基于机器视觉的铜条表面缺陷检测系统的研究.pdf

基于机器视觉的铜条表面缺陷检测系统的研究.pdf

ID:51417233

大小:990.05 KB

页数:4页

时间:2020-03-23

基于机器视觉的铜条表面缺陷检测系统的研究.pdf_第1页
基于机器视觉的铜条表面缺陷检测系统的研究.pdf_第2页
基于机器视觉的铜条表面缺陷检测系统的研究.pdf_第3页
基于机器视觉的铜条表面缺陷检测系统的研究.pdf_第4页
资源描述:

《基于机器视觉的铜条表面缺陷检测系统的研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2016正仪表技术与传感器2016第7期InstrumentTechniqueandSensorNo.7基于机器视觉的铜条表面缺陷检测系统的研究吴浩(安徽工业大学机械工程学院,安徽马鞍山243002)摘要:针对人工目视检查铜条表面缺陷效率低的问题,提出基于机器视觉检测铜条表面缺陷的方法针对铜条表面不同的缺陷类型采用不同的检测方法,对常见的缺陷通过提取感兴趣区域,采用Otsu最佳阈值分割方法.再经过Blob分析直接检测出缺陷。对在铜条表面交接的边缘处的分层缺陷难以检测出的问题,采用基于Gabor滤波器的方法

2、来检测。实验结果表明,能准确检测出上述类型的铜条表面缺陷。关键词:视觉检测;铜条表面缺陷;机器视觉;Gabor滤波器中图分类号:TP273文献标识码:A文章编号:1002-1841(2016)07—0086一o3ResearchofCopperBarSurfaceDefectsInspectionSystemBasedonMachineVision.WUHao(SchoolofMechanicalEngineering,AnhniUniversityofTechnology,Ma’ansban243002

3、,China)Abstract:Atpresent,artificialvisualinspectionforthecopperbarssurfacedefectdetectionexistinefficiencies,amethodbasedonmachinevisiontechnologytodetectsurfacedefectsofthecopperbarswasproposedinthispaper.Firstly,currentlyre-searchresultsforcopperbarsus

4、ingvisioninspectionweresummarized,followedbyusingdifferentmethodstodetectdiferenttypescopperbarssurfacedefect,forcommondefecttypebyextractingtheregionofinterest,usingoptimalOtsuthresholdsegmen—tationmethod,andthenthroughBlobanalysisanddirectlydetectdefect

5、s,Fortheproblemthatthedelaminationdefectsofeonnet—ionedgeonthecoppersukfaeearehardtodetect,thedetectionmethodwasproposedbasedonGaborfilters.Finally,experimentalresultsshowthattheproposedmethodcanaccuratelydetectabovetypesofcopperbarssurfacedefects.Keyword

6、s:visioninspection;copperbarsurfacedefects;machinevision;Gaberfilter0引言(1)图像采集系统的研究。该部分主要为了获取铜条应用广泛,大部分产品对于铜条的表面都有着高质量的铜条图像,主要包括照明系统及相应的组成严格要求。铜条常见的表面缺陷主要有夹杂、划伤、凹部件。用到的相机有CCD线阵相机[10-13]、CCD面阵坑、拉拔以及分层等。目前,国内工厂对铜条表面缺陷像机[14]、CMOS摄相机[1]等。所用到的光源为红外主要采用人工目视检测的方

7、法。但是人工检测容易造成光源[]、荧光灯]等。误判和漏判。表面缺陷检测技术是信息科学的研究热(2)特征提取与选择的研究。取得铜件图片后,点,已经有相关研究与应用_1]。它可以取代人眼来做需要对所获取的图片进行一系列的处理以便提取感更准确的测量和判断。钢带]和电子领域[6]已经有比兴趣的特征并为分类作准备。用到的特征提取方法较成熟的产品[7-8]。但是在铜条表面缺陷检测领域,国有数学形态学[。,H、不变矩[11-12,16-17]、边缘[13,153、灰内的实验研究较少

8、9]。采用自动化的检测设备对铜条度共

9、生矩阵[17-181、小波[19-21]、Gabor滤波器[等。进行质量检测显得十分必要和迫切。(3)缺陷分类的研究。在分类器的选择方面用到本文结合国内外在研究铜条表面视觉检测时存决策树分类器_1。。,神经网络[1、基于遗传算法的BP在的难点问题,提出了解决措施并用实验验证。神经网络结合专家系统的方法_1引、模糊分类器[1、统1研究现状计分布_1引、支持向量机[17,19-21]进行缺陷分类的研究。基于机器技术的铜条缺陷检测研

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。