基于脉冲耦合神经网络的弹簧卡箍缺陷检测
【图文】：
逦逦逦逦逦逦逦逦逦逦逦·卷３８９８·空部分，在另一侧形成高光，会湮没缺陷信息。图１卡箍示意图为了解决以上问题，本文设计了一种正面背光，侧面平行的打光方式，具体如下：１）正面：背景设置为一短白色磨砂玻璃，在玻璃正下方安置平行于玻璃的四边形光源。２）侧面：３个相机在平行于玻璃的上方打光，成１２０°夹角。确定卡箍与相机的相对位置后，侧面相机每次可获取卡箍整圈表面三分之一左右的信息。这样获取３张图片，即可覆盖其所有外表面，完成整个拍摄的过程。系统工作过程如图２所示：当卡箍进入检测区域１，触发器１启动，相机Ａ对卡箍进行背光拍摄，获取一幅卡箍整体轮廓图像，发送到上位机进行形状与耳朵检测。当卡箍进入检测区域２，触发器２启动，相机Ｂ，Ｃ，Ｄ对卡箍进行拍摄，获取三幅可以覆盖整个零件侧面的图像，送上位机进行颜色，高度，划痕等缺陷检测。当卡箍表面存在缺陷时，上位机通过串口发送消息给下位机，进行剔除。图２工作台模型２卡箍检测算法设计检测算法是该系统的核心，流程如下：从４台相机分别读取图像并进行预处理；对预处理后的图像进行高度，颜色，形状（耳朵）及缺陷检测；定位缺陷并评估缺陷，给出检测结果，送上位机显示，并送下位机执行剔除。在卡箍生产过程中，受到实际环境条件的限制，相机拍摄得到的原始图像存在图像噪声，因此需要对原始图像进行预处理。因为系统机械设计中相机与卡箍的相对位置固定，所以所获取图像的视野范围是确定的。为了节省系统资源，提高检测速度以适应系统的实时性，有必要在图像分割之前先进行区域定位。本系统仅是对卡箍进行识别，所以拍摄图像中的信息比较单纯，可以利用
，这些边缘都很相似，通过调节迭代次数可以得到更多感兴趣的结果。随着ＰＣＮＮ在不同迭代中的点火，图像会被进一步分割，在粗分割的基础上再次进行细分割。但是同样会发现，过多的细分割会加大目标识别的难度。图５的分割次数为４次，图６的分割次数为６次。从零件检测分割这个角度我们发现图５已经符合识别要求，之后的图６分割次数多了，多余的细节也凸显出来，给识别带来干扰，而且从时间的角度，花费了较多的时间。所以如何选择迭图４卡箍原始图像图５４次分割之后的图像图６６次分割之后的图像代次数决定了ＰＣＮＮ对不同灰度值边缘的识别分割能力。为了进一步检验算法的准确性，在流水线随机拍摄１０００个卡箍，其中不合格的１００个，合格的９００个。图像采集系统通过外部触发分别获取每个卡箍表面图像４张，经上位机处理检验其合格与否。平均每张图片处理时间为０．０８７ｓ，因此检测一个卡箍所需的时间为０．３４８ｓ，满足厂家的在线检测技术要求（０．５ｓ／个）。经过一年的现场测试，目前没有存在误判情况。４结论本文搭建了基于机器视觉的卡箍检测系统，该系统搭建在卡箍流水线两侧，可以在１秒２．８个的速度下进行检测，并能检测出弹簧卡箍表面大于１０像素的缺陷，正确率高、检测速度快，适合工业在线检测。本文主要工作：１）设计了自动定位ＲＯＩ算法，，能从图像中快速定位感兴趣区域；２）设计了一种高度检测算法，使用最简单的几何原理，快速实现测量，当然前提条件是相机与对象的夹角为９０°或０°；３）使用改进型ＰＣＮＮ分割算法对卡箍表面缺陷进行提取判定。该系统是机器视觉在卡箍
【作者单位】： 南京航空航天大学机械结构力学及控制国家重点实验室;
【基金】：国家自然科学基金资助项目(10972102) 博士点基金(200802870007) 江苏省科技支撑(BE2009163) 淮安市科技项目(HAG2012048) 江苏省高校优势学科建设工程资助项目(PAPD)
【分类号】：TP391.41;TP183
【参考文献】
相关期刊论文 前5条
1 张军英,樊秀菊,董继扬,石美红;一种改进型脉冲耦合神经网络及其图像分割[J];电子学报;2004年07期
2 吴福培;邝泳聪;张宪民;欧阳高飞;;基于模式匹配及其参数自适应的PCB焊点检测[J];光学精密工程;2009年10期
3 黄杰贤;李迪;叶峰;张舞杰;;挠性印制电路板焊盘表面缺陷的检测[J];光学精密工程;2010年11期
4 王丽荣;王建蕾;;基于主成分分析的唇部轮廓建模[J];光学精密工程;2012年12期
5 卢盛林;张宪民;邝泳聪;;基于神经网络的PCB焊点检测方法[J];华南理工大学学报(自然科学版);2008年05期
【共引文献】
相关期刊论文 前10条
1 陈兴杰;柴晓冬;;一种基于简化PCNN的红外图像分割方法[J];安徽大学学报(自然科学版);2010年01期
2 吴晖辉;张宪民;;阻容类表面贴装元件的炉前检测算法[J];测试技术学报;2011年05期
3 吴福培;;基于2-D彩色图像模型的PCB焊点检测方法研究[J];电测与仪表;2011年01期
4 吴晖辉;张宪民;;多引脚类贴装器件的炉前检测算法[J];电子测量与仪器学报;2011年11期
5 隋英;付春菊;高兴燕;;人工神经网络研究的发展与应用[J];大众科技;2010年05期
6 于江波;陈后金;王巍;李居朋;;脉冲耦合神经网络在图像处理中的参数确定[J];电子学报;2008年01期
7 祝双武;郝重阳;;一种基于改进型PCNN的织物疵点图像自适应分割方法[J];电子学报;2012年03期
8 于江波;陈后金;;PCNN模型的改进及其在医学图像处理中的应用[J];电子与信息学报;2007年10期
9 欧阳高飞;邝泳聪;谢宏威;张宪民;;基于亚像素定位的贴装元件精确取像技术[J];光电工程;2010年06期
10 贾小军;张之江;曾丹;温伟;;基于简化PCNN模型的结构光图像自动分割方法[J];光电子.激光;2011年03期
相关会议论文 前1条
1 贺海浪;龙绪明;刘明晓;罗爱玲;曹宏耀;董健腾;;(2D)~2LDA和支持向量机在PCB焊点检测中的应用[A];2014中国高端SMT学术会议论文集[C];2014年
相关博士学位论文 前10条
1 谢宏威;印刷电路板焊点智能检测算法的研究[D];华南理工大学;2011年
2 黄陈蓉;基于Gap统计的图像分割理论与算法研究[D];南京理工大学;2005年
3 李伟;像素级图像融合方法及应用研究[D];华南理工大学;2006年
4 于江波;视觉感知计算模型若干问题的研究及其应用[D];北京交通大学;2007年
5 牛建军;特殊环境下的光电图像获取与处理技术[D];西安电子科技大学;2007年
6 姚畅;眼底图像分割方法的研究及其应用[D];北京交通大学;2009年
7 王成;基于脉冲耦合神经网络的感兴趣区图像检测方法及应用[D];华南理工大学;2010年
8 刘良江;先进电子制造生产线机器视觉检测方法与技术研究[D];湖南大学;2010年
9 黄杰贤;FPC外观缺陷自动光学检测关键技术研究[D];华南理工大学;2012年
10 李丽洁;视频中文本信息提取技术研究[D];哈尔滨工程大学;2012年
相关硕士学位论文 前10条
1 饶文其;基于PCNN边缘检测的彩色图像分割[D];西安电子科技大学;2011年
2 郑涛;基于PCNN的航拍绝缘子图像的分割及定位研究[D];大连海事大学;2011年
3 段宇平;医学图像的压缩及边缘检测研究[D];安徽理工大学;2011年
4 梁翠;银纳米颗粒的制备及其连接性能的研究[D];哈尔滨工业大学;2011年
5 李丽;基于主特征量自适应选择的彩色图像分割方法研究[D];辽宁师范大学;2005年
6 伍柏秋;一种基于PCNN的低对比度灰度图像增强方法及其评价[D];西安电子科技大学;2006年
7 张燕;脉冲耦合神经网络及混沌脉冲耦合神经网络的研究[D];哈尔滨工程大学;2007年
8 荀文龙;PCNN在溢油遥感图像边缘检测中的应用研究[D];大连海事大学;2008年
9 谢浩覃;分割类圆形聚集区域的Gabor方法研究[D];中南大学;2008年
10 刘正君;基于脉冲耦合神经网络的图像分割研究[D];哈尔滨工程大学;2008年
【二级参考文献】
相关期刊论文 前10条
1 单志广,魏涛,杨扬;一种基于视觉熵的图像分割压缩方法[J];北京科技大学学报;2000年02期
2 史建卫;;无铅焊接工艺中常见缺陷及防止措施[J];电子工艺技术;2008年01期
3 李志敏;林越伟;黄俊;张凤阳;万睿;张晶;黄凡;;PCB走线检测的预处理算法[J];光学精密工程;2007年02期
4 王自强;李银妹;楼立人;魏衡华;王忠;;BP神经网络用于光镊力的非线性修正[J];光学精密工程;2008年01期
5 马立;于瀛洁;程维明;荣伟彬;孙立宁;;BP神经网络补偿并联机器人定位误差[J];光学精密工程;2008年05期
6 吴黎明;崔山领;王立萍;刘润予;;重复图案晶片自动检测新方法[J];光学精密工程;2008年05期
7 卢盛林;张宪民;;无铅焊点检测光源的分析与优化设计[J];光学精密工程;2008年08期
8 沈铖武;王志乾;刘畅;孙志远;李建荣;;BP神经网络在多位置捷联寻北系统中的应用[J];光学精密工程;2009年08期
9 吴本涛;吴敏渊;曾霖;;自适应搜索的快速分块跟踪[J];光学精密工程;2011年03期
10 王国良;刘金国;;基于粒子滤波的多自由度运动目标跟踪[J];光学精密工程;2011年04期
【相似文献】
相关期刊论文 前10条
1 吴宏杰;季剑兰;朱音;奚雪峰;付保川;;一种胶囊缺陷检测系统的设计与研究[J];电脑知识与技术;2010年28期
2 徐赤;王志平;凌永祥;祝晓春;秦嘉炜;;基于智能视觉系统的饮料瓶缺陷检测技术[J];自动化与仪器仪表;2011年05期
3 龙智帆;孙志海;孔万增;;算法可重构的工业视觉饮料瓶盖缺陷检测[J];杭州电子科技大学学报;2012年01期
4 王诗琴;程耀瑜;师惠萍;刘永林;;基于角点定位的印刷品缺陷检测[J];传感器世界;2011年04期
5 邓忠华;刘飞;;印刷品缺陷检测的初步方案[J];计算机技术与发展;2006年10期
6 钟克洪,丁明跃,周成平;基于小波差分统计特征的纹理缺陷检测方法[J];系统工程与电子技术;2004年05期
7 陈国俊,刘泊,范剑英;火炮内膛缺陷检测的研究[J];哈尔滨理工大学学报;2004年05期
8 李泽涛;陶纯匡;;空间滤波法检测透明材料的相位缺陷[J];物理实验;2007年04期
9 李峰峰;袁鹏;吴忻生;;基于图像处理的片式元件缺陷检测算法[J];计算机测量与控制;2012年04期
10 赵云山;宫云战;周傲;王前;周虹伯;;静态缺陷检测中的误报消除技术研究[J];计算机研究与发展;2012年09期
相关会议论文 前10条
1 杨德美;杨学志;;基于独立分量分析高阶统计量的纺织品缺陷检测[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 于景兰;于健;翁昌年;;探地雷达在桥梁缺陷检测中的应用初探[A];中国地球物理第二十一届年会论文集[C];2005年
3 李兵;邓善熙;李焕然;;计算机图像处理技术应用于晶振元件缺陷检测[A];首届信息获取与处理学术会议论文集[C];2003年
4 赵涟漪;许宝杰;童亮;;在线玻璃缺陷检测系统的研究[A];机械动力学理论及其应用[C];2011年
5 何涛;吴永祥;李伟;吴庆华;钟飞;;Hexsight视觉软件包在串行端子缺陷检测中的应用[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年
6 蔡茂蓉;;PCB缺陷检测系统的研究与实现[A];第三届全国软件测试会议与移动计算、栅格、智能化高级论坛论文集[C];2009年
7 曾理;郭海燕;蒲云;毕碧;;射线数字成像缺陷检测技术研究[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年
8 潘敏;程良伦;;一种基于角点匹配的PCB板元件安装缺陷检测基准点定位算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年
9 王国勋;彭怡;寇纲;石勇;;基于MCDM的软件缺陷检测算法评估[A];经济全球化与系统工程——中国系统工程学会第16届学术年会论文集[C];2010年
10 刘松林;陈杰;郝向阳;西勤;;玻壳缺陷检测与几何量测视觉系统的设计与实现[A];2009年全国测绘仪器综合学术年会论文集[C];2009年
相关重要报纸文章 前2条
1 本报记者 张海志;一名产业工人的创新情结[N];中国知识产权报;2010年
2 朱文英;川铁开发出在线检测微细夹杂物装置[N];世界金属导报;2001年
相关博士学位论文 前9条
1 刘洪江;基于机器视觉的毛杆缺陷检测技术的研究[D];广东工业大学;2011年
2 肖庆;提高静态缺陷检测精度的关键技术研究[D];北京邮电大学;2012年
3 周文;IC互连中的缺陷检测方法及缺陷对电路可靠性的影响[D];西安电子科技大学;2010年
4 刘艳;基于CCD扫描的聚合物薄膜缺陷检测关键技术研究[D];哈尔滨理工大学;2009年
5 王庆香;基于小波的纹理分析及其在FPC金面缺陷检测中的应用[D];华南理工大学;2011年
6 毕昕;面向TFT-LCD制程的Mura缺陷机器视觉检测方法研究[D];上海交通大学;2009年
7 张昱;基于机器视觉的TFT-LCD屏mura缺陷检测技术研究[D];哈尔滨工业大学;2006年
8 艾矫燕;基于计算机视觉的墙地砖颜色分类和缺陷检测研究[D];华南理工大学;2003年
9 赵云山;基于符号分析的静态缺陷检测技术研究[D];北京邮电大学;2012年
相关硕士学位论文 前10条
1 李杰;基于图像分析的胶囊缺陷检测系统研究[D];中国海洋大学;2013年
2 雷华堂;基于粗糙神经网络的轨枕缺陷检测研究[D];西南交通大学;2011年
3 姚晓飞;基于机器视觉的电容屏非可视区引线缺陷检测方法研究[D];南京理工大学;2014年
4 孙彦春;基于数字图像处理的水晶晶片缺陷检测[D];南京理工大学;2009年
5 陈勋;水下结构表观缺陷检测技术及系统集成研究[D];哈尔滨工业大学;2010年
6 蒋锦涛;平板玻璃缺陷检测系统的研究[D];安徽大学;2007年
7 张燕;基于机器视觉的药用玻璃瓶缺陷检测的研究[D];合肥工业大学;2008年
8 胡坤;工件表面划痕和竖条纹缺陷检测算法研究[D];中南大学;2013年
9 陈晓红;基于机器视觉的触摸屏玻璃缺陷检测方法研究[D];华南理工大学;2013年
10 孔祥伟;组合光源与图像处理算法在工件表面缺陷检测中的应用[D];天津大学;2007年
本文编号：2551550
本文链接：https://www.wllwen.com/guanlilunwen/renliziyuanguanlilunwen/2551550.html
