论文部分内容阅读
永磁铁氧体磁铁转子是潜水泵、过滤器、排水泵、同步马达电机等产品重要组成部件,对其表面质量检测至关重要。目前,工厂对于永磁铁氧体磁铁转子表面质量的检测完全是依赖于人眼识别,这种检测方式存在易受环境影响、效率低下,成本高,不可实时工作等缺点,基于此种情况,本文提出一套基于机器视觉的永磁铁氧体磁铁转子缺陷检测方法,主要工作内容概括如下:(1)设计了双向低角度照明方式,实现了磁铁转子表面高清成像;提出了剔除磁铁转子两端“白条”方法,有效克服了“白条”带来伪边缘信息和大数据量等问题;设计了磁铁转子表面检测的平台机构,并对工业相机、镜头、光源的选型进行了分析,同时合理设置了系统硬件参数,通过大量的实验对比,论证了硬件平台设计的合理性。(2)提出了基于多尺度边缘检测的算法,实现了目标区域边缘的准确检测,解决了噪声下图像边缘精准采集的难题。首先对图像进行正交小波变换,得到不同尺度的高频系数和低频系数;接着在每个尺度里根据高频系数的局部与全局特征信息来剔除背景与噪声点,同时保留高频区域点;对最低尺度的近似系数置0,然后重构图像;最后运用双阈值处理重构的图像,增强边缘的连接性。实验表明,本方法对磁铁转子边缘检测具有较好的鲁棒性。此外,采用了基于数学形态学的边缘细化方法,实现了目标边缘的细化。(3)分析了磁铁转子表面缺陷特征,制定了缺陷识别整体算法。为解决识别掉角缺陷问题,基于其位置形状等先验知识,提出了识别掉角的方法;对于凹坑、裂纹、划痕、凸物等缺陷,根据其形态特征、灰度特征、投影特征特点,采用了主成分分析法进行数据降维,制定了相应的向无环图支持向量机识别算法,解决了缺陷分类问题,实验验证了其有效性。本文提出了基于机器视觉的永磁铁氧体磁铁转子缺陷检测方法,基于磁铁转子的形状,颜色,大小等先验知识,研制了系统图像采集平台和设计了系统软件算法,分析了实验结果数据,最后设计了一套人机交互界面,论证了系统方法的可行性。