机器视觉在零件识别与检测中的应用

论文摘要

机器视觉系统具有非接触、实时、在线、精度高等特点,近年来得到了迅速的发展和广泛的运用。本文首先对机器视觉的定义、发展历史做简单介绍,然后又介绍了机器视觉技术及其国内外发展现状,并且提出了本文机器视觉系统的应用意义与所涉及到的主要领域、技术。为了使机器视觉系统能够达到速度和精度要求,本文中结合实际应用经验详细论述了如何进行硬件选型以及算法设计。其中硬件选型包括如何选择合适的光源、摄像机、镜头、图像采集卡等机器视觉系统中的重要部件;算法设计主要结合实际应用总结了机器视觉检测系统中常用的多种图像处理算法,包括图像滤波、阈值分割、边缘检测等。本文中的机器视觉系统通过摄像头和SDK开发包对零件进行实时图像采集,并将其存入开辟的数据缓冲区内;由设计的图形处理模块对缓冲区内的数据采用各种算法进行分析处理,形成研究中感兴趣的重要图像;调用图像识别判断模块,并结合图像数据库实现对工件按颜色、面积、周长等进行分类,按高度、圆周等进行合格与否检测。课题主要使用的开发平台为VC++6.0,系统集成了图像处理和分析的常用算法。通过实验验证本系统达到了系统性能要求,较好地解决了在Festo公司开发的自动化教学实验台上用机器视觉系统代替传统传感器,从而实现了非接触、在线自动化识别与检测,为以后在较危险的工业场合应用奠定了基础。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 机器视觉概述
• 1.1.1 概述
• 1.1.2 机器视觉的现状
• 1.2 本课题的研究背景、研究内容及研究意义
• 1.2.1 研究背景
• 1.2.2 研究内容
• 1.2.3 研究意义
• 1.3 本课题涉及的主要领域及技术
• 1.3.1 机器视觉技术
• 1.3.2 图象处理技术
• 1.3.3 模式识别技术
• 第二章 零件识别与检测视觉系统的方案设计
• 2.1 系统硬件设计
• 2.1.1 光学照明系统
• 2.1.2 图像采集系统
• 2.1.3 运动控制装置
• 2.2 系统开发软件平台
• 2.2.1 VC++开发平台简介
• 2.2.2 VFW 简介
• 第三章 零件识别与检测视觉系统的图像处理基础
• 3.1 数字图像的形成
• 3.1.1 概述
• 3.1.2 采样
• 3.1.3 量化
• 3.2 数字图像的描述形式和运算方式
• 3.2.1 数字表示形式
• 3.2.2 基本处理过程与基本运算形式
• 3.3 图像预处理技术
• 3.3.1 图像滤波
• 3.3.2 直方图均衡化
• 3.3.3 灰度阈值分割
• 3.3.4 边缘检测
• 3.3.5 哈夫（HOUGH）变换
• 第四章 零件识别与检测
• 4.1 系统组建
• 4.1.1 系统构成
• 4.1.2 系统技术基础
• 4.2 系统开发
• 4.2.1 颜色识别
• 4.2.2 边缘提取
• 4.2.3 图像区域处理（面积、周长）
• 4.2.4 HOUGH 变换检测圆周
• 4.2.5 投影法检测工件
• 4.3 BP 神经网络
• 4.3.1 模式识别概述
• 4.3.2 人工神经网络
• 4.3.3 BP 神经网络学习步骤
• 4.3.4 BP 神经网络的构造
• 第五章 机器视觉系统在自动化教学实验平台上的应用
• 5.1 系统开发环境
• 5.1.1 程序设计语言
• 5.1.2 图像处理类CDIB
• 5.1.3 自动化教学实验平台
• 5.2 系统功能
• 5.3 工件识别
• 5.3.1 颜色识别
• 5.3.2 表面测量
• 5.3.3 形状识别
• 5.4 工件检测
• 5.4.1 高度检测
• 5.4.2 圆周检测
• 5.4.3 字符检测
• 第六章 总结与展望
• 6.1 课题总结
• 6.2 前景展望
• 参考文献
• 致谢
• 在学期间研究成果及发表的学术论文