基于机器视觉的轴承缺陷检测
| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 1 绪论 | 第16-22页 |
| 1.1 本文研究背景及意义 | 第16-17页 |
| 1.1.1 研究背景 | 第16-17页 |
| 1.1.2 研究意义 | 第17页 |
| 1.2 视觉检测技术的研究现状与发展方向 | 第17-21页 |
| 1.2.1 国内外研究现状 | 第18-20页 |
| 1.2.2 待解决的问题与发展方向 | 第20-21页 |
| 1.3 论文章节安排 | 第21-22页 |
| 2 图像采集系统与轴承分拣机构 | 第22-30页 |
| 2.1 图像采集系统 | 第22-28页 |
| 2.1.1 工业相机 | 第22-24页 |
| 2.1.2 镜头 | 第24-25页 |
| 2.1.3 光源 | 第25页 |
| 2.1.4 图像采集系统的整体结构 | 第25-28页 |
| 2.2 轴承分拣机构 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 相机标定与直角坐标机器人位置标定 | 第30-44页 |
| 3.1 相机标定 | 第30-34页 |
| 3.1.1 相机成像模型的建立 | 第30-33页 |
| 3.1.2 相机的几何畸变及其数学模型 | 第33-34页 |
| 3.2 张氏标定法 | 第34-38页 |
| 3.2.1 基本理论 | 第35页 |
| 3.2.2 内外参数矩阵的求解 | 第35-37页 |
| 3.2.3 最大似然估计 | 第37页 |
| 3.2.4 对径向畸变的处理 | 第37-38页 |
| 3.3 直角坐标机器人坐标与世界坐标的转换 | 第38-39页 |
| 3.4 实验结果及分析 | 第39-43页 |
| 3.4.1 相机标定实验 | 第39-40页 |
| 3.4.2 直角坐标机器人位置标定实验 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 轴承定位与防尘盖区域的快速提取 | 第44-53页 |
| 4.1 图像的简单二值化 | 第44-45页 |
| 4.2 轴承外轮廓边缘提取 | 第45-47页 |
| 4.2.1 形态学孔洞填充处理 | 第45-46页 |
| 4.2.2 Canny算子边缘检测 | 第46-47页 |
| 4.3 轴承质心和外轮廓半径 | 第47-51页 |
| 4.3.1 Hough变换圆检测 | 第47-49页 |
| 4.3.2 最小二乘法圆检测 | 第49-50页 |
| 4.3.3 两种检测算法的对比 | 第50-51页 |
| 4.4 轴承防尘盖区域图像的提取 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 缺陷的特征提取与识别 | 第53-66页 |
| 5.1 图像预处理 | 第53-55页 |
| 5.1.1 灰度级变换 | 第53-54页 |
| 5.1.2 中值滤波 | 第54-55页 |
| 5.2 阈值分割提取算法 | 第55-58页 |
| 5.2.1 迭代法 | 第56页 |
| 5.2.2 OTSU法 | 第56-57页 |
| 5.2.3 比较 | 第57-58页 |
| 5.3 结合小波变换的缺陷提取方法 | 第58-64页 |
| 5.3.1 小波变换理论 | 第59-61页 |
| 5.3.2 图像的小波变换与重构 | 第61-63页 |
| 5.3.3 图像纹理的削弱 | 第63-64页 |
| 5.4 缺陷识别 | 第64-65页 |
| 5.4.1 八邻域标记法 | 第64-65页 |
| 5.4.2 缺陷识别的算法实现 | 第65页 |
| 5.5 本章小结 | 第65-66页 |
| 6 实验平台的搭建及结果分析 | 第66-76页 |
| 6.1 控制系统结构 | 第66-68页 |
| 6.2 PLC控制电路和上位机界面 | 第68-71页 |
| 6.2.1 PLC选择 | 第68页 |
| 6.2.2 控制系统电路设计 | 第68-70页 |
| 6.2.3 上位机界面 | 第70-71页 |
| 6.3 实验设计及结果分析 | 第71-75页 |
| 6.3.1 实验设计 | 第71页 |
| 6.3.2 评价标准 | 第71-72页 |
| 6.3.3 实验结果及分析 | 第72-75页 |
| 6.4 本章小结 | 第75-76页 |
| 7 总结与展望 | 第76-78页 |
| 7.1 论文总结 | 第76-77页 |
| 7.2 展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 作者简历 | 第83页 |
