圆盘形零件的机器视觉检测技术研究.pdf
《圆盘形零件的机器视觉检测技术研究.pdf》由会员分享,可在线阅读,更多相关《圆盘形零件的机器视觉检测技术研究.pdf(3页珍藏版)》请在咨信网上搜索。
1、中国新技术新产品2024 NO.1(上)-75-工 业 技 术机器视觉在机械零件缺陷自动识别中的应用本质上属于模式识别技术,可根据机器视觉的各种算法,如区域分割、轮廓提取和边缘检测获取机械零件和缺陷部位的特征,再与数据库中参考图像的相应特征进行对比,进而判定出机械零件是否存在缺陷和何种缺陷1。可见,基于机器视觉的机械零件缺陷识别在很大程度上依赖于机器视觉相关特征提取方法的准确性。随着该方法不断发展,基于单一特征的检测方法暴露出检测精度不高和鲁棒性较低的问题2,因此产生了基于 BP 神经网络的多特征训练学习的分类方法。随着基于机器视觉的机械零件缺陷分类方法不断发展,各种分类器的手段日益丰富,常见
2、的分类器有 BP 分类器、LR 分类器、DT 分类器、RF 分类器、SVM 分类器、CNN 分类器以及 KNN 分类器等3。对于不同缺陷表现出来的机器视觉特征,不同分类器会表现出不同性能。本文将构建多分类器融合的机械零件缺陷识别方法。本文方法同时使用多种分类器被,将不同机器视觉方法获得的缺陷特征纳入多种分类器,对缺陷类型进行融合判断。本文方法在机械零件缺陷的识别中具有较高的准确率和较好的鲁棒性。1 基于形态学的机械零件图像增强本文采用了基于形态学的增强方法,并进行了改进处理。一般的形态学分割方法使用单一的结构元素,处理过程相对简单,处理结果很难同时满足多项指标要求。例如,使用圆形结构元素时,背
3、景去除量大,但是一些边缘细节特征会被圆形模板的形态学处理消除掉;使用线形结构元素时,原始图像的边缘细节特征得以清晰保留,但是背景去除量小。为此,本文考虑改进一般形态学处理方法,同时结合多种不同结构元素完成开闭运算等形态学处理,以取得更理想的效果。在具体的计算机二进制数据中,圆形结构元素和线形结构元素的模板形式如图 1 所示。图 1 中给出了 2 个同为 44 的结构元素模板,一个是圆形的,一个是线形的,结合 2 种模板进行形态学处理的执行步骤如下。首先,利用圆形的结构元素对原始图像执行开运算处理。圆形结构元素用 S1表示,原始图像用 f(x)表示,处理结果用 A 表示,处理过程如公式(1)所示
4、。A=f(x)S1 (1)其次,使用线形的结构元素对原始图像执行闭运算处理。线形结构元素用 S2表示,原始图像用 f(x)表示,处理结果用 B 表示,处理过程如公式(2)所示。B=f(x)S2 (2)再次,利用原始图像和上述 2 步处理结果分别做差,得到的结果分别用 A1和 B1表示,处理过程如公式(3)所示。A1=f(x)AB1=f(x)B(3)最后,将上一步得到的 2 个处理结果再做差集运算,即可得到最终的去除背景的分割结果,如公式(4)所示。C=A1B1(4)为了验证改进形态学分割方法的有效性,本文选取齿轮和轴的零件图像分别进行试验,同时采用线形结构元素圆盘形零件的机器视觉检测技术研究李
5、宝峰(中国航发沈阳黎明航空发动机有限责任公司,辽宁 沈阳 110041)摘 要:机械零件缺陷的准确识别对提升机械加工质量具有十分重要的意义。本文提出了一种基于机器视觉和多分类器融合的方法,用于机械零件缺陷的自动识别。采用多元素结构的改进形态学方法进行图像增强处理,提升机械零件图像的对比度。采用小波变化结合二维 Ostu 分割的方法获取机械零件图像的特征,将其作为分类器的输入。图像特征进入多组分类器后形成融合判断,可作为最终的缺陷识别结果。针对圆盘形械零件缺陷,本文采用10类分类器进行缺陷识别试验,试验结果表明:融合分类器的识别准确率有明显提高,XGBT+KNN+RF 融合分类器同时具备高鲁棒性
6、和高识别准确率的性能。关键词:机械零件;缺陷识别;融合分类器;机器视觉中图分类号:TP391文献标志码:A图 1 不同结构元素的模板(a)圆形结构元素模板(b)线形结构元素模板中国新技术新产品2024 NO.1(上)-76-工 业 技 术和圆形结构元素,按照改进方法的步骤进行分割处理,得到的结果如图 2 所示。本文改进后的形态学处理结果如图 2 所示(同时使用了线形结构元素和圆形结构元素)。从处理结果可以看出,当结构元素的尺寸为 10 时,背景被明显剪除了。当结构元素的尺寸为 20 时,背景元素完全被剪除,清晰地显示出目标区域,充分表明本文改进措施的有效性。结构元素尺寸为 20 也是后续处理中
7、采用的参数。2 机械零件图像的特征提取根据机械零件图像的原理和特点,本文将小波变化和Ostu 域值分割结合起来,构建了一种全新的图像特征提取方法。在小波变换的各级分辨率图像上可以分别获得高频信息和低频信息。其中,高频信息包括图像的细节和噪声,低频信息包括图像的轮廓。传统的 Ostu 分割是在原始图像上进行分割,如果将该过程在小波变换的低频成分上进行,就可以避免噪声和其他干扰性细节的影响。设 x(t)代表可积函数,那么 x(t)有关其 Fourier 变换(w)的连续小波可以定义为如公式(5)的形式。WTa bax ttbatx ttxab,*?1?d(5)基于此,小波反变换如公式(6)所示。x
8、 tCaaWTa batbabx?1120?dd,(6)式中:a 表示小波变换的尺度;b 表示小波变换的位移。其中 ab(t)如公式(7)所示。?abtatba?1(7)小波变换的尺度 a 用于对 (x)进行缩放。该尺度大,就表明(ta)宽;该尺度小,就表明(ta)窄。即 a 的大小可以表征小波分析的范围。而当小波变换用于时间域分析时,a 就变为表征时间域分析范围,即 a 表征时间域的分辨率,此为一种反比关系。与一维 Ostu 法相比,二维 Ostu 法增加了邻域平均灰度,从而将一维灰度直方图扩展为二维灰度直方图,即正常的图像灰度和邻域平均灰度同时出现的概率。其基本操作过程如下:用 f 表示原
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 圆盘 零件 机器 视觉 检测 技术研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。