详情

原文传递基于机器学习的车载导航导光板质量视觉检测系统研究

论文题名：	基于机器学习的车载导航导光板质量视觉检测系统研究
关键词：	车载导航导光板;质量缺陷;视觉检测系统;硬件设计;软件开发;机器学习
摘要：	近年来，随着车联网技术不断发展，车载导航显示设备需求量显著增加。作为车载导航显示器的重要组成成分，车载导航导光板的产品质量直接关系到显示器的表现效果。而在车载导航导光板的加工生产过程中，受材料特性、板型设计、加工温度、设备磨损等因素影响，导光板会出现黄化、亮点、暗点、刮伤、压伤等各类缺陷。　　当前对车载导航导光板的缺陷检测仍停留在人工验光阶段，一方面导光板的光学特性决定了其缺陷必须在强光下才能显化，人眼长时间暴露在强光环境下极易产生损伤。另一方面，车载导航导光板设计制作日趋精密，部分缺陷已经细微到超出人工肉眼检测极限。同时，车载导航导光板还存在部分极少出现，但不能漏检的黄化缺陷，对其进行检测往往造成人力资源的浪费。因此，本文依据生产商对车载导航导光板的质量检测要求，开发出基于机器学习的车载导航导光板质量视觉检测系统，对系统硬件与软件进行设计，并采集大量数据验证系统实时性、准确性与稳定性。本文主要从以下几个方面展开：　　（1）视觉检测系统整体方案设计　　视觉检测系统整体方案设计包括系统的硬件设计与软件设计。硬件设计包括机械结构、视觉装置、电控系统的设计；依据不同的检测目标，分别设计黄化缺陷检测工位和表面缺陷检测工位，针对各个工位分别进行机械结构设计与视觉设备选型，并设计完整的电气控制流程，确保系统稳定采图与运行。软件设计为对整个系统的算法流程进行设计。　　（2）车载导航导光板黄化缺陷检测算法设计　　对于车载导航导光板中的黄化缺陷，本文提出了基于色彩空间和SVM的黄化缺陷检测算法。利用数字图像处理技术对采集的车载导光板黄化图像进行预处理，提取图像的感兴趣区域，去除背景干扰；然后设计一个高斯方向导数对感兴趣区域图像进行滤波，对滤波图像进行阈值分割，提取导光板所有上边缘，并利用边缘坐标定位每一张导光板，提取每张导光板图像上多个位置的R、G、B、L、A色彩平均分量构建特征向量；最后，利用色彩特征向量训练SVM模型，同时针对黄化缺陷检测算法性能难以验证的问题，设计实验进行验证。实验结果表明，本文算法能够有效检测车载导航导光板黄化缺陷，且具有较好的稳定性。　　（3）车载导航导光板表面缺陷检测算法设计　　根据车载导航导光板缺陷在工业相机下的成像特点，将表面缺陷划分为点缺陷、线缺陷、面缺陷。在对图像进行预处理获得感兴趣网点区域后，依据检测速度与精度要求，设计了结合轻量化与级联深度学习网络的导光板表面缺陷检测算法。首先，根据导光板缺陷分布特点，通过改进卷积层连接与特征图下采样的方法，设计一轻量化二分类网络实线疑似缺陷区域的快速分割；其次，利用改进的ResNet网络构建多分类网络，并提出两阶段网络级联的方法，对分割的疑似缺陷区域提取多样化特征实现缺陷的精确分类；进而，采用固定窗口在完整导光板图像上滑动，将滑动窗口图像裁剪后批量输入级联网络进行缺陷的粗定位与分类；最后，利用工业现场采集的导光板图像自建数据集，并以此为基础进行了大量实验。实验结果表明：与其它导光板缺陷检测算法相比，本文算法在准确率与检测时间上得到显著提升，检测平均准确率达到98.4%，单张检测时间提升到1.95s/pcs，准确率、实时性均达到工业检测要求。
作者：	何炎森
专业：	控制工程
导师：	戴文战;李俊峰;万超杨
授予学位：	硕士
授予学位单位：	浙江理工大学
学位年度：	2021