，進(jìn)行了現(xiàn)場(chǎng)驗(yàn)證，產(chǎn)品獲得實(shí)際應(yīng)用，節(jié)約了成本并提高了檢測(cè)準(zhǔn)確性。
　　在基于機(jī)器視覺產(chǎn)品表面缺陷檢測(cè)系統(tǒng)的體系結(jié)構(gòu)上，對(duì)缺陷檢測(cè)提出的各種算法進(jìn)行研究，實(shí)現(xiàn)了一種基于機(jī)器視覺的彈簧卡箍在線檢測(cè)系統(tǒng)，并且介紹了它們?cè)诠I(yè)現(xiàn)場(chǎng)的實(shí)際使用效果。在實(shí)際工程環(huán)境下，實(shí)現(xiàn)整套系統(tǒng)的功能驗(yàn)證，包括