论文题名: | 基于视觉的汽车保险盒组装质量检测方法研究 |
关键词: | 机器视觉;汽车保险盒;图像分割;纹理特征 |
摘要: | 随着汽车制造业和计算机视觉技术的蓬勃发展,机器视觉技术因其具备高效率、高精度和低成本等优势而被广泛应用于汽车制造和组装的各个质量检测环节中。本文采用机器视觉技术针对汽车保险盒组装生产的质量检测方法展开研究,针对已有的影像检测仪存在的功能欠缺,设计了基于深度学习的保险盒图像的器件分割方法,改进了器件图像的纹理特征识别方法,以提高系统的使用效率和检测稳定性。同时设计了立体视觉测量系统,实现了通过测量器件高度来判断器件的安插状态是否合格的功能。 论文主要完成了以下工作: (1)保险盒图像的器件分割。基于多家客户在原有检测仪系统上长期积累的大量不同光照强度、不同产品类型的保险盒图像制作为数据集,采用LabelImg软件对数据集图像中的器件进行位置标注,并按照小保险丝、方形保险丝和继电器进行分类。再利用Mosaic数据增强方法来丰富数据集,并设计了YOLOv5深度学习网络来实现图像中器件的分割。 (2)器件图像增强。在对图像滤波、边缘检测和图像增强等图像预处理方法的研究基础上,为了应对继电器图像明暗不均以及对比度差等问题,提出了一种图像自适应增强方法,使得算法能够自动调节阈值以适应不同光照下的器件图像并降低光照不均造成的影响。 (3)纹理特征的检测方法改进。首先通过实验研究总结分析了ORB算法在继电器纹理特征检测中的不足之处,然后提出了基于最大密度约束的特征点筛选方法以及四值特征描述子方法来提高特征点匹配的准确性,最后提出了一种基于特征覆盖面积的相似度计算方法,有效地解决了相似器件难以区分的问题。 (4)器件装配高度测量。控制单目相机在不同视角下采集两幅保险盒图像,并利用预测窗口和模板匹配方法匹配器件图像。针对保险盒中不同器件的图像特征设计了基于轮廓、字符和纹理的三种特征点匹配方法,根据立体视觉的成像模型完成了器件特征点的高度计算。通过大量的测量实验,检验了测量系统的准确性,并给出了器件装配质量的评判标准。 |
作者: | 张星宇 |
专业: | 控制工程 |
导师: | 洪伟 |
授予学位: | 硕士 |
授予学位单位: | 吉林大学 |
学位年度: | 2023 |