基于机器视觉的小孔内表面缺陷检测关键技术研究

摘要

近些年来，工业中各种缺陷检测方法得到不断发展，尤其随着图像传感器、计算机等硬件技术的不断提升，机器视觉越来越广泛地被应用于工业领域的智能检测。目前针对小孔内表面缺陷的检测存在一定的问题与难点，主要由于其微小尺寸的限制及内表面形状为相对复杂的圆柱曲面，造成大多数传统的检测方法已经不再适用。目前，小孔内表面的检测方法主要为人工使用放大镜直接进行观察或将工业内窥镜插入孔内进行检测识别。但是，人工测量方法费时费力，检测效率低；一般工业内窥镜由于本身结构尺寸的限制，难以进入直径4mm以下的小孔内部进行检测，而采用光纤式内窥镜，则成像分辨率较低，无法获得小孔内表面的清晰图像。因此本文设计了一种斜入射式显微光学检测系统，基于机器视觉来实现小孔内表面缺陷的检测与识别。
　　本文所提出的基于机器视觉的小孔内表面缺陷检测方法主要包括缺陷检测系统的总体设计与小孔内表面检测算法的研究两大部分。缺陷检测系统的总体设计主要包括：系统结构的设计、关键硬件的选择、光照模式的确定、软件模块的设计等。小孔内表面检测算法的研究主要包括：用于克服显微成像系统的景深约束，获得小孔内表面清晰图像的多聚焦融合算法；用于校正斜入射成像模式下的小孔内表面图像的几何变形校正算法；用于提取小孔内表面缺陷并根据几何形态进行分类的缺陷提取与识别算法。基于上述算法，最终可获得小孔内表面聚焦清晰且畸变较小的平面图像，并实现了小孔内表面缺陷的分割提取与识别分类。
　　基于上述研究，本课题实现了对直径2~4mm、中等长径比的小孔内表面缺陷检测。实验结果表明，该方法具有一定的可行性，避免了人工检测方法效率低的问题，同时打破了传统内表面检测方法对于上述尺寸的小孔不再适用的局限性。

目录

注释表

第一章 绪论

1.1 课题研究背景和意义

1.2 机器视觉缺陷检测技术的研究现状

1.3 论文主要内容及其安排

第二章 小孔内表面缺陷检测系统总体设计

2.1 缺陷检测系统结构设计及图像采集方式

2.2 缺陷检测系统关键硬件的选择

2.3 缺陷检测系统的软件模块设计

2.4 章节小结

第三章 小孔内表面序列图像的多聚焦融合算法研究

3.1 小孔内表面ROI提取

3.2 小孔ROI图像去噪

3.3 小孔ROI图像配准

3.4 小孔ROI图像多聚焦融合

3.5 多聚焦融合对小孔内表面缺陷检测影响

3.6 章节小结

第四章 小孔内表面图像的几何变形校正算法研究

4.1 小孔内表面图像的几何变形

4.2 小孔内表面图像的几何校正

4.3 基于靶标控制点的小孔内表面图像分步校正法

4.4 基于靶标控制点的改进分片逼近校正法

4.5 小孔内表面图像几何变形校正实验与分析

4.6 章节小结

第五章 小孔内表面缺陷提取与分类算法研究

5.1 小孔内表面常见缺陷介绍

5.2 小孔内表面缺陷目标提取

5.3 小孔内表面缺陷分类

5.4 章节小结

第六章 总结与展望

6.1 课题总结

6.2 课题展望

参考文献

致谢

在校期间的研究成果及发表的学术论文