论文部分内容阅读
弹片是铺设地铁轨道大量用到的零件,为保证弹片的质量,需要在线检测工件的机械尺寸。生产线上工件处于高温状态,人工检测效率差且有一定危险性。机器视觉检测技术具有非接触、在线实时、速度快、精度合适、现场抗干扰能力强等优点,适应了现代制造业的进步和发展要求,在实际中具有广阔的应用前景。本文结合机器视觉和图像处理技术,设计并实现了一套针对弹片质量的在线检测系统。为了实现该系统,本文主要做了以下几方面的研究工作:1.在对现场环境及实际检测需求的充分调研基础上设计了合理的图像采集系统;2.为保证尺寸测量精度,重点研究摄像机标定技术;3.通过大量分析试验,建立合适的图像处理算法,实现了弹片的在线质量检测,检测精度达到预期的要求。合适的系统结构对检测系统至关重要,通过对现场环境的考察及试验,论文对机器视觉质量检测系统的硬件组成进行了科学的分析和较详细的设计。在构建本视觉检测系统的基本构成框架基础上,对视觉质量检测系统的系统结构和原理进行了介绍,并对对视觉检测系统中的误差进行了分析。为了使机器视觉系统达到精度和速度的要求,论文对摄像机标定技术进行了深入探讨,分析了现有标定方法,对蚁群算法、神经网络原理做了简单介绍,提出了随机蚂蚁蚁群算法优化BP神经网络用于摄像机标定,与其它标定技术相比在精度和鲁棒性方面有所提高。简述了阈值分割、边缘检测算法,并选取最适合系统的方案,在图像采集系统中针对弹片特点在工业相机镜头前加上滤光镜,大幅提高了采集图像的质量,并最终成功提取弹片特征点。最后论文对系统界面和功能做了简单介绍,对弹片的质量进行了实际测量,精度达到0.1mm,符合设计要求,并对测量的结果进行了讨论和误差分析。测量系统已经在工厂正常工作,并成功检测上百万弹片。研究和系统使用结果表明本检测系统所采用的方案和方法是可行的和正确的,各项性能和指标均达到了预期的要求。本课题研究具有一定的理论和实际意义。