基于機器視覺的復雜塑件識別與檢測技術研究.pdf

1、塑料零件具有價格低、密度小、減振降噪等優(yōu)點，廣泛應用于各種精密儀表和微機電產(chǎn)品中。由于塑料零件在成型過程中容易產(chǎn)生各種缺陷，因此需要對其進行檢測以保證質量。目前國內多數(shù)廠商仍然采用人工檢測的方式，傳統(tǒng)的人工檢測費時費力而且精度得不到保證，尤其當塑件外形較為復雜時，人工檢測更顯力不從心。為了提高生產(chǎn)效率與檢測精度，本文將機器視覺應用于復雜塑件的識別與檢測。機器視覺作為一種在線檢測技術，通過圖像采集設備將目標物體轉換成圖像信號，并對圖像信號

2、進行處理以得到目標物體的形態(tài)信息，具有效率高、自動化程度高、準確率高等優(yōu)點。
　　本文以機器視覺技術為基礎，針對復雜塑件的外形與尺寸特點，進行了識別與檢測方面的研究，主要研究內容如下:
　　(1)基于復雜塑件識別與檢測的需求，設計了識別與檢測系統(tǒng)的整體方案。完成系統(tǒng)硬件的配置與實驗平臺的搭建。介紹了圖像像素坐標系、圖像物理坐標系、相機坐標系、全局坐標系及其相互關系，并根據(jù)相機成像模型，利用HALCON軟件實現(xiàn)了相機內外參數(shù)的

3、標定。
　　(2)完成用于圖像采集的硬件平臺后，對原始圖像進行了預處理以得到便于識別與檢測的零件圖像。研究了三種常用濾波方法的原理及降噪效果，結果表明中值濾波對圖像邊緣的模糊最少;通過基于閾值的分割方法初步提取出了零件區(qū)域;利用形態(tài)學處理消除了圖像中的孔洞和噪點。針對三種常用邊緣檢測算法——Canny算法、基于形態(tài)學的算法和一階微分算法的優(yōu)缺點，提出了一種改進的基于梯度算子的邊緣檢測算法。該算法檢測出的邊緣為單像素邊緣，且噪聲抑制

4、效果好，漏檢誤檢少，定位準確。
　　(3)基于預處理結果，研究了同類型不同尺寸零件以及不同類型零件的識別方法，包括基于模版匹配和基于BP神經(jīng)網(wǎng)絡的圖像識別方法。設計了用于模版匹配的灰度模版和邊緣模版;基于采集到的樣本圖像，利用HALCON軟件對神經(jīng)網(wǎng)絡進行了設計與訓練，并使用訓練完成后的神經(jīng)網(wǎng)絡對零件進行了分類識別實驗。結果表明，兩種識別方法準確率相當，但基于BP神經(jīng)網(wǎng)絡的識別方法耗時明顯更少。
　　(4)在視覺檢測方面，以

5、塑料齒輪為例，對其進行了基本外形參數(shù)的測量。使用多種方法求取了齒輪中心點坐標并將其平均值作為最終的中心點坐標。測量了其齒頂圓直徑、齒根圓直徑、齒數(shù)和齒距等參數(shù)，并使用這些參數(shù)判斷齒輪是否有缺陷。
　　(5)綜合上述研究內容，以Visual C++2010為基礎，結合HALCON、OpenCV軟件，設計和開發(fā)了視覺識別與檢測系統(tǒng)。系統(tǒng)主要實現(xiàn)了圖像采集、圖像識別、齒輪尺寸測量和結果顯示等功能。軟件界面包含了實時視頻、識別與檢測結果、