基于机器视觉的非接触尺寸测量技术研究.docx
- 文档编号:1246678
- 上传时间:2022-10-19
- 格式:DOCX
- 页数:48
- 大小:215.92KB
基于机器视觉的非接触尺寸测量技术研究.docx
《基于机器视觉的非接触尺寸测量技术研究.docx》由会员分享,可在线阅读,更多相关《基于机器视觉的非接触尺寸测量技术研究.docx(48页珍藏版)》请在冰豆网上搜索。
基于机器视觉的非接触尺寸测量技术研究
基于机器视觉的非接触尺寸测量技术研究
摘要
伴随着科学的快速腾飞,以机器视觉为基础的非接触性尺寸测量发法在工业领域里实现了十分普遍的运用用,该方法非接触、时效性强、效率高、受外界影响小,并且精确性特别好。
机械零件的尺寸测量在工业生产的过程里属于十分重要的部分,测定结果的迅速程度和可信度直接关系到产品的效果以及工作的进度。
但是先前的测量技术早就无法达到工业生产中对产品规格检测的迅速程度和可信度的规定,因此作者提出了以机器视觉为基础的非接触尺寸测定的方法,从而达到产品规格的快速及准确的测定。
首先,通过研究各个硬件的性能参数,选择了合适的硬件,并搭建了测量系统的硬件平台。
这个测定系统的基础设施一般包括图像收集设备、实验操作区、CCD摄影仪、镜头、和电脑等部件。
然后,灰度转变、图像滤波、二值化、边缘测定等预先处理方法也被用于这种测定技术。
图片的预先处理部分,对比剖析了多种多样的滤波方法,总结出以小波转变为基础的模极大值去噪方式,同时还一一描述介绍了多种的图片边缘测定方法,总结出以小波转变为基础的多尺度边缘测定方式。
此外,作者还详细描述和剖析Hough方式,同时还给出了自己的优化建议。
作者通过Matlab里所带有的GUIDE界面编辑功能,以GUI为基础构造出该检测系统的软件设施,使其具备了处理图片所用到的多个计算方式以及规格鉴定的能力。
之后,作者通过对该系统的多次实践检验,研究了具体的调查数据,剖析了测定结果的误差原因,进而总结出尽量消除误差的策略。
研究结果显示,以机器视觉为依据的非接触尺寸测的方法完全达到了理想的效果,在工业领域可以做到对产品规格测定的高效性和可信度的规定。
关键词:
机器视觉,非接触测定,尺寸测定,图像处理
Non-contactdimensionalmeasurement
basedonmachinevisiontechnologyresearch
ABSTRACT
Withthedevelopmentofscienceandtechnology,Non-contactdimensionalmeasurementbasedonmachinevisiontechnologyresearchhasbeenverywidelyusedinindustrialproduction,withthecharacterofnon-contact,real-time,rapid,stronganti-interferenceabilityandhighprecision.Thedimensionalmeasurementofmechanicalpartsisanimportantpartofindustrialproduction,thespeedandaccuracyoftheirtestresultshaveadirectimpactontheproductionqualityandproductionefficiency.Butthetraditionalmeasurementmethodscannotmeettherequirementsofmechanicalpartsdimensionalmeasurementwithhighaccuracyandspeedinmodernindustrialproduction,sothispaperproposesanon-contactdimensionalmeasurementsystembasedonmachinevision,toachieveaccurateandspeedmeasurement.
Firstly,tostudythevarioushardwareperformanceparametersandbuildahardwaresystem.Accordingtotheneedsofthesubjecttoselecttherighthardware,andbuildameasurementsystemhardwareplatform.Thehardwarepartofthemeasurementsystemismainlycomposedoftestbench,CCDcamera,thelens,acquisitioncardandcomputer.
Secondly,themeasurementsystemusesthegraytransform,imagefiltering,binarization,edgedetectionintheimagepre-processingtechnique.Intheimagepre-processing,analysisandcomparisonofseveraldifferentsmoothingeffect,proposedamodulusmaximade-noisingalgorithmbasedonwavelettransform,analysisandcomparisonofseveraldifferentimageedgedetectioneffect,proposedamulti-scaleedgedetectionalgorithmbasedonwavelettransform.ToproposetheimprovementalgorithmswithregardtotheHoughtransform.ThispaperusesMATLABasimageprocessingsoftware,andsetupthemeasurementsystemsoftwareplatformusingtheGUIDEeditorGUIinterfaceprovidedbyMATLAB.Thus,theimageprocessingsoftwareincludessizecomparison,thejudgementdefectivesortingandotherfunctions,andproposedacalibrationmethodforthemeasurementsystem.
Finally,themeasurementsystemhasbeenrepeatedexperiments,analyzedtheexperimentaldataandstudythesourceoferrorinthemeasurementsystem,andproposesamethodtoreducetheerror.Theexperimentresultsshowthatthenon-contactdimensionalmeasurementsystembasedonmachinevisioncanmeetthehighaccuracyandhighspeed.
Keywords:
machinevision,non-contactmeasurement,dimensionmeasurement,imageprocessing
创新点摘要
作者深入地探究了以机器视觉为依据的非接触尺寸测定方法,它的创新之处包括:
1.传统的图像去噪方法,存在着如何兼顾保留图像的细节信息和抑制噪声的难题,其具有一定的局限性,就脉冲讯息、白噪音、非稳定迅息而言,当信噪比很微弱的时候,即使被滤波仪滤过后,非但信噪比没有出现大的改观,图片的很多重要的信息也丢失掉了,所以先前的去噪方式十分需要改进。
基于原先的图像处理方式的诸多不足,作者总结了一种以小波转变为依据的模极大值去噪方式。
以小波转变为依据的模极大值去噪方式是从小波转变模极大值的非恒定本质出发,进而确定信号的独特性,并利用搜寻尺度空间里的模极大值以及噪音、迅号的各异的尺度来进行处理的。
利用此方式产生的去噪结果十分的理想,未涉及噪声方差的计算,也不需要过度的依靠噪音,可以最大限度的维持图片的重要迅息并极大地减少噪声,增加了图像的处理效果。
2.通过之前的图像边缘测定技术实施边缘测定,其测定结果的可信度非常低,此外所显示的抗噪能力也不好。
由于之前的图像边缘测定技术的诸多不足,作者总结了一种以小波转变为依据的多尺度边缘测定方式。
以波转变为依托的多尺度边缘测定方式主要从小波转变的多尺度本质来确定讯号的部分特点,多尺度边缘测定在尺度较大的时候,对于噪音的过滤效果也很好,然而也会使被处理的图像丢失部分弱边缘。
相反,多尺度边缘测定在尺度较小时,尽管可以确定更全面的图像边缘信息,然而也会将大量的噪音部分当做边缘部分来进行错误的鉴定,所以多尺度测定方式虽然能够较好的权衡噪音和准确定位这两个因素,不但可以较大幅度的削减噪音,还可以实现相对全面的图像边缘。
这种方式有着无可取代的抗噪效果,还可以实现边缘测定的准确性。
3.在机器视觉的规格测定方法中,一般通过Hough转化法来获取被测产品的几何参数。
Hough转化是把图像概念转化成参数概念,通过多数边界点呈现的具体参数特征去确定图像的线条,大多用来确定图像里的椭圆形、直线、圆形等等。
由于之前的Hough转化的速度非常慢,还会占用较多的存储面积,所以作者总结了一个优化过的Hough转化的测定方式,这种方式的主要依据是通过图片边缘的梯度趋势特点去最大限度的减少无效积累。
就拿圆形产品来讲,这种方式是基于梯度趋势特点对不定向采样显示的边缘点集在不在图片里的同一圆形上为依据,如果满足要求,则继续进行下一步。
如果不满足,就无须再累计参数,进而重复以上的不定向采样,得到相应的边缘点集。
通过这个方式就能够最大限度的降低无效积累,加快测定速度。
此外,对于符合梯度趋势特点的圆形,在逐步累积的环节中,通过圆的几何特征为依据条件进行判断,无需对不满足约束条件的点进行平方运算,从而减少无效操作,减低计算量,提高运算速度。
第一章绪论
1.1基于机器视觉的尺寸测量系统的研究背景及研究意义
我国的经济水平在快速提升,科学水平的也不断提高,机械产品的研究和生产在我们的生活中变得越来越普遍。
机械设计与制造离不开各种各样的机械零件,因此,机械零件的检测成了一项既基础又重要的工作。
国内大部分从事机械加工的公司内部,产品的规格测定还是通过百分表、千分尺等低端的方式来进行。
这些低端的非自动测定技术在很大程度上需要依靠工作人员来实现,这无疑加重了工作人员的负担,不但工作量大,测定速度慢,而且测定结果的可信度也低,此外还会出现不少的人工操作失误,如此一来便更难实现高准确性、高速度、大规模的产品测定模式。
所以,只有开发低投资、高回报、高准确性的产品规格测定方式,才可以实现我国机械产品制造领域的快速发展和高度腾飞。
这种情况也促使了国内外许多科研学者对零件的尺寸测量方法进行了大量的理论分析与实验,为求找到测量机械零件尺寸的最优方法。
如今,科技水平不断提升,新的技术应用不断涌现,机器视觉技术更加普遍的被用来服务不同的领域,该技术以自动化来取代手动,实现全自动的零件测定及分析,还可以实现全部生产制造流程的自动化。
机器视觉亦为计算机视觉,它是人工智能研究中十分炙手可热的探究方向,其与天然语言理解、专家系统并称作人工智能的3个核心
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 机器 视觉 接触 尺寸 测量 技术研究