發(fā)布時(shí)間：2024-06-08 02:06

　　軸承在各行各業(yè)的應(yīng)用都極為普遍,它是現(xiàn)代化機(jī)電設(shè)備的重要零部件。在軸承的工藝流程中,其外圈表面質(zhì)量檢測(cè)仍然依賴(lài)人工視檢,主觀因素強(qiáng)且效率低下。機(jī)器視覺(jué)方法具有效率高、無(wú)接觸檢測(cè)、穩(wěn)定性高等優(yōu)點(diǎn),非常適合用于軸承外圈表面的質(zhì)量檢測(cè)。由此設(shè)計(jì)了一套軸承外圈表面缺陷識(shí)別系統(tǒng),同時(shí)對(duì)特征選擇及分類(lèi)進(jìn)行了探索,本文主要內(nèi)容及創(chuàng)新點(diǎn)如下:1)分別針對(duì)缺陷檢測(cè)與分類(lèi)系統(tǒng)的硬件和軟件部分進(jìn)行了設(shè)計(jì)。首先,分析了本文研究對(duì)象6204軸承的結(jié)構(gòu)及其外圈表面常見(jiàn)的缺陷類(lèi)型,確立了系統(tǒng)設(shè)計(jì)的目標(biāo),然后根據(jù)這一目標(biāo)對(duì)系統(tǒng)全局進(jìn)行概述;然后,介紹了平臺(tái)硬件部分,包含外圈采集子系統(tǒng)、軸承轉(zhuǎn)移子系統(tǒng)兩部分,并對(duì)子系統(tǒng)中裝置的挑選給出了方案;再次,對(duì)平臺(tái)的算法給出了方案,以圖像處理技術(shù)為框架,設(shè)計(jì)了本文的算法,并按照順序進(jìn)行了算法的說(shuō)明;最后通過(guò)特征選擇及分類(lèi)對(duì)比實(shí)驗(yàn)對(duì)本文算法進(jìn)行了驗(yàn)證。2)本文所設(shè)計(jì)的硬件部分,即圖像采集子系統(tǒng)及工件轉(zhuǎn)移子系統(tǒng)能夠?qū)崿F(xiàn)自動(dòng)化圖像采集,雙氣動(dòng)機(jī)械手能夠?qū)崿F(xiàn)軸承的上料與下料同時(shí)進(jìn)行,提升了系統(tǒng)的檢測(cè)效率,是本文在結(jié)構(gòu)方面的創(chuàng)新點(diǎn)。3)針對(duì)現(xiàn)有軸承外圈缺陷檢測(cè)的特征選擇與分類(lèi)中,特征選擇時(shí)...

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 軸承缺陷檢測(cè)研究現(xiàn)狀
        1.2.2 特征選擇研究現(xiàn)狀
        1.2.3 缺陷分類(lèi)算法研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
    1.4 全文章節(jié)內(nèi)容安排
第二章 軸承外圈缺陷檢測(cè)與分類(lèi)系統(tǒng)總設(shè)計(jì)
    2.1 檢測(cè)需求分析
        2.1.1 軸承結(jié)構(gòu)特征分析
        2.1.2 軸承常見(jiàn)缺陷
        2.1.3 系統(tǒng)設(shè)計(jì)目標(biāo)
    2.2 系統(tǒng)布局
        2.2.1 系統(tǒng)構(gòu)成
        2.2.2 系統(tǒng)結(jié)構(gòu)
        2.2.3 系統(tǒng)原理
    2.3 本章小結(jié)
第三章 軸承外圈表面缺陷檢測(cè)與分類(lèi)系統(tǒng)硬件設(shè)計(jì)
    3.1 圖像采集子系統(tǒng)
        3.1.1 圖像采集設(shè)備選擇
        3.1.2 照明方案選擇
        3.1.3 軸承外圈圖像采集
    3.2 軸承轉(zhuǎn)移子系統(tǒng)
        3.2.1 夾持轉(zhuǎn)送機(jī)構(gòu)
        3.2.2 子系統(tǒng)工作原理
    3.3 硬件系統(tǒng)成品
    3.4 本章小結(jié)
第四章 軸承外圈表面缺陷檢測(cè)算法設(shè)計(jì)
    4.1 算法過(guò)程
        4.1.1 圖像技術(shù)框架
        4.1.2 本文算法框架
    4.2 圖像預(yù)處理
        4.2.1 圖像濾波器
        4.2.2 扭曲矯正
    4.3 缺陷檢測(cè)
        4.3.1 ROI粗提取
        4.3.2 缺陷檢出
    4.4 圖像分割與缺陷標(biāo)記
        4.4.1 缺陷圖像分割
        4.4.2 缺陷分割的評(píng)價(jià)
        4.4.3 缺陷標(biāo)記與合并
    4.5 本章小結(jié)
第五章 軸承外圈表面缺陷分類(lèi)算法設(shè)計(jì)
    5.1 特征提取與選擇
        5.1.1 算法流程
        5.1.2 特征集的建立
        5.1.3 數(shù)據(jù)處理
        5.1.4 特征數(shù)量確定
        5.1.5 特征選擇算法
    5.2 圖像分類(lèi)算法
        5.2.1 基于支持向量機(jī)SVM的缺陷特征分類(lèi)
        5.2.2 線(xiàn)性SVM
        5.2.3 非線(xiàn)性SVM
        5.2.4 SVM中的核函數(shù)
        5.2.5 SVM中的多分類(lèi)問(wèn)題
    5.3 本章小結(jié)
第六章 特征選擇及分類(lèi)算法實(shí)驗(yàn)
    6.1 實(shí)驗(yàn)?zāi)康?br>    6.2 實(shí)驗(yàn)過(guò)程
    6.3 對(duì)比實(shí)驗(yàn)
    6.4 結(jié)果討論
第七章 總結(jié)和展望
    7.1 全文總結(jié)
        7.1.1 本文工作
        7.1.2 論文創(chuàng)新點(diǎn)
    7.2 研究工作展望
致謝
參考文獻(xiàn)
在學(xué)期間取得的與學(xué)位論文相關(guān)的研究成果



本文編號(hào)：3991291