欢迎来到天天文库
浏览记录
ID:36789443
大小:4.42 MB
页数:55页
时间:2019-05-15
《砂纸缺陷在线检测技术研究》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、摘要硕上论文摘要随着工业生产和机械加工技术水平快速发展,砂纸成为行业内必备的常用工具。目前在传统工业生产中,为保证砂纸的质量,主要是依靠工人眼睛目测、钢尺测量缺陷的大小。这种相对滞后的检测技术使得砂纸缺陷检测过程中低效率、低产能、高成本、高投入的问题长期以来得不到解决。因此为了能够实现工业生产过程中砂纸缺陷检测自动、实时、精确、快速的目的,国内外许多生产厂家和研发人员已经进行了不懈的努力。本论文分析了砂纸缺陷在线检测系统中图像采集的摄像机和光源,确定了针对砂纸缺陷检测的硬件设备并完成了搭建工作。考虑到砂纸缺陷的多样性,系统中综合采用了透射和漫反射的照明方式来采集图像信息。通过学习和研究图像
2、处理的相关技术,在分析对比各种图像算法优缺点的基础上,对传统的大律阈值分割法进行了改进并提出了自适应阈值分割的算法,这两种算法可以适应在不同照明方式下采集到的缺陷图像的阈值分割。实现了刮痕、堆砂和脱砂缺陷的特征提取。最后,系统实现了检测缺陷面积、周长、长度等参数,对砂纸缺陷定量分析,误差范围较小。论文算法都在VC++编程环境下进行编写仿真,实践证明系统和算法可以满足图像检测实时性的要求。关键字:砂纸缺陷,图像处理,缺陷检测,缺陷识别Abstract硕士论文Withtheindustrialproductionandmachiningtechnologyrapiddevelopment,th
3、esandpaperasthenecessarytoolsusedinindustry,itsusageanddemandappearstohaveayearlygrowthtrend.Currentlyinthetraditionalindustrialproduction,sanddefectdetectionismainlyrelyonworkerseyesvisual,measuringthesize诚mthedefectrulers.Thisrelativelybackwarddetectiontechnologycausedmanyproblemsinsandpaperdefe
4、ctdetectingprocess,suchaslowefficiency,lowcapacity,highcostandSOon.Soincasetoslovesuchproblems,moreandmorecompaniesdomesticandoverseasdotheirbesttomeetthetroubles.ThisPaperanalyzesthesystemoftheonlinemeasuringofsanddefectImageacquisition,determinethecameraandlightinthesanddefectsdetectionequipment
5、andcompletesetofhardware.Consideringthediversityofsanddefectsinthesystemadoptsthemethodoftransmissionanddiffusetocollectinformation.Throughthestudyandresearchofimageprocessingandidentifyingtechnology,incontrastanalysisoftheadvantagesanddisadvantagesoftheimageprocessingalgorithm,thresholdsegmentati
6、onmethodisimprovedandtheadaptivethresholdsegmentationalgorithm,thetwoalgorithmsCanadaptindifferentlightingmodeofdefectimagethresholdsegmentationandFertureExtraction.Finally,thesystemrealizeddefectsdetectionarea,perimeterandlengthofparameterssuchassanddefects,quantitativeanalysis.Theapplicationsoft
7、ware,developedwithVC++,makethesystemrealizethereal·timeobjecttrackingwhileensuringthetrackingveracityKeywords:San@aperDefect,ImageProcession,DefectDetection,DefectRecognitionH声明本学位论文是我在导师的指导下取得的研究成果,尽我所知,在本学位论文中,
此文档下载收益归作者所有