详情

原文传递基于机器视觉的汽车保险盒缺陷在线自动检测系统研究

论文题名：	基于机器视觉的汽车保险盒缺陷在线自动检测系统研究
关键词：	汽车保险盒;缺陷检测系统;机器视觉;特征匹配;坐标相似性
摘要：	汽车保险盒质量对于汽车电路安全起到至关重要的作用。目前通过人工检测汽车保险盒缺陷的方法具有效率低、成本高等缺点，急需汽车保险盒缺陷自动检测系统，以达到能快速、准确地筛选出不合格产品，提高生产效率，降低安全隐患。本文就汽车保险盒缺陷自动检测系统及其关键技术进行了研究。　　首先，根据生产过程中汽车保险盒在线自动检测的实际需求，在现有的工件生产模式基础上，研究与设计了基于视觉的检测模块和工件自动分拣模块。在视觉检测模块中，进行了整体方案与硬件设计，包括载具设计，相机、镜头、光源的理论分析与选型以及检测平台的设计；在工件分拣模块中，进行了分拣搬运机械臂及双道传送带的设计，并对检测系统进行了整体工作流程设计。　　接着，针对传统匹配算法对工件图像进行匹配时存在较大的运算量，特别是配准精度达不到工程实际要求的问题，在对不同匹配算法进行分析与研究的基础上，提出基于SURF、SIFT和RANSAC的特征点提取、描述以及误匹配点对滤除的匹配算法，对比实验表明本文方法提高了匹配准确率。　　接着，针对全局区域图片进行匹配时存在旋转校正精度无法满足工程实际要求的问题，通过分析匹配点对间的长度与旋转校正精度间的关系，提出对角区域的选择策略来进行匹配校正，相比全局区域提高了匹配校正的精度，降低了运算量。　　再接着，针对全局区域匹配时存在的误匹配以及匹配精度不高的问题，根据对角区域匹配点对坐标间的关系，提出基于坐标相似性的预备匹配点对筛选策略，以得到各对角区域最理想的匹配点对，实验结果表明，该方法提高了匹配精度与效果。　　其次，针对整体工件的匹配精度无法满足工程实际要求的问题，根据匹配区域越小，匹配精越高的特性，在整体匹配的基础上，通过区域分割对每块子区域进行精匹配来提高匹配精度。针对基于SURF、SIFT和RANSAC的特征点提取、描述以及误匹配点对滤除的匹配效率低问题，根据不同特征描述算法的特性，研究了基于BRIEF的特征点描述的匹配算法。实验结果表明，BRIEF算法相对SURF算法在实时性上提高了33.7%,相对BRISK算法提高了15.9%，该方法保证匹配精度的情况下，提高了匹配效率。　　接着，针对基于坐标相似性的预备匹配点对选择策略存在匹配效率和鲁棒性低的问题，研究了基于坐标相似性的改进预备匹配点对选择策略，减少了预备匹配点对的数量，提高了匹配效率和鲁棒性。在此基础上，又研究了基于单位像素路径搜索的精匹配策略。实验结果表明，本文方法匹配精度达到工程实际需求。　　最后，针对传统缺陷检测算法存在局限性的问题，根据实际缺陷种类及特征来设计专门的检测算法。针对结构性差异的大缺陷，提出了基于形态学开运算的缺陷检测算法；针对多胶、少胶的细小缺陷，提出了基于均值滤波与误差块区域大小的粗筛选，以及基于横向纵向滤波的精筛选的缺陷检测算法。最后将两种缺陷检测算法的效果进行合并，获得最终的缺陷检测效果。经实验论证，缺陷检测准确率满足工程实际要求。
作者：	曾瑞篷
专业：	仪器仪表工程
导师：	徐贵力
授予学位：	硕士
授予学位单位：	南京航空航天大学
学位年度：	2017
正文语种：	中文