论文部分内容阅读
金属手机外壳作为重要的手机配件,在生产过程中会不可避免的产生尺寸缺陷和表面外观缺陷,因此必须在生产过程中采用有效的检测手段来保证其产品质量。基于目前庞大的手机生产量,采用人工目检和在线抽检的方式已难以满足实际生产要求。机器视觉技术由于其高效、全自动、智能化的特点,逐渐用于自动化检测领域。本文的主要任务为基于机器视觉技术对金属手机外壳的尺寸测量与表面典型缺陷检测进行研究,提供一种金属手机外壳的自动化视觉检测方案。首先,对金属手机外壳视觉检测的成像系统进行研究,分析金属磨砂手机外壳表面的光学特性、光源的颜色特性以及不同的光源照明方式对检测效果的影响,研究CCD相机的成像模型,并在此基础上探讨相机标定的原理与方法,建立视觉检测系统与实际物理坐标系之间的几何变换关系。其次,对金属手机外壳尺寸测量的关键算法进行研究,包括金属手机外壳轮廓边缘提取以及尺寸计算的相关算法实现,重点提出了一种基于梯度方向与Sigmoid函数拟合的亚像素边缘检测方法,能够实现精度在0.06个像素以内的亚像素边缘检测。然后,对金属手机外壳表面典型缺陷检测的关键算法进行研究,采用基于形态学滤波的方法实现了对金属手机外壳表面磨砂纹理噪声的有效抑制,并提出了一种改进的伽玛灰度变换图像增强方法和一种基于面积与灰度双阈值的缺陷分割方法,能够实现磨砂纹理背景下缺陷区域的有效分割。通过计算和统计有效的相关缺陷特征,重点提出了一种基于规则的金属手机外壳表面典型缺陷分类算法。最后,根据本文的研究内容与要求对金属手机外壳视觉检测系统进行软硬件设计,完成系统搭建,并在此基础上进行相关实验研究。实验结果表明,本文对于金属手机外壳的尺寸测量精度达到0.03mm,平均测量时间为336ms/件;对于金属手机外壳的表面典型缺陷检测正确率达到95%,平均检测时间为1.164s/件,两者均能满足实际生产要求。