汽车车身焊接图像识别算法研究

摘要

随着机械制造、核工业、航空航天、能源交通、石油化工、建筑、电子行业等现代工业的飞速发展，焊接技术在机械制造业生产中的地位也日趋提高。因此，对焊接质量和焊接自动化的程度要求也越来越高，焊接生产的自动化与智能化已经成为21世纪焊接技术发展的一个重要方向。特别是在汽车的生产中，为了降低生产成本与争取最大利润，提高生产的自动化程度已经成为一个必然的选择。如何提高生产线的自动化程度以及生产的速度，同时还要保证产品的质量，这是建立自动化生产线的重要标准。而焊接技术又是自动化生产线中的技术难点，尤其是关键部位的的焊缝的是否合格，这对于整个产品的质量的影响很大。本文主要是为了解决存在的漏焊的问题。
　　 本论文的研究内容是“基于CCD(电荷藕合器件图像传感器)的焊缝视觉检测系统”的图像识别算法部分，本次的检测系统是针对卡车的驾驶室焊缝检测所开发的，目的是提高生产效率。快速准确的对焊缝进行检测，是此焊缝检测系统的重要指标之一。驾驶室共有六百多个焊点，其中只有一小部分的焊缝是由焊接机器人完成焊接的，由于焊接机器人工作的可靠性，这部分焊缝不需要进行检测。其他的剩余的400个焊点，由于焊点的位置的原因，很难用焊接机器人的进行焊接，而只能由人工进行焊接，这样就可能有漏焊的现象存在。
　　 此前有许多学者利用CCD来识别车辆，对图像的识别进行了大量的研究。同时也有许多学者利用CCD来检测焊缝，并取得了一定得成绩。
　　 针对焊缝图像识别中所面临的准确性和实时性问题，本文提出了基于小波变换和Karhunen-Loeve(K-L)变换的新型识别算法。本次研究通过运用小波分解与K-L变换等手段，有效的改善了传统焊缝识别系统中的缺点，大大提高了识别系统的准确性与运算速度。这种新型的计算方法，可以有效的保留原图像中的特征信息。针对图像亮度差异的的特点，首先要对图像进行了图像增强预处理，目的是降低了图像亮度差异的问题。然后用小波变换的方法提取焊缝图像的相对稳定的低频子带图，提取图像的主要特征信息。进而利用K-L变换提取主特征分量并进行识别。结果证明，该识别算法基本达到了准确性与实时性的要求。

目录

文摘

英文文摘

声明

第1章绪论

1.1引言

1.2国内外研究现状

1.2.1国外研究现状

1.2.2国内研究现状

1.3数字图像处理

1.4本课题研究的主要内容

第2章基于CCD视觉传感的焊缝检测系统

2.1焊缝视觉检测系统开发背景

2.2 CCD视觉检测的选用

2.3基于CCD的焊缝视觉检测系统构成

2.3.1 CCD视觉检测的硬件

2.4本章小结

第3章数字图像预处理

3.1数字图像处理

3.1.1图像识别

3.1.2图像识别的主要方法

3.1.3图像处理的内容

3.2图像增强原理

3.3图像滤波处理

3.3.1图像噪声的分类

3.3.2中值滤波

3.4焊缝图像的灰度直方图

3.4.1灰度图像的线性变换

3.5本章小结

第4章焊缝图像识别算法研究

4.1焊缝图像的特性

4.2新型图像识别算法的提出

4.3小波分析

4.3.1小波分析的特点

4.3.2连续小波变换和离散小波变换

4.3.3双正交小波变换

4.3.4小波分解

4.4 K-L变换

4.4.1主分量分析法

4.4.2 K-L变换

4.4.3距离空间计算方法

4.5本章小结

第5章焊缝图像识别算法的实现及结果讨论

5.1识别算法过程

5.2图像识别算法的实现运算过程

5.2.1图像预处理

5.2.2小波分解

5.2.3 K-L变换

5.2.4空间距离临界值

5.3识别结果

5.4实验结果

5.5本章小结

第6章总结与展望

6.1总结

6.2展望

参考文献

致谢

附录　攻读硕士学位期间发表的论文