微型擒纵轮是一种在精密仪器设备中经常使用的零件,它的平整度,齿长的误差大小与整个设备的精密准确性密切相关。传统检测方法以人工检测为主,但人工检测存在易疲劳,容易误判且难以量化等问题。为了实现检测的标准化和自动化,并提高检测的精度,本文设计了一种基于机器视觉的微型零件检测系统。本文的主要研究工作包括:1.微型零件分类方法。微型零件体积微小,形状相似,在生产中经常出现人工分类错误的问题,为提高分类准确率,文章提出了两种零件分类方法。第一种方法是基于方向梯度直方图特征的支持向量机分类器方法。该分类方法的原理是提取零件图像的方向梯度直方图特征并训练支持向量机分类器,使用训练好的分类器进行分类。实验表明,该分类方法的准确率达到了98.5%。第二种方法是使用基于ResNet50的深度学习网络进行分类。文章在传统ResNet50网络的全连接层前面增加了批标准化和线性整流函数,并对网络参数做了优化配置。实验表明,该网络在测试集中准确率达到99%。2.微型擒纵轮表面平整度检测方法。微型擒纵轮的表面容易在外力作用下发生形变并导致其表面平整度偏差过大。为了检测这类缺陷,文章提出一种表面平整度检测方法。检测方法的流程为:先校正图像,然后提取其亚像素边缘信息,并通过投影映射精确计算边界信息,最后根据多帧的零件水平边缘极差来判断平整度指标是否合格。实验表明,该检测算法的准确率达到99.5%,检测精度达到2微米,单帧检测时间35毫秒,通过采集多帧计算,一个零件可以在4秒钟之内检测出结果。3.微型擒纵轮齿长误差检测算法。微型擒纵轮的片齿和轴齿在组装的过程中容易被磨损或折断,由此导致齿长不合格。擒纵轮的齿数有奇偶之分,文章针对这两种情况分别提出了相应的齿长误差检测方法。实验表明,偶数齿检测方法的准确率达到99%,奇数齿检测方法准确率达到98.8%,检测精度达到2微米,单帧检测时间40毫秒,一个零件可以在5秒钟之内检测出结果。4.文章最后对微型零件检测系统的设计思想和各功能模块做了介绍。