基于机器视觉和深度学习的矿用电机换向器检测系统设计研究

摘要

借助神经网络深度学习的算法和机器视觉技术,设计一种矿用电机换向器缺陷无损的自动检测系统,以解决矿用电机换向器经常出现的几何误差和表面质量的问题。通过采集零件图形、计算滤波预处理、区域亚像素定位、模板匹配等系列技术手段,分别从零件的顶面、侧面、底部等位置完成电机换向器缺陷无损检测。在电机换向器检测实验结果中发现,该系统检测过程简单,相比人工检测效率能够提高70.6%,漏检率0%,误检率降低到1%,实现检测效率的大幅度提升,同时能测量不同尺寸换向器的多种技术参数,这为换向器的检测提供了一种设计思路,同时也为其他零部件质检提供了优化思路。