原文传递
基于机器视觉的车身涂胶在线检测系统研究
| 论文题名： | 基于机器视觉的车身涂胶在线检测系统研究 |
| 关键词： | 机器视觉;车身涂胶;图像处理;神经网络;在线检测系统 |
| 摘要： | 随着“中国制造2025”行动纲领的提出，汽车制造业向着数字化网络化智能化的方向发展。车身涂胶是汽车生产线中的重要一环，目前的涂胶检测方法无法实现自动化胶条定位，且检测效率和准确度较低。本课题设计一套基于机器视觉的车身涂胶在线检测系统，该系统可以实现快速的涂胶定位与检测需求，同时对反光干扰有一定的辨识能力，实现在线判别胶条断胶、过宽过窄的缺陷。 本文首先根据生产过程中涂胶的检测需求与难点，进行了涂胶系统的整体设计。制作视觉传感器进行涂胶图像实时采集，利用神经网络模型实现胶条自动定位，提取出胶条感兴趣区域后判别胶条的连续性以及截面宽度，根据检测结果决定是否触发报警信号，并判断是否存在反光干扰导致误判，最后将检测结果保存在数据库中，方便用户后期对检测结果的追溯与查询。 为了解决模板匹配或固定RoI法因胶条偏移导致检测误差大的问题，抽取深度学习网络中的RPN结构进行胶条的感兴趣区域RoI提取，利用DIoU算法替代原始损失函数进行训练阶段预测框的回归修正。在检测阶段改进NMS非极大值抑制算法，使其可以依据本文检测需求选出更为合适的预测框，实现平均IoU为99%的定位准确度。 图像中大面积的胶条反光会导致胶条分割时的不准确与误判，采用改进的YOLO网络实现反光特征的检测，加强对反光目标的检测能力并改善因YOLO网络对图像缩放导致的失真问题，最终可以准确检测出77张反光样本中的75张反光干扰，实现97%的检测准确度。 设计胶条截面平均宽度计算算法，利用BFS广度优先搜索算法结合目标置信点计算图像中的胶条面积，并对胶条进行细化操作提取骨架得出长度信息；最终利用标定后的映射关系求得胶条实际宽度，验证算法的平均绝对误差为0.23mm，标准差为0.25mm，最大误差为0.39mm，满足1mm精度检测要求。实验结果表明，检测系统的检测效率与准确度满足现场生产使用需求。 |
| 作者： | 王浩川 |
| 专业： | 仪器科学与技术 |
| 导师： | 刘常杰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
