基于机器视觉的扁弹簧在线分类及质量检测

摘要

扁弹簧是汽车起动机的重要组成零件之一，扁弹簧轮廓的精度直接影响了汽车起动机的使用状况。目前，扁弹簧的分类和质量检测方法仍然为人工识别，不但工人劳动强度过大，容易疲劳，检测准确率不高，而且检测效率十分低下，极大的制约了扁弹簧的生产和应用。本文提出了基于机器视觉技术的扁弹簧分类和质量检测方法，对扁弹簧图像的预处理方法、分类方法和质量检测方法进行了探索和研究，开发出了扁弹簧分类和质量检测系统。
　　实验分析了各种预处理方法的处理效果，最终选择加权平均法作为图像的灰度化方法；选择中值滤波方法作为图像的去噪方法，达到在去除图像噪声的同时保留边缘的效果；通过寻找轮廓最小外接矩形的方法，得到扁弹簧的感兴趣区域，并使用OSTU方法对图像进行二值化处理。
　　实验研究了基于机器视觉和DDAG SVMs的扁弹簧分类算法。对预处理图像提取黑色像素分布向量，作为特征参数向量，然后采用DDAG SVMs方法对不同型号的扁弹簧的特征向量进行训练，最后对采集到的不同型号扁弹簧测试样本进行分类测试实验。
　　根据不同扭转角下扁弹簧横截面图像的特征，研究了扁弹簧质量检测的算法，提出两种扁弹簧质量检测方法：基于SVM的扁弹簧质量检测方法和基于图像轮廓特征的质量检测方法，并对两种方法的结果进行误差分析。
　　最后，根据扁弹簧分类和质量检测的任务要求，设计出扁弹簧分类和质量检测视觉系统的总体方案，利用Microsoft Visual Studio、C++语言、MFC、OpenCV等开发工具，完成了扁弹簧分类和质量检测系统软件的开发。
　　研究表明，基于机器视觉的扁弹簧分类和质量检测方法效率高，准确率高，可以满足扁弹簧自动化分类和质量检测的各项要求。

目录

声明

1. 绪论

1.1 研究背景及意义

1.2 机器视觉在分类及检测技术中的应用

1.3 课题研究内容

2. 扁弹簧分类及质量检测视觉检测系统

2.1 视觉检测系统

2.2 扁弹簧分类及质量检测系统设计

2.3 本章小结

3. 扁弹簧图像预处理

3.1 图像灰度化

3.2 图像去噪

3.3 图像二值化

3.4 扁弹簧感兴趣区域提取

3.5 本章小结

4. 基于DDAG SVMs的扁弹簧图像分类方法

4.1 支持向量机（SVM）概述

4.2 扁弹簧图像特征提取

4.3 实验过程和实验分析

4.4 本章小结

5. 基于图像处理的扁弹簧质量检测方法

5.1 基于SVM的扁弹簧质量检测方法

5.2 基于轮廓特征的扁弹簧质量检测方法

5.3 实验结果与分析

5.4 本章小结

6. 机器视觉系统软件系统平台搭建

6.1 软件搭建平台和工具

6.2 软件界面设计

6.3 本章小结

7. 总结与展望

7.1 总结

7.2 展望

参考文献

个人简历、在学期间发表的学术论文与研究成果

致谢