基于机器视觉的多圆工件检测技术研究

摘要

机器视觉检测技术具有非接触、效率高、实用性强等特点，逐渐代替了传统的人工检测方法，被广泛应用于制造业中的检测环节。在制造行业，圆普遍存在于各种工件中，圆形的识别和位置检测对工件的生产和安装具有重要的意义。本文选取具有多圆小直径特征的牙刷植毛孔为研究对象，从机器视觉检测系统硬件平台的搭建和圆检测算法的实现两方面来完成圆的识别和检测。论文的主要研究内容如下:
　　首先，根据本文研究对象的特点设计了基于机器视觉的多圆检测系统方案，通过对相关硬件进行研究，选择合适的硬件器材搭建实验平台，设计了检测系统的算法流程。
　　其次，对图像预处理进行了研究和改进。利用拉普拉斯算子对灰度图像进行增强，凸显工件的边缘;针对传统Canny算法边缘检测时存在的缺陷，本文采用引入了边缘像素点判断机制的中值滤波代替高斯滤波，对非边缘像素点和噪声点进行滤波处理;采用3×3邻域求解梯度，在原有方向上增加45°和135°方向来计算梯度幅值使边缘能够进行多方向的检测;采用最大类间方差法自主选取阈值代替人工设定阈值，提高自适应能力。改进的Canny算法能有效去除细小瑕疵并完整保存孔位边缘。
　　再次，对机器视觉中圆检测算法进行相关研究，提出基于Hough变换和最小二乘法的圆检测算法。主要是利用Hough变换提取出圆边缘像素点坐标，最小二乘法对像素点坐标进行拟合得出圆位置参数。针对Hough变换对多圆进行检测时计算量过大的问题，对像素点采取75％的抽样，同时限定检测圆的直径范围，减少累积次数。
　　最后，开发了检测系统软件，对两种多圆工件进行了检测，通过对检测过程和检测结果的分析，可以得到系统的检测误差为0.06mm，算法检测结果是合理的。通过理论分析和检测实验，本文设计的检测系统和检测算法能够满足多圆工件的检测要求。改进的边缘检测算法能够提升边缘检测效果，提高圆检测结果的准确性，并具有较高的精度。对于基于机器视觉的多圆工件检测有一定的探究意义。

目录

声明

摘要

1．1 课题研究背景及意义

1．2 机器视觉技术的研究现状

1．2．1 机器视觉系统研究现状及发展趋势

1．2．2 图像预处理算法的研究现状

1．2．3 圆检测算法研究现状

1．3 论文的主要内容

1．3．1 圆工件检测存在的问题

1．3．2 本文章节安排

第二章 多圆检测系统设计

2．1 总体方案设计

2．2 硬件平台搭建

2．2．1 光源方案设计

2．2．2 相机的选型

2．2．3 镜头的选择

2．3 图像处理算法流程设计

2．4 本章小结

第三章 图像预处理

3．1 灰度化处理

3．1．1 直方图均衡算法

3．1．2 拉普拉斯算子增强

3．2 图像噪声与处理

3．2．1 常见图像噪声分析

3．2．2 图像滤波

3．3 图像边缘检测

3．3．1 传统边缘检测算子

3．3．2 Canny边缘检测算法

3．3．4 改进的Canny边缘检测算法

3．4 本章小结

第四章 多圆识别及检测

4．1 圆检测算法

4．1．1 Hough变换圆检测

4．1．2 最小二乘法

4．1．3 几何特征圆检测

4．2 改进的圆检测算法

4．3 本章小结

第五章 实验及结果分析

5．1 测量系统标定

5．2 系统检测流程

5．3 检测系统运行及分析

5．4 本章小结

6．1 论文总结

6．2 论文展望

参考文献

致谢

攻读硕士学位期间的研究成果