详情

原文传递活塞内腔字符识别及外表面缺陷检测技术研究

论文题名：	活塞内腔字符识别及外表面缺陷检测技术研究
关键词：	汽车发动机;活塞内腔;字符识别;缺陷检测;图像处理;机器视觉
摘要：	随着汽车发动机制造业的发展，对发动机活塞制造的质量要求标准愈来愈高。为了避免活塞在出厂前出现质量问题，活塞质量检测已经成为活塞制造的关键环节。目前，活塞质量检测方式还是人工检测和接触式检测为主，使用人工检测和接触式检测存在着主观性大、检测效率低下、显示不直观等缺点。因此，如何实现低成本、高效率、高精度的非接触活塞质量检测成为活塞制造业关注的一个问题。　　依据山东某活塞制造公司的需求，我们课题组对基于机器视觉的发动机活塞高精度尺寸测量和缺陷检测进行了一系列的研究。目前，课题组已经实现了对高精度尺寸测量的关键技术分析。在此基础上，我们对活塞的外表面缺陷检测和内腔字符识别等关键检测项展开研究，设计了活塞机械工位，并设计开发了活塞高精度尺寸测量及缺陷检测软件系统。　　主要工作如下：　　一、设计了一种基于Faster R-CNN和字符序列先验库的活塞内腔字符识别方法。考虑到活塞内腔字符向上凸起且质地为金属易反光等特点，我们设计了环形光源及活塞内腔成像装置用于采集内腔字符图像，并制作活塞内腔字符数据集。由于活塞内腔背景比较嘈杂，我们使用高斯滤波和形态学运算来抑制噪声，从而得到背景相对干净的内腔图像。基于内腔字符长宽比不唯一的特点，使用合适参数的Faster R-CNN训练数据集并获得字符识别模型，利用模型检测到的字符种类和位置信息组成活塞内腔字符序列。但由于数据集样本存在着数据不均衡问题，只使用Faster R-CNN训练的识别模型存在着较高的误报。为解决此问题，我们根据相同型号活塞内腔字符序列高度相似的特点，构建并利用字符序列先验库来修正Faster R-CNN的识别结果。该方法通过结合深度学习网络和活塞内腔字符序列的先验知识，有效地提高了活塞内腔字符识别准确率。　　二、设计了一种基于灰度特征比较的活塞外表面缺陷检测方法，其中活塞外表面缺陷检测分为侧面缺陷检测和顶面缺陷检测。由于相同型号活塞在相同的光照和拍摄角度下采集的活塞外表面图像相似，所以我们提出了一种活塞外轮廓配准的方法，得到标准活塞与待检测活塞在空间上的相同区域，再对相同区域进行灰度特征比较检测缺陷。首先，在特定不变的拍摄环境下，拍摄不同型号的标准活塞构建模板库，主要包括不同视角下的活塞侧表面图像和相同视角下的活塞顶面图像。然后，根据待检测活塞图像的拍摄角度和拍摄位置信息来调用相对应的模板活塞图像，并利用尺度不变特征变换（Scale Invariant Feature Transform，SIFT）算法进行活塞外轮廓配准来确定两幅图像在空间上的相同区域。最后，利用滑动窗口同时遍历两幅图像配准后的相同区域，提取窗口内的灰度特征进行比较来判断待检测图像的窗口内是否有缺陷。该方法通过利用SIFT外轮廓配准可以准确地找到待检测活塞和模板活塞的相同区域，从而使得灰度比较的结果更加可靠。　　三、针对活塞高精度尺寸测量及缺陷检测项目中涉及到的硬件和软件均进行了分析与设计。在硬件方面，根据项目各个检测项的具体内容对活塞检测所用的机械工位进行了分析与设计，最终搭建了两个机械工位。这两个机械工位既能满足所有检测项的要求又节约了制作成本。在软件方面，先对系统用户的多方面需求进行了详细分析，然后根据用户需求对软件系统进行了架构和界面的设计，最后通过编码实现了活塞高精度尺寸测量及缺陷检测系统，并将现有的检测算法集成到系统中。　　本文的研究结果结合实际机械工位可以实现基于机器视觉的活塞内腔字符识别和外表面缺陷检测，并且我们开发了一个可运行的软件系统平台，能够有效地提高活塞各质量检测项的检测效率。
作者：	王红艳
专业：	计算机技术
导师：	刘明军;李金屏
授予学位：	硕士
授予学位单位：	济南大学
学位年度：	2020
正文语种：	中文