论文部分内容阅读
无损检测技术作为一种新型技术,在实际的生产应用中有着重要的作用,而X光检测是无损检测作为无损检测技术中的代表,更是在产品质量控制,保证产品生产效率方面发挥着巨大的功效。虽然X光检测的图像采集技术飞速进步,不再是以底片形式呈现,而是以数字化图像为主。但是对X光数字图像的检测,仍然大部分靠人工完成。如此做法不仅工作量大,而且检测结果容易受到检测人员主观因素的影响,很难保证X光检测的检测效率和检测准确性。在自动化技术不断普及的今天,效率和准确性逐渐成为实际生产中的主导要素。近年来,随着图像处理的飞速发展和模式识别技术的日益成熟,X光检测与这些技术的结合,使其得到了迅猛的发展。基于图像处理和模式识别的缺陷自动检测方法可以大大提高生产效率和生产的自动化程度,易于实现信息集成,满足数字化,自动化生产的要求。针对以上所述情况,本文主要研究X光铸件检测系统的设计与实现。X光铸件检测系统利用图像处理和模式识别方法,充分解决了人为主观因素在检测识别中的影响问题,大大降低了传统方式中人为因素在X光检测中的影响,提高了生产的效率和检测的准确率,保证了生产效率。根据X光铸件检测流程,本文将系统分为三个主要部分来研究,分别是图像预处理,产品标准模板训练和产品检测。在图像预处理部分,完成了图像配准和图像亮度调节。本文主要研究图像配准的相关算法,并选取基于模板匹配的算法实现图像配准。关于图像亮度调节,由于实际生产中的特殊情况,采用了分别计算背景和工件差异的算法实现图像亮度调节。产品标准模板训练部分是通过混合高斯模型实现的,产品标准模板的好坏直接影响到产品检测结果的准确率。研究混合高斯模型的原理和在实际生产中的应用,志在于找出最合适的混合高斯模型控制参数,以便提高产品标准模板的质量。产品检测部分采用基于模糊模式识别的缺陷分类来实现,缺陷检测过程利用混合高斯模型检测出的前景图像进行缺陷分类的过程。本文主要研究模糊模式识别理论,并设计该理论的缺陷分类方法,对检测出的缺陷进行合理、准确的分类。