基于机器视觉的汽车安全带表面缺陷检测算法研究

《基于机器视觉的汽车安全带表面缺陷检测算法研究》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、硕士学位论文基于机器视觉的汽车安全带表面缺陷检测算法研究ResearchofSurfaceDefectDetectionAlgorithmforSeatBeltBasedonMachineVision作者：崔明导师：顾启民教授中国矿业大学2016年6月中图分类号TP23学校代码10290UDC621.3密级公开中国矿业大学硕士学位论文基于机器视觉的汽车安全带表面缺陷检测算法研究ResearchofSurfaceDefectDetectionAlgorithmforSeatBeltBasedonMachineVis

2、ion作者崔明导师顾启民申请学位工学硕士培养单位信电学院学科专业控制科学与工程研究方向机器视觉答辩委员会主席巩敦卫评阅人二○一六年六月论文审阅认定书研究生崔明在规定的学习年限内，按照研究生培养方案的要求，完成了研究生课程的学习，成绩合格；在我的指导下完成本学位论文,经审阅，论文中的观点、数据、表述和结构为我所认同，论文撰写格式符合学校的相关规定，同意将本论文作为学位申请论文送专家评审。导师签字：年月日致谢论文即将完成之际，研究生生活也即将结束。感觉自己三年来成长了很多，对专业的掌握和理解也更加的深入。在这里衷心感

3、谢这些年来一直默默陪着我的家人、老师和同学，感谢他们一直以来对我的帮助和关心。首先我要感谢我的导师顾启民教授，顾老师以其严谨的学术态度深深影响着我。无论研究方向的选择，还是专业问题的研究，顾老师都给了我很深的启发。无论在学习和还是学术活动中，顾老师都给我提出了很多的建议和指导，让我三年来的研究生生活可以充实的度过。同时，顾老师宽容与豁达的为人处事风格深深影响了我。在此，谨以我最深的祝福向顾老师表达最诚挚的谢意！在此特别感谢我的家人，多年来他们一直默默的支持着我，给我勇气和信心。正是因为他们，我才有了前进的动力。在

4、此，感谢他们对我的教育和感怀，向他们表达最真挚的感谢！在这里还要感谢钟黎萍和张水平老师，他们给了我很多的帮助和启发，在此向他们表示感谢！三年来，我要感谢我的学长黄震，感谢曹基南、许超、田凯、何晓阳等同学，他们对我的生活给予了很多帮助，对我的学习给予了很多建议和启发，在此对他们表示感谢！除此之外，还要感谢苏州图测自动化有限公司的王文广工程师，感谢他在我实习期间一直给予的帮助。最后，再次对我的导师、家人、同学和支持过我的老师和朋友表达最真挚的感谢和最崇高的敬意！摘要汽车安全带作为一种重要的交通安全保障工具，在其生产过

5、程中，需要进行严格的质量检测，表面缺陷检测是质量检测中的关键环节之一。目前人工检测方法存在效率低、稳定性差的问题，无法满足实际检测需求,因此利用机器视觉代替人工已成为新的趋势。本文基于工业实际需求，探索了基于机器视觉的汽车安全带表面缺陷检测算法，并构建了基于机器视觉的汽车安全带表面缺陷检测系统。本文的主要研究如下：（1）为了满足高速度、高精度的检测要求，针对汽车安全带在图像采集和表面缺陷检测方面的特性，提出了系统的整体设计方案，并对检测系统的硬件组成进行了研究和分析，为后续的图像处理分析奠定了基础。（2）针对汽车

6、安全带的纹理图像特征，提出了一种基于Laws纹理能量测度的形态学分割方法，提高了图像分割的抗噪性。针对纹理图像的边缘缺陷特征，分析了基于形态学处理的缺陷检测方法，取得了良好的检测效果。（3）针对汽车安全带的表面缺陷特征，从不同的角度出发，研究了不同的检测方法。在空间域中分析了Bob特征分析法、直方图特征分析法和灰度共生矩阵特征分析法，针对每种方法，研究了特征参数的选择及缺陷对特征参数的影响，并对实验结果进行了分析；在频域中研究了频谱特征分析法，并讨论了频域滤波器的选择和参数的计算。对比分析几种算法的缺陷检测结果，

7、实验表明，相比其他几种检测方法，频谱特征分析法可以更好地满足缺陷检测的准确率和实时性要求。（4）搭建了汽车安全带表面缺陷检测平台，构建了基于机器视觉的汽车安全带表面缺陷检测系统，实现了汽车安全带表面缺陷在线检测。实验表明，系统的检测速度和稳定性均能满足检测要求。该论文有图50幅，表7个，参考文献81篇。关键词：缺陷检测；图像分割；灰度共生矩阵；频谱分析IAbstractAsanimportanttrafficsafetyassurancetool，seatbeltneedstocarryonstrictquali

8、tyinspectionintheprocessofitsproduction,andsurfacedefectdetectionisoneofthekeylinksinthequalityinspection.Atpresent,theproblemoflowefficiencyandpoorstabilityoftheartificialdetectionmethod