磁瓦尺寸测量与表面缺陷检测及其系统开发

《磁瓦尺寸测量与表面缺陷检测及其系统开发》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ZSTUZhejiangSci-TechUniversity硕士专业学位论文ProfessionalMaster’sThesis中文论文题目：磁瓦尺寸测量与表面缺陷检测及其系统开发英文论文题目：Sizemeasurementandsurfacedefectsdetectionofmagneticshoesandsystematicdevelopment专业学位类别：工程硕士专业学位领域：控制工程作者姓名：方建良指导教师：李俊峰副教授完成日期：2016年3月8日学科门类:工学单位代码:10338分类号:TP391.A密级:公开专业硕士学位论文磁瓦尺寸测量与表面缺陷检测及其系统开发

2、作者姓名：方建良学位级别：硕士学科专业：控制工程研究方向：工业过程控制与综合自动化指导教师：李俊峰副教授浙江理工大学机械与自动控制学院2016年3月AThesisforMasterDegreeSizemeasurementandsurfacedefectsdetectionofmagneticshoesandsystematicdevelopmentByFangJianliangSupervisor:Prof.LiJun-fengSchoolofMachineryandAutomationZhejiangSci-TechUniversityHangZhou,ChinaMarch

3、,2016摘要近些年随着我国经济技术的不断提升，很多企业对高质量、高精度以及高可靠度的产品需求也日益增加，传统的检测方法已经不能满足产品快速检测的要求。而影像以及计算机技术的提升，使得基于机器视觉的检测系统成为可能，并在很多领域得到广泛应用。在工业生产领域，很多企业以基于机器视觉的缺陷检测系统为工具从而对产品质量进行控制。基于上述背景，本文对磁瓦尺寸的测量以及表面缺陷的视觉检测方法进行了研究，提出了针对磁瓦表面缺陷以及整体尺寸的视觉检测算法，并将其运用在缺陷检测系统中。首先，针对项目总体要求以及实际生产环境设计了缺陷检测系统，该系统包含四个子系统：机械系统、视觉系统、控制系统和

4、应用软件系统。机械系统主要有传送机构、上料整理机构、剔除机构、翻转机构和相机采集机构构成，其中剔除机构主要负责对产线上检测出的不合格磁瓦进行剔除，翻转机构主要负责对磁瓦的正反面进行翻转已完成正反面缺陷的检测；视觉系统主要有触发传感器、相机、照明光源和镜头等构成，针对磁瓦表面形状为弧形的特点使用了上海英诚公司的碗状照明光源，以便能够使光均匀的打在磁瓦表面。同时针对视野范围以及精度要求为50m选用了加拿大Teledyne DALSA公司的分辨率为1280960的Genie相机。其次，对采集的磁瓦图像进行了预处理研究。通过综合比较，分别选取了高通滤波和Canny算子对磁瓦图像进行

5、滤波处理及边缘提取；并利用OTSU算法对图像进行阈值分割，利用数字形态学对阈值分割后可能存在的噪声进行去噪。进而，在磁瓦外观尺寸测量中，针对传统霍夫圆只能拟合单个圆的限制，提出了基于椭圆的同心圆拟合算法，以便通过拟合磁瓦端面的上下弧面来计算磁瓦的厚度；同时，采用基于重心的最小外接矩形算法来计算磁瓦的长、宽和高度。针对磁瓦表面缺陷的检测，通过提取矩形度、圆形度、一阶中心矩、而阶中心矩以及外接矩形长宽比等缺陷区域的特征，设计支持向量机分类器对磁瓦缺陷进行分类，并将尺寸测量和缺陷检测是否同时满足标准作为判别磁瓦是否合格的标准。实验表明：缺陷检测和尺寸测量符合要求，表面检测和尺寸测量的

6、时间在200ms以内。最后，开发了磁瓦表面缺陷检测系统的软件，此系统的图像采集和处理分别基于Sapera LT软件库和OpenCV开源图像处理函数库开发。同时系统基于Visual Studio 2010集成环I境开发，使用MFC框架的MVC架构实现，其将对话框类和视图类看做是View类，相应的图像处理算法看做Model类，线程控制相关的看做Control类，这样有利于代码的后续开发和重用。针对系统中图像采集、处理和显示三个主要任务，采用独立的线程来完成相应的任务。实际运行结果表明，软件长时间运行稳定。关键词：磁瓦；缺陷检测；机器视觉；OpenCV；尺寸测量IIAbstractI

7、n recent years, with the constant improvementof the economic technologies of China, more enterprises aspire to gain quality products with high precision and reliability while the common detection methods cannot meet the requirements to detect produ