原文传递
基于机器视觉的铝车身缺陷特征在线检测技术研究
| 论文题名： | 基于机器视觉的铝车身缺陷特征在线检测技术研究 |
| 关键词： | 铝车身缺陷特征;机器视觉;尺寸测量;FasterR-CNN模型 |
| 摘要： | 随着汽车工业的发展，车身轻量化已成为必然趋势。铝车身具有大幅减小汽车重量，降低油耗和排放的优点，在汽车行业中得到广泛应用。然而，传统的点焊、MIG焊等热连接技术已不再适用，铆接技术逐渐应用于汽车制造业。目前，铝车身铆接质量的检测多为人工线下检测，存在检测效率低且误判率高的缺点。针对该情况，借助机器视觉无损检测技术设计并开发一套在线检测装备，基于铝车身铆接外部缺陷特征制定检测方案，依托实际铝车身生产线开展实验验证所提出方法的可行性和有效性。 基于铝车身的铆接工艺解析车身铆接外部缺陷的形貌特征，依据生产工艺和检测环境，开展视觉在线检测硬件系统的设计。为满足高效生产要求，制定径向单点检测策略对铝车身铆接外部形貌特征进行采样。设计缺陷特征在线识别算法和检测流程，进而实现铆接外部缺陷特征的快速识别和提取工作。 针对铝车身铆钉铆接姿态判定，通过径向二维投影法实现铆点姿态参数量化。通过系统标定、铆点定位、边缘检测和轮廓拟合实现特征检测。应用张正友标定法来完成相机标定和图像畸变矫正工作；提出了一种基于高斯金字塔搜索的NCC算法，可快速、准确的实现检测区域定位，相比常规的NCC算法提高了区域定位速度；设计了一种自适应的Canny算法，使用自适应中值滤波代替高斯滤波，并引入Otsu算法实现高低阈值的自适应划分，避免常规算法中选用定值阈值而导致检测精度低的难题；采用成熟的最小二乘法完成车身铆点外部边缘的拟合，结合铆接姿态量化的参数完成铆接质量判定中铆点姿态特征的检测。 裂纹，凹坑和缺口是铝车身铆钉头表面的关键缺陷特征。通过翻转、旋转、添加噪声等方式扩充数据样本容量，利用MATLAB软件中的ImageLabeler完成缺陷标注；采用FasterR-CNN算法完成铝车身铆点表面缺陷检测，并选用AP，mAP和检测平均耗时来衡量车身铆点表面缺陷检测性能。对凹坑、裂纹、缺口三种铆点表面缺陷进行训练学习，最终三类缺陷检测AP值分别0.90、0.85和0.78，综合检测mAP值可达0.843，平均检测时间为0.77s，有效实现该类缺陷特征的提取和识别，进而完成铝车身铆接质量判定中铆点表面缺陷的在线检测。 |
| 作者： | 王嘉豪 |
| 专业： | 机械工程 |
| 导师： | 赵新华;吴昊 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
