登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 毕业论文 > 电子信息类 > 通信工程 > 正文

基于数字图像处理的油管剥皮长度检测研究毕业论文

 2020-02-17 09:02  

摘 要

近些年来,汽车已经成为生活中非常普遍且十分重要的角色,汽车上电子方面的技术已经成为现如今汽车发展的重要部分,而油管作为汽车中输送油的运输管,其地位也越来越重要,油管剥皮制造过程中对于长度的精确检测是检验油管是否合格中非常重要的一项指标。当油管顶端剥皮长度不合格时,不仅会影响油管的后期加工,还会影响汽车发动机的质量,因此油管顶端的剥皮长度检测及其重要。针对目前人工检测精度不高、效率低下等问题,本课题基于机器视觉对汽车油管顶端剥皮长度进行检测研究,通过阈值分割、图像轮廓等算法完成长度的在线测量,主要应用OpenCV在Microsoft Visual Studio来完成课题算法的实现,直接将检测油管剥皮长度这一工作自动化,解决了长期以来用人工检测油管剥皮长度的不准确和效率低下的问题。

关键词:油管顶端剥皮长度;OpenCV;阈值分割;图像轮廓

Abstract

In recent years, cars have become a very common and important role in life. The electronic technology of automobiles has become an important part of the development of automobiles today, and the oil pipe is The status of transport pipes for transporting oil in automobiles is becoming more and more important. The accurate detection of length in the process of tubing stripping is an important indicator for verifying the eligibility of tubing. When the length of the top peeling of the tubing is unqualified, it will not only affect the post-processing of the tubing, but also affect the quality of the automobile engine. Therefore, the stripping length detection at the top of the tubing is important. In view of the current low precision and low efficiency of manual detection, this paper is based on machine vision to detect the length of stripping of automobile tubing. The online measurement of length is completed by threshold segmentation and image contouring. The main application is OpenCV in Microsoft Visual Studio. The realization of the problem algorithm is completed, and the work of detecting the length of the tubing stripping is directly automated, which solves the problem of inaccurate and inefficient low-speed peeling of the tubing by manual detection.

Key words: tubing tip stripping length;OpenCV;threshold segmentation;image contour

目录

第1章 绪论 1

1.1 目的与意义 1

1.2 国内外研究现状分析 1

1.3 研究主要内容 3

第2章 基本原理 4

2.1 阈值分割 4

2.1.1 阈值分割原理 4

2.1.2 Otsu阈值分割算法 5

2.2 Canny边缘检测 6

2.3 图像轮廓 7

2.3 其他处理技术基本原理 7

2.3.1 颜色空间转换 7

2.3.2 线性滤波 7

2.3.3 腐蚀与膨胀 8

2.4 本章小结 9

第3章 系统设计与实现 10

3.1 系统的硬件设计 10

3.1.1 图像采集模块 10

3.1.2 控制执行模块 11

3.2 系统的软件设计 11

3.2.1 系统软件流程图 11

3.2.2 重要代码实现 12

3.3 本章小结 14

第4章实验结果与分析 15

4.1 图像基础处理结果 15

4.2 阈值分割结果 16

4.3 轮廓结果 16

4.4 油管剥皮长度结果与检测 17

4.5 本章小结 18

第5章 结论 19

参考文献 20

致谢 22

第1章 绪论

1.1 目的与意义

人类往往通过自己的眼睛来识别物体进而提取信息,但这种识别能力非常有限,例如,工业细小电子产品非常微小的缺陷人眼通常是无法检测出来的,而机器视觉技术则不同,机器视觉技术顾名思义是通过计算机来进行物体观察与检测的技术,它能够非常快速且准确地检测出缺陷,并且人们不宜在危险情况下去进行识别,以免对人身安全造成不良的影响,但是机器视觉却可以有效地避免这一点,这也是其非常重要的一个优点。该技术已成功且广泛的应用在工业领域中,例如,应用于电子器件的缺陷检测,产品长度检测,瓶装容量检测,机器人家用等领域。与此同时,机器视觉技术不接触检测物体并且不会破坏物体本身的特征,因此大量应用于物体的端面和表面的缺陷检测和指标检测。应用机器视觉技术的自动化监控工业物品质量的系统拥有具有客观、稳定和高效的优点,并且还能对检测到的信息做进一步的分析处理操作,从而实现对工业物品质量的等级分类。如果用人工检测,一定存在着主观性,这会给检测结果带来误差,而且这种检测不准确且效率低下。

机器视觉技术已经逐步取代人工检测工业物品的工作,从另一个方面完成了客观检测并判断工业物品是否合格,并且将物品合格的规范与标准进行了统一化,更加高效快速。因此利用机器视觉技术的系统来检测工业物品是否合格,可以实现自动化检测的目的。

如果可以研究出基于机器视觉技术的油管顶端剥皮长度是否合格的智能检测系统,然后将其与自动化生产线相结合使用,那么就能够使自动化生产的产量和质量大大提高,与此同时,工人可以不必再进行长度识别的工作,不必时时刻刻保持高强度的专注,也避免了视力遭到损害,可以有一个客观的检测标准,避免了人工主观检测的误差。对于产品的质量的把关,保证产品的质量,降低对工人的视力伤害具有重大的意义。

1.2 国内外研究现状分析

在如今经济越来越发达的情景下,视觉检测已经成为智能化生产中是十分重要的一个部分。当今机器视觉技术的快速发展,使其在许多方面上能够代替人工视觉,尤其是在电子器件的肉眼很难识别的缺陷检测,环境对人身体有害等方面。在检测产品长度这一领域,比起用人眼检测来说,机器视觉检测技术很明显具有客观、稳定和高效的优点。

机器视觉检测系统通常是由图像采集模块、图像处理和分类识别模块、数据存储和后处理模块、人机接口模块和操作终端模块以及网络连接模块等组成。其中图像处理和分类识别模块是极其重要的一个模块,在这一系统中是枢纽,是软件部分中最重要的。

在国外,机器视觉技术的概念的出现在十九世纪五十年代,迅速发展于八十年代左右,在九十年代逐渐走向成熟。机器视觉技术的概念是人们在研究机器人的时候想到的,上世纪七十年代CCD图像传感器的横空出世,导致CCD相机逐渐取代硅靶摄像,这是机器视觉技术能够快速发展的一个非常重要的基础,到八十年代由于CPU和DSP等硬件技术得到飞快发展,使得机器视觉技术的发展速度也变得非常快。在国外,半导体和电子器件是机器视觉技术发光发热的两个主要行业。其中电子生产,制药,汽车和机械包装占据了将近70%的市场份额,而且有四五成在半导体行业,比如电子封装设备与技术,PCB印刷电路和单双面多层线路板,丝网印刷设备,SMT表面贴装相关的各种电子及元器件生产加工与成型,集成电路制造等设备以及电子产品等,并且在有关质量检测方面应用非常普遍。此外机器视觉系统也应用于农业,航空,天文,气象,安保,军事和科研等行业和领域[29]

在国内,机器视觉的发展较为缓慢,机器视觉技术在二十世纪九十年代才逐渐开始发展。近些年来,中国已经成为了世界最大的制造国家,使得机器视觉技术得到迅猛发展。目前我国已经成为全世界生产加工的中心,越来越多的生产线也在逐步或已经迁入中国,使得我国引进全球非常多的很先进的机器视觉技术,我国对于机器视觉的使用率也在逐年递增,其使用范围也在逐年扩大。虽然机器视觉技术在国内发展的比较晚,但是其发展速度还是非常快的,因为国内一些优秀大学,研究所,电子公司在该领域不断突破创新,逐渐追赶世界领先技术,并逐步应用在工业检测,农业,医学等领域。

2015年,杭州威仕达机电科技有限公司的一名员工成功设计出一种基于机器视觉技术连接器检测系统,如果用人工进行检测,很容易不能检测到所有的连接器,从而对产品的质量和产量有一定的影响,而这一系统很好地避免了这一点。首先对图像进行滤波,消除噪声的影响的同时增强图像的视觉效果,然后采用Otsu阈值分割方法来对图像进行阈值分割,将图像变成二值图像,将图像分成几个部分,最后通过用边缘的线段来组成坐标系这一方法来得到自己想要的部分。该系统检测的速度快,效率高而且非常稳定,在现实生活中可以的帮助人们无漏的检测连接器,具有很强的现实意义。

2018年,黑龙江大学一名学生设计出一种基于机器视觉技术端子高低针检测系统。如果利用人的视力检测,高低针本身的长度以及它们之间的距离都不能精确的测量,而且还会增加工人的工作量,而该系统很好地解决了这一问题。首先对图像进行滤波来减小图像的噪声,然后进行阈值分割将图像化为二值图像,将图像分成几个部分,之后通过边缘检测技术获取边缘,最后通过采用亚像素角点检测技术来测量端子每个插针的尺寸大小、插针之间的宽度和高度差。该系统对于端子高低针检测具有高效性,提升了检测的速度与效果,该系统有很好的可操做性,在现实生活中能够很好地帮助人们,现实意义很强。

在工业领域,机器视觉技术可以帮助工人在产品检测上实现自动化,能够提高产品的质量与生产效率。在饮料方面,机器视觉技术可以判断瓶上的标签位置是否无误,瓶口是否封紧无漏气等。在安检方面,机器视觉技术可以在不用打开人们的包裹情况下检测里面是否装有危险物品,这样既不用侵犯他人隐私,效率也得到了保障;在制药方面上,机器视觉技术可以在不打开药品的情况下检测药瓶里的容量,来检测药瓶里的药量是否不够标准量,或者超过标准量[6]

在农业领域,机器视觉技术可以帮助农民对农产品的质量智能化分级,由此进而确定价格,比如番茄能够按照自身的颜色,外观以及口感来进行分级;鸡蛋能够按照自身大小,鸡蛋壳的颜色以及饲养还是散养进行分级;棉花能按照自身软硬,颜色以及弹性进行分级。与此同时,机器视觉技术可以对农作物的状态进行检测,帮助农民在何时需要浇水,何时需要施肥上做出正确无误的判断,保证农作物的优质量生长,同时也保证了农民这一年的经济收入[6]

在医学领域中,机器视觉技术可以帮助医生更好的分析一些病人的医学照片,更准确地判断病人的病情,从而为病人做出更好的治疗方案。例如利用图像处理中的边缘提取和阈值分割技术,将图像中的细胞与背景分割开,这样细胞便一目了然,能够非常简单的得到细胞的个数以及本身的一些特征[6]

机器视觉技术发展和推广,使得生产水平逐渐自动化,工人不必每时每刻保持高强度的专注,与此同时,其发展空间很广阔,适用于诸多领域。

1.3 研究主要内容

本文是基于数字图像处理技术,设计出自动化检测油管剥皮长度的系统。本论文分为 5 个章节,论文的结构如下:

第1章 阐述了机器视觉在检测技术上的优点以及国内外的研究发展现况,总结各章节主要内容。

  1. 介绍了图像处理中灰度变换,平滑滤波,膨胀腐蚀,阈值分割,边缘检测,图像轮廓的工作原理。
  2. 介绍系统的设计与实现。硬件包括图像采集模块和控制执行模块,软件包括流程图和重要代码实现

第4章 演示实验结果并分析。

第5章 介绍自己的实验成果及其在本研究领域中的意义与作用,指出本文的不足之处以及后期努力完善的方向。

第2章 基本原理

2.1 阈值分割

2.1.1 阈值分割原理

阈值分割是一种使用非常普遍的图像分割技术,根据图像中各个部分像素点灰度值的不同,对图像中的像素进行取舍,然后按情况去除一些低于或高于阈值的像素,得到图像中的你想要的部分。阈值分割是利用图像中我们想要的部分与其他部分图像的灰度值的不同来对图像进行分割。想要从一幅图像中提取我们想要的部分,需要判断图像中的每一个像素点的灰度值与自己选择的阈值之间的大小,进而进行取舍操作。阈值选取的具体值要看具体情况而定,也就是说物体在不同的图像中灰度值可能存在差异。如果已经得到了我们想要的部分的灰度值,就可以将这些灰度值赋一些比较特殊的灰度值。比如,如果图像中的灰度值大于我们选取的阈值,便将255赋给该像素点,如果小于我们选取的阈值,便将0赋给该像素点,赋值是没有要求任意的,但设定时应该考虑到两种颜色对比度,选取对比度较强的颜色其结果往往更加清晰明了。如图2.1和图2.2所示,将255赋给灰度值大于82的像素点,将0赋给灰度值小于82的像素点。

图2.1 阈值分割前的小狗图像 图2.2阈值分割后的小狗图像

阈值分割是图像处理中最常用的分割方法,由于其计算不复杂,实现起来简单和性能较好等优点逐渐成为图像处理中最受欢迎的分割技术。尤其是当目标图像和背景图像的像素值差别较大时,阈值分割可以起到很好的效果。阈值分割既能够数据量得到很大程度的减小,同时也使分析和处理过程也得到了简单化,所以一般都会在提取目标图像和分析目标图像特征之前进行阈值分割。图像阈值化是根据图像各个部分的灰度值的差异将图像分成几个区域,每一个区域有相同的属性特征,而其他区域不具有与之相同的属性特征,即划分后的各区域的属性特征是独一无二的。这可以通过设定一个或多个阈值来实现这一功能。

阈值类型有THRESH_BINARY,THRESH_BINARY_INV,THRESH_TRUNC, THRESH_TOZERO,THRESH_TOZERO_INV五中类型。

THRESH_BINARY为二进制阈值化,首先选定一个阈值,当图像中像素点的灰度值大于该阈值,则将255赋给其灰度值,当其灰度值小于该阈值,则将0赋给其灰度值。THRESH_BINARY_INV与THRESH_BINARY相反,为反二进制阈值化,即当图像中像素点的灰度值大于选取的阈值,则将0赋给其灰度值,当其灰度值小于选取的阈值,则将255赋给其灰度值。THRESH_TRUNC为截断阈值化,当图像中像素点的灰度值大于选取的阈值,将该阈值赋值给其灰度值,当小于选取的阈值,则其灰度值不变。THRESH_TOZERO为阈值化为0,当图像中像素点的灰度值大于选取得阈值,则其灰度值不变,如果小于选取的阈值,则将0赋给其灰度值。THRESH_TOZERO_INV与THRESH_TOZERO相反,为反阈值化为0,即当图像中像素点的灰度值大于选取得阈值,则将0赋给其灰度值,如果小于选取的阈值,则其灰度值不变。本课题选择的阈值类型为THRESH_BINARY。

2.1.2 Otsu阈值分割算法

常用的获取分割阈值的算法非常多,比如Otsu大津法、最大熵法、迭代法、阈值法等等,本文采用最经典常用的单阈值Otsu大津法。

Otsu大津法,即最大类间方差法,基本的思想是聚类。通过方差的计算来寻找一个合适的灰度值,通过该灰度值把图像分割成两个部分,使得这两个部分的灰度值差异最大,同时还要使得各部分内部的灰度值差异最小,反映到图像上就是区分目标部分和背景部分。

以上是毕业论文大纲或资料介绍,该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取,微信号:bysjorg。

相关图片展示:

qt_temp

您需要先支付 50元 才能查看全部内容!立即支付

微信号:bishe985

Copyright © 2010-2022 毕业论文网 站点地图