基于机器视觉的小型精密机械产品在线质量控制方法及系统研究

摘要

当今社会的工业技术正在迈入信息物理系统的工业4.0时代，而精密机械产品作为衡量一个国家制造业水平的重要标准之一，在工业技术的发展过程中扮演越来越重要的角色。目前，精密机械产品的质量检测方法大多为传统的人工抽样检测或机械重复示教检测，这种检测方式效率低、速度慢，已经越来越不符合当代快速生产的节拍。近些年来，基于机器视觉的机械产品检测技术由于其稳定性好、可靠性高、速度快等优点而成为众多学者研究的重点，也是未来检测领域发展与研究的重要方向之一。
　　本文以液力变矩器为研究对象，旨在解决液力变矩器螺孔质量检测过程中的目标识别和机械手路径规划问题。首先阐述了机器视觉技术的研究现状，在目前的视觉检测技术与深度学习理论框架模型的基础上，构建了基于FastR-CNN模型的深度学习机器视觉检测方法。
　　其次，在视觉检测得到产品类型和螺孔位置坐标结果的基础上，分析了传统路径规划方法和智能路径规划方法的应用对象及优缺点，提出了基于Dijkstra算法贪心思想的机械手动态检测路径优化方法，并分别在二维平面以及三维空间内对该方法进行了验证。
　　最后，在上述理论的方法的指导下，分析了软硬件架构，设计开发了一个基于机器视觉的小型精密机械产品在线质量控制系统，并详细阐述了系统的体系架构、运行逻辑，验证了该系统的有效性。本文为小型精密机械产品的质量检测提供了更加广泛的解决思路和技术支持。

目录

声明

致谢

摘要

第一章 绪论

1．1 引言

1．2 课题研究目的与意义

1．3 研究现状

1．3．1 机器视觉技术的发展与研究现状

1．3．2 机器视觉技术在产品检测中存在的问题及发展趋势

1．4 机器视觉系统的基本构成及视觉理论的框架

1．5 论文的体系结构

1．6 本章小结

第二章 基于深度学习的机械产品在线视觉识别方法研究

2．1 深度学习的起源与发展

2．1．1 深度学习的概念

2．1．2 深度学习的发展与应用

2．1．3 深度学习研究现状

2．2 基于深度学习的机器视觉

2．3 深度学习的基本模型

2．4 基于Fast R-CNN的机械产品在线识别方法研究

2．4．1 获取感兴趣区域(RoIs)的方法与步骤

2．4．2 感兴趣区域池化层计算

2．4．3 输出层回归计算

2．4．4 实验结果与分析

2．5 本章小结

第三章 基于动态路径优化的在线视觉检测方法研究

3．1 引言

3．2 移动机器人以及路径规划方法的概况

3．2．1 移动机器人的发展与展望

3．2．2 路径规划技术的研究现状

3．2．3 路径规划方法概况

3．3 基于动态路径规划的对象模型

3．4 面向二维平面对象的机器人动态路径优化方法

3．4．1 Dijkstra算法

3．4．2 建立二维螺孔分布模型

3．4．3 基于Dijkstra贪心算法的机械手路径规划

3．4．4 实验结果分析

3．5 面向三维空间对象的机器人动态路径优化方法

3．5．1 建立三维螺孔分布模型

3．5．2 基于Dijkstra贪心算法的机械手路径规划

3．5．3 实验结果分析

3．6 本章小结

第四章 基于机器视觉的精密机械产品在线质量控制系统

4．1 引言

4．2 小型精密机械产品在线质量控制系统架构

4．3 机器视觉识别系统架构

4．4 螺子L质量检测系统架构

4．5 小型精密机械产品在线质量控制系统运行流程

4．6 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况