论文部分内容阅读
在五金工件生产过程中,不良的加工设备或工人的不当操作容易导致五金工件表面产生缺陷。在工业产品的自动化生产流水线上,如果直接将这些表面存在缺陷的五金工件应用于工业产品的制造上,将严重影响工业产品的质量。传统的五金工件表面缺陷检测方法主要是通过有经验的工人对每一个五金工件进行缺陷检测来实现。但是,工人的主观因素和疲劳的工作状态都将使检测效率下降。因此,实现高效的五金工件表面缺陷自动化检测对五金工件生产有着重要的意义。机器视觉检测技术一种高效的非接触式检测技术,利用机器视觉技术可以实现五金工件表面缺陷检测。分析基于机器视觉的五金工件表面缺陷检测技术存在的问题,并且对解决问题的关键技术进行研究:Ⅰ基于机器视觉的五金工件表面缺陷检测技术主要是依赖相机对五金工件进行拍照,然后将图像数据传输到计算机进行图像处理,识别五金工件图像表面缺陷。在相机对五金工件拍摄图像过程中,由于相机镜头一般存在畸变,因此需要对相机进行标定。然而,传统的相机标定方法需要拍摄多幅标定图来标定相机,这种方法不便于工人的操作,降低了机器视觉检测系统的使用便捷性。因此,研究现有相机标定方法,以减少标定图为目标,深入分析张正友平面标定法的数学模型及其原理,提出一种基于K-SVD字典学习的相机标定方法。K-SVD相机标定方法利用稀疏字典快速求解相机内参初值,通过相机内参初值求得相机外参,再根据相机内外参初值通过寻优得到畸变系数,最后利用极大似然估计得到最优的相机内外参数和畸变系数。该方法比传统的标定方法更加高效,而且标定精度高,只需要一幅标定图像就可以完成相机标定,降低了相机标定的操作繁琐程度。Ⅱ图像对齐是五金工件表面缺陷检测的关键技术之一,由于被检测五金工件与标准的五金工件存在一定的角度偏差,这种角度偏差不利于标准五金工件对被检测五金工件进行缺陷定位,使缺陷检测的正确率大大降低。为了解决标准五金工件和被检测五金工件的对齐问题,提出一种基于轮廓特征的图像对齐方法。该方法首先计算标准五金工件和被检测五金工件各个轮廓的Hu矩,把Hu矩的7个不变矩作为特征向量。然后利用特征向量对轮廓进行匹配,得到两对相匹配的轮廓。接着,分别计算这两对轮廓的中心点连线的倾斜角度,两个倾斜角相减从而求出标准五金工件与被检测五金工件之间的夹角。最后,通过图像旋转和平移,使被检测五金工件与标准五金工件快速匹配对齐。该方法能很好地满足五金工件在表面缺陷检测过程中图像位置对齐的需求。最后,应用上述理论研究成果,研发设计的五金工件表面缺陷检测系统并且应用在五金工件生产企业,在实际的工作环境里成功检测出五金工件表面常见的缺陷,实现五金工件表面缺陷的非接触、实时、高效的检测,在实际工程应用中具有重要的实用价值和经济效益。