论文部分内容阅读
汽车换挡面板起到标记档位字符和提高汽车内饰美观度的作用,在汽车报废后可以回收利用,但在回收前需要进行分类及字符缺陷检测。传统方法是通过人工对汽车换挡面板进行分类及字符缺陷检测,人工分类检测的主观性强,检测效率低下。机器视觉技术是实现工业自动化的重要手段之一,其应用领域包括但不限于产品的分类及缺陷检测。本文针对汽车换挡面板自动分类及字符缺陷检测的问题,提出了基于机器视觉技术的解决方案,主要研究工作如下:1.针对汽车换挡面板自动分类及字符缺陷检测效率低的问题,本文提出了基于机器视觉技术的汽车换挡面板自动分类及字符缺陷检测解决方案。首先研究了机器视觉系统的组成原理,完成了检测系统的搭建,通过分析汽车换挡面板图像的特点并结合自动分类和字符缺陷检测的要求,本文提出了一种有效的图像处理算法,同时对检测系统的软件和硬件进行选型,并对选型依据做出了详细阐述。2.针对汽车换挡面板图像预处理过程中目标检测的问题,本文提出了一种自适应的目标检测方案。首先使用Canny算子检测图像中汽车换挡面板的目标边缘,其次使用形态学开运算操作扩大目标区域范围并将目标区域转换成凸包。最后将凸包作为背景与原图像进行差分处理,进而完成汽车换挡面板图像目标的自适应检测。3.针对汽车换挡面板自动分类的问题,提出了一种基于形状特征的MLP模型自动分类方案。在完成图像目标检测的基础上,本方案进一步设计并提取了图像的9种形状特征,根据特征数量和样本种类构建一种基于MLP模型的网络结构,用于提取180幅典型的汽车换挡面板图像的特征并进行MLP模型训练,利用训练好的模型对汽车换挡面板进行分类,分类准确率达100%。4.针对汽车换挡面板字符缺陷检测的速率和精度问题,提出了一种基于仿射变换的形状模板字符匹配定位方法,完成字符定位后结合Blob分析实现字符缺陷检测。首先,使用无字符缺陷的图像建立形状模板,将分类后的图像仿射变换到模板图像的位置。然后,针对所定位的字符区域进行增强处理并使用OTSU方法二值化字符区域。最后,通过Blob分析获取每个字符的八连通区域内的像素数特征,根据特征差异得出检测结果并实现人机交互。结果表明,基于机器视觉技术的汽车换挡面板自动分类与字符缺陷检测方法能有效提高检测效率与准确率,在汽车换挡面板自动分类与字符缺陷检测领域具有一定的研究意义和实用价值。