基于机器视觉的发动机活塞装配防错检测技术研究

摘要

机器视觉研究利用计算机来模拟生物外显或宏观视角功能，它是一项综合技术，主要包括数字图像处理技术、机械工程技术、控制技术、光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。机器视觉系统通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统，图像处理系统根据像素分布和亮度、颜色等信息进行各种运算来抽取被测目标的特征信息，转换成电信号，进而完成对现场设备运作情况的控制。目前，机器视觉已成功地用于零件的识别与定位、产品质量检验、刀具磨损监控、精密测量和移动机器人导航等领域。 发动机是汽车的关键部件，随着我国汽车工业的发展，发动机装配线正由刚性装配线向柔性装配线方向发展。柔性装配线的特点是装配节拍可以在一定的范围内自由调整，可以实现多品种混流生产。发动机自动装配线上的防错装置和生产线上的发动机测试技术是汽车发动机装配线发展的一个重要方向，是保证发动机装配线实现多品种混流生产线，提高自动化程度的一个重要方面。故障发现得越早，它所造成的损失就越小，采用在线测试技术可以实现对制造缺陷的最大限度的追溯能力。因此如果能在这一研究中率先取得成果并得到应用，必将会推动机器视觉技术的进步，实现产品快速检测，同时提高汽车发动机工业技术水平和生产效益，增强企业适应市场快速变化的能力，产生巨大的社会效益。 本文首先简要介绍了一下机器视觉的相关理论以及一些应用实例，然后介绍了本课题的研究意义和国内外现状，提出了本课题研究的主要内容。运用机器视觉的相关理论，结合实际检测要求和检测项目，考虑了系统的硬件选用。本文重点介绍了CCD摄像机、图像采集卡、镜头、和光源的选用。另外进行了系统的软件架构设计，其中通过图像的模板匹配技术和模板匹配算法的选择实现了字符图像的提取；通过图像增强、阈值分割、形态学变换和字符分割等一系列的图像处理方法实现了图像的预处理；接着利用模式识别的相关理论，选取了模式识别方法和确定了识别步骤；最后实现了分类器的分析设计，我们选用BP算法的神经网络分类器来最终实现了目标分类识别。 本文综合了数字图像处理、字符识别及模式识别和分类器设计等相关技术，利用数字电子计算机通过Visual C++编程实现理论算法的程序化，设计了一套活塞装配质量视觉检测的软件测试环境。通过实验结果表明：本课题研究的活塞装配质量视觉检测系统是比较令人满意的。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题背景

1.2课题来源及研究意义

1.3国内外研究现状

1.4本文研究的主要内容

第2章活塞装配质量视觉检测系统

2.1工作原理

2.2总体要求

2.3硬件的选用原则

2.3.1摄相机的选用

2.3.2图像采集卡的选用

2.3.3镜头的选用

2.3.4光源的选用

2.4本章小结

第3章检测图像的分析与处理

3.1图像处理

3.2字符图像提取

3.2.1图像的模板匹配

3.2.2模板匹配算法的选择

3.3图像预处理

3.3.1图像增强

3.3.2阈值分割

3.3.3形态学变换

3.3.4字符分割

3.4本章小结

第4章字符的模式识别

4.1模式识别的基本理论

4.2特征提取和特征选择

4.3模式识别系统

4.4模式识别方法及选取

4.4.1经典的模式识别方法

4.4.2现代模式识别方法

4.4.3模式识别方法的选取

4.5模式识别系统工程的基本步骤

4.6本章小结

第5章分类器的设计

5.1感知器

5.2神经网络分类器

5.2.1 BP神经网络的结构和算法

5.2.2 BP神经网络的训练及实现

5.3本章小结

第6章活塞装配视觉检测软件系统

6.1图像处理系统的界面实现

6.1.1图像预处理界面

6.1.2模板匹配界面

6.2模式识别的界面实现

6.3本章小结

总结与展望

总结

展望

参考文献

致谢

攻读学位期间发表的论文目录