不規(guī)則零件機器視覺檢測中的關鍵技術研究.pdf

1、機器視覺在產品自動檢測上有著不可替代的作用，它具有檢測速度快、精度高、非接觸性等特點。本文在充分調研國內外機器視覺研究領域已有成果的基礎上，理論結合實際，研究了不規(guī)則零件尺寸檢測和表面缺陷檢測算法，搭建了針對不規(guī)則卡箍缺損檢測的硬件平臺，開發(fā)了一套基于機器視覺的不規(guī)則卡箍檢測系統(tǒng)軟件。系統(tǒng)已獲得實際應用。
　　本文的研究工作及創(chuàng)新點如下：
　　(1)針對實時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、檢測去除算法。
　　系統(tǒng)研究了陰影產生的機理以及現(xiàn)有的檢測陰影的方法。提出的算法采用YCbCr顏色空間來進行陰影機理分析，并與現(xiàn)有的陰影去除算法進行了實驗對比，同實驗仿真圖中可以看出，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節(jié)信息。
　　(2)針對傳統(tǒng)圖像匹配耗費時間較長的問題，提出一種基于文化粒子群的圖像配準算法（CIPSO）。
　　系統(tǒng)研究了圖像配準的原理以及現(xiàn)有成熟的圖像配準方法。分析比較了

3、現(xiàn)有幾種匹配方法的性能及其優(yōu)缺點。提出一種基于文化粒子群的圖像配準算法。根據待處理圖像的灰度和空間結構信息，構造出一個基于最大化互信息的配準測度函數。以測度函數的優(yōu)化問題作為出發(fā)點，將文化算法和粒子群優(yōu)化算法相結合，用來指導圖像的配準。改進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中計算量過大、搜索速度過慢等問題，提高了匹配速度。
　　(3)對傳統(tǒng)脈沖耦合神經網絡（PCNN）進行了改進，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誤。
　　傳統(tǒng)的PCNN空間上不相鄰的神經元可以同時“點火”，但是對于區(qū)域生長的圖像來說，像素空間鄰接若不歸為一類將會導致分割有誤差甚至出現(xiàn)分割錯誤。改進后PCNN中神經元只允許“點火”一次，一旦“點火”，輸出將保持不變。改進后PCNN時間的獨立性體現(xiàn)的恰恰是區(qū)域的獨立性，區(qū)域間獨立的結果是邊緣神經元只和本區(qū)域內部神經元有耦合作用，所以改進后PCNN模型中邊緣處神經元得到補償，為后期的精確分割提供

5、依據。改進后的PCNN模型不需要經過大量圖像訓練過程或樣本調整過來提取圖像基本信息，只需進行幾次不同迭代運算，圖像的邊緣和區(qū)域信息可以被提取出來。最后，將PCNN改進算法用于卡箍劃痕分割實驗，從實驗結果可以看出改進后的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，適應范圍廣的特點。
　　(4)針對粒子群算法的隨機性和收斂性，分別采用代數模型、解析模型和狀態(tài)空間模型對其運行軌跡進行了分析。
　　算法中參數是算法的性能

6、和效率的關鍵。研究了PSO算法中的主要5類控制參數，并對參數的選取進行了較為細致的研究。采用線性離散時間系統(tǒng)的研究方法對粒子群算法的收斂性進行了分析，并給出對應的參數關系。圖像分割之后，針對提取出來的分割信息進行擬合曲線，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改進后的最小一乘法進行曲線擬合試驗，最終完成卡箍的直徑檢測。針對

7、卡箍耳朵的不規(guī)則性，文中采用隨機Hough變換來進行卡箍耳朵的角度檢測，并且得到較好的結果。
　　(5)設計并構建了卡箍尺寸和缺陷在線檢測系統(tǒng)，進行了現(xiàn)場驗證，產品獲得實際應用，節(jié)約了成本并提高了檢測準確性。
　　在基于機器視覺產品表面缺陷檢測系統(tǒng)的體系結構上，對缺陷檢測提出的各種算法進行研究，實現(xiàn)了一種基于機器視覺的彈簧卡箍在線檢測系統(tǒng)，并且介紹了它們在工業(yè)現(xiàn)場的實際使用效果。在實際工程環(huán)境下，實現(xiàn)整套系統(tǒng)的功能驗證，包括