论文部分内容阅读
注射成型是塑料制品最常见的成型方式之一。在注塑生产过程中,制品会出现各种表面缺陷,而当前制品表面质量检测大多依靠人工离线抽样检测,自动化程度不高、检测效率低下;模具型腔有制品残留也是注塑生产中的常见问题,影响制品质量,而且损坏模具,当前的检测手段也主要依靠人工现场监控。机器视觉检测技术可代替人工检测,实现检测任务的高效化、智能化。本文研究了利用机器视觉技术在线对注塑过程中制品表面缺陷进行检测与识别以及对型腔异常现象进行检测。本文分析了机器视觉系统的构成及工作原理,结合注塑生产的实际情况,设计了基于机器视觉的注塑过程检测系统,并设计了系统的检测流程。在此基础上,完成了系统的硬件和软件的整体架构设计,研究了关键的硬件选型,对软件处理流程和主要软件模块进行了详细设计,利用Qt平台开发了图形用户界面。为降低非目标区域的干扰,采用手动进行ROI设置,且支持多个ROI;本文以制品表面缺陷检测的图像处理流程为主线,研究了图像增强、模板匹配、图像分割、形态学处理、轮廓提取等图像处理的关键算法,在实验的基础上选择了对本文图像处理效果较好的算法,准确获取了缺陷区域;基于这些算法的原理,本文利用图像滤波、模板匹配算法实现了型腔异常的自动检测功能,实验验证了检测的准确率。针对当前注塑制品表面缺陷识别的研究大多采用BP神经网络、SVM支持向量机等算法,均需要大量制品图像进行样本训练,算法适应性差等缺点,本文针对短射、飞边、裂纹三种常见缺陷,实验提取了缺陷区域的图像特征数据并分析,选取了对三种缺陷区分度较高的图像特征,提出了缺陷识别算法,实验验证了算法的可行性,有效克服了传统缺陷识别算法的不足。本文开发的软件系统基本实现了在线对注塑过程中制品表面缺陷检测和型腔异常检测的自动化、智能化,具有较高的实际应用价值。