学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的规则零件机器视觉检测技术研究

作 者: 王煜
导 师: 郑建立
学 校: 东华大学
专 业: 检测技术与自动化装置
关键词: 支持向量机 机器视觉 图像处理 缺陷检测
分类号: TP274
类 型: 硕士论文
年 份: 2012年
下 载: 64次
引 用: 0次
阅 读: 论文下载
 

内容摘要


基于机器视觉的零件检测系统具有非接触、实时性强、速度快等优点广泛应用于各种工业生产中,能够很好的检测出缺陷零件,提高产品的出厂质量。本文综合分析了机器视觉检测技术在机械零件缺陷检测的应用范围和所采用的方法,在此基础上指出了多孔洞规则零件表面缺陷检测的必要性,以工厂生产的有多孔洞的齿轮为样本,对多孔洞的规则机械零件表面缺陷分类方法进行了研究。经过研究各种图像预处理算法、边缘检测算法,提出了一种智能缺陷边缘检测算法,可以完整的检测出零件表面缺陷的边缘,通过对缺陷特征进行提取,并运用支持向量机的分类方法,选择合适的核函数和参数,设计了合理的规则零件的表面缺陷检测系统方案。本文通过对多种图像滤波、图像边缘检测等图像预处理技术的研究,结合本文零件样本的实例,通过对比实验,选择了中值滤波和Canny边缘检测算法对样本图像进行预处理,提取了完整的样本零件边缘信息,有利于对缺陷特征的提取,并对这些预处理技术进行了归纳和总结。如何能够快速有效的提取被测零件缺陷的边缘是提取缺陷特征的前提,它直接影响最终的检测精度和检测速度。针对样本齿轮零件多孔洞的特点,本文提出了一种基于边缘跟踪的零件缺陷边缘智能检测算法,很好的检测到了完整的缺陷边缘,为特征提取提供了高质量的缺陷边缘参数。本文采用基于支持向量机的分类识别算法,通过对缺陷边缘特征数据的提取和数据归一化,得到进行训练和分类的特征数据,综合对比分析选择径向基核函数为本系统的核函数,并运用基于交叉验证和网格搜索的参数选择方法找到核函数的最佳参数,采用一对一的投票策略进行分类训练和测试。在Matlab平台下进行各个模块的软件设计,并设计了GUI界面,方便直观的对整个训练和分类测试结果进行检查和分析。通过对采集到的缺陷零件样本进行了分类测试实验,分类准确率达到96%,高于采用BP神经网络进行分类的92%,最后对产生的误差进行了分析。

全文目录


摘要  5-7
ABSTRACT  7-9
目录  9-11
第一章. 绪论  11-19
  1.1 引言  11
  1.2 课题研究的背景  11-12
  1.3 机器视觉检测技术  12-15
    1.3.1 机器视觉概述  12-13
    1.3.2 机器视觉的历史与现状  13
    1.3.3 机器视觉的发展趋势  13-14
    1.3.4 机器视觉检测技术概述  14-15
  1.4 缺陷检测技术研究现状  15-16
  1.5 课题研究的意义和内容  16-18
    1.5.1 研究意义  16-17
    1.5.2 研究内容  17-18
  1.6 本章小结  18-19
第二章. 机器视觉检测系统设计  19-26
  2.1 引言  19
  2.2 机器视觉检测系统的构成  19-20
  2.3 系统主要硬件组成  20-24
    2.3.1 光源  21-22
    2.3.2 相机  22-23
    2.3.3 图像采集卡  23-24
  2.4 系统软件流程  24-25
  2.5 本章小结  25-26
第三章. 图像预处理算法研究  26-41
  3.1 引言  26
  3.2 灰度直方图  26-28
  3.3 图像滤波  28-34
    3.3.1 邻域平均法  28-30
    3.3.2 高斯滤波  30-32
    3.3.3 中值滤波  32-34
  3.4 图像边缘检测  34-40
    3.4.1 一阶微分边缘检测算子  34-36
    3.4.2 高斯—拉普拉斯算子  36-38
    3.4.3 Canny边缘检测算子  38-40
  3.5 本章小结  40-41
第四章. 零件缺陷边缘检测  41-50
  4.1 引言  41
  4.2 经典边缘跟踪算法  41-43
  4.3 改进的智能边缘检测算法  43-44
  4.4 零件缺陷边缘智能检测  44-48
    4.4.1 零件位置对准  45-46
    4.4.2 智能缺陷边缘提取算法  46-48
  4.5 本章小结  48-50
第五章. 零件缺陷分类识别  50-70
  5.1 零件缺陷特征提取  50-52
  5.2 特征数据处理  52-57
    5.2.1 特征数据的前期处理  52-55
    5.2.2 数据规格化  55-57
  5.3 支持向量机  57-62
    5.3.1 支持向量机原理  57-60
    5.3.2 支持向量机分类方法  60-62
  5.4 支持向量机进行零件缺陷检测  62-67
    5.4.1 核函数及参数选择  62-64
    5.4.2 SVM分类器的选择  64
    5.4.3 采集样本的测试结果及分析  64-67
  5.5 分类效果对比  67-69
    5.5.1 BP神经网络分类检测  67-68
    5.5.2 两种分类结果比较  68-69
  5.6 本章小结  69-70
第六章. 总结和展望  70-72
  6.1 总结  70-71
  6.2 展望  71-72
参考文献  72-76
致谢  76-77
攻读硕士期间发表论文  77

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 基于CCD图像传感器的温度测量技术研究,TH811
  3. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  4. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  5. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  6. 音乐结构自动分析研究,TN912.3
  7. 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
  8. 基于三维重建的焊点质量分类方法研究,TP391.41
  9. 雾天或背光条件下图像清晰化算法研究及硬件实现,TP391.41
  10. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  11. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  12. FPGA/DSP图像协处理技术及以太网数据传输,TP391.41
  13. 基于SVM的中医舌色苔色分类方法研究,TP391.41
  14. PCB视觉检测系统中相机标定算法与位姿测定技术,TP391.41
  15. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  16. 基于图像的路面破损识别,TP391.41
  17. 机械臂视觉伺服系统的研究,TP242.6
  18. 基于支持向量机的故障诊断方法研究,TP18
  19. 数字图像处理在集装箱检测中的应用研究,TP274.4
  20. 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
  21. 半成型结构在休闲女装中的应用,TS941.2

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 数据处理、数据处理系统
© 2012 www.xueweilunwen.com