本文主要的结构安排如下:
第一章:绪论。介绍了机器视觉的背景知识及其研究意义,再简要叙述了国内外基于机器视觉技术的缺陷检测技术的研究现状,以及论文的主要内容和结构安排。
第二章:连接器表面缺陷检测的基本流程及表面常见的缺陷分类。主要分为图像采集、图像预处理、图像配准、缺陷比对。
第三章:图像预处理的原理及结果比较。主要研究灰度化及去噪的预处理方法,并分析其优劣性,选择合适的预处理方法。
第四章:图像配准算法的相关研究。主要分析了几种配准算法的原理和其效果对比,从而选择合适的配准方法。
第五章:整个缺陷检测系统的软件仿真部分。主要介绍了MATLAB的GUI界面设计和仿真过程。
本文主要工作是设计一个MATLAB的GUI界面,其主要功能包括比较SIFT、SURF等图像配准方法的配准结果以及缺陷检测等功能。
2 连接器表面缺陷分类及缺陷检测基本流程
本章主要介绍了基于机器视觉的连接器表面缺陷检测的基本流程,列出了连接器表面可能存在的各种类型缺陷,并对这些缺陷进行分类,用合适的算法对这些不同类型的缺陷进行一一识别比对。
2。1 连接器表面缺陷分类
在目前的工业生产中,我们检测出来的连接器表面缺陷类型主要有这几种:塑胶破损、塑胶毛边、塑胶刮伤、端子多胶、端子歪、缺pin等。而我们也根据这些缺陷特征,将以上这些主要分为两大类:
(1)塑胶类缺陷:这类缺陷主要包括塑胶破损、塑胶毛边、塑胶刮伤等,由于塑胶的材料特性,塑胶在图像中的灰度值明显低于金属类的材质,所以出现此类缺陷的地方图像灰度值相对于周围灰度会稍微暗一些。
(2)端子类缺陷:这类缺陷主要包括端子歪、缺pin等。由于本文的连接器端子是有金属制成的,所以出现此类缺陷的位置一般是整个图像中灰度值最高的区域。
2。2 连接器表面缺陷检测基本流程介绍论文网
我们经过对连接器表面图像的特点分析并结合机器视觉缺陷检测技术,最终采用将需要检测的图像与标准图像进行比对的方法来确定检测图像是否存在缺陷。其基本流程如下图所示:
图2。1 连接器表面缺陷检测基本流程
一般而言,缺陷检测基本流程主要分为:图像采集、图像预处理、图像配准、缺陷识别这四个步骤。
首先对于图像采集,在机器视觉缺陷检测系统中,光源是一个非常重要的部分,它是图片有较高的清晰度和对比度的保证。我们选取的光源必须能将背景部分和检测部分明显区分开来,并同时也要尽量减少不必要的噪声等。而相机的选取一般采用CCD或CMOS面阵摄像机,至于相机的实际选取,我们则需要根据检测精度、速度及成本等方面来综合考虑。这些因素都会对我们之后所需要做的缺陷检测有所影响。但因为实验条件有所限制,本文对于图像采集这一部分没有做很多的研究,只是稍稍讲了部分原理。
接着是图像预处理部分。因为摄像机采集的图像都是带有色彩的数字图像,相比于普通的灰度图像数据量相对较大,这样就会使读取、处理及存储速度都变慢,从而影响整体的缺陷检测时间。而在采集图像时,由于光源、相机的参数以及镜头的影响,我们最终采集到的图像肯定会有一些因光照或是相机镜头等因素产生的额外噪声,而这些不必要的噪声会对接下来的检测造成一定的干扰。鉴于以上原因,我们必须对采集到的图像进行灰度化、去噪等相关的预处理操作。此部分也会在第三章详细说明。 MATLAB机器视觉在缺陷检测上的应用(4):http://www.youerw.com/tongxin/lunwen_97798.html