發(fā)布時間：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)量檢測仍然依賴人工視檢,主觀因素強且效率低下。機器視覺方法具有效率高、無接觸檢測、穩(wěn)定性高等優(yōu)點,非常適合用于軸承外圈表面的質(zhì)量檢測。由此設(shè)計了一套軸承外圈表面缺陷識別系統(tǒng),同時對特征選擇及分類進行了探索,本文主要內(nèi)容及創(chuàng)新點如下:1)分別針對缺陷檢測與分類系統(tǒng)的硬件和軟件部分進行了設(shè)計。首先,分析了本文研究對象6204軸承的結(jié)構(gòu)及其外圈表面常見的缺陷類型,確立了系統(tǒng)設(shè)計的目標(biāo),然后根據(jù)這一目標(biāo)對系統(tǒng)全局進行概述;然后,介紹了平臺硬件部分,包含外圈采集子系統(tǒng)、軸承轉(zhuǎn)移子系統(tǒng)兩部分,并對子系統(tǒng)中裝置的挑選給出了方案;再次,對平臺的算法給出了方案,以圖像處理技術(shù)為框架,設(shè)計了本文的算法,并按照順序進行了算法的說明;最后通過特征選擇及分類對比實驗對本文算法進行了驗證。2)本文所設(shè)計的硬件部分,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)自動化圖像采集,雙氣動機械手能夠?qū)崿F(xiàn)軸承的上料與下料同時進行,提升了系統(tǒng)的檢測效率,是本文在結(jié)構(gòu)方面的創(chuàng)新點。3)針對現(xiàn)有軸承外圈缺陷檢測的特征選擇與分類中,特征選擇時...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：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 國內(nèi)外研究現(xiàn)狀
        1.2.1 軸承缺陷檢測研究現(xiàn)狀
        1.2.2 特征選擇研究現(xiàn)狀
        1.2.3 缺陷分類算法研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 全文章節(jié)內(nèi)容安排
第二章 軸承外圈缺陷檢測與分類系統(tǒng)總設(shè)計
    2.1 檢測需求分析
        2.1.1 軸承結(jié)構(gòu)特征分析
        2.1.2 軸承常見缺陷
        2.1.3 系統(tǒng)設(shè)計目標(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與分類系統(tǒng)硬件設(shè)計
    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算法設(shè)計
    4.1 算法過程
        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
        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 缺陷分割的評價
        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算法設(shè)計
    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 圖像分類算法
        5.2.1 基于支持向量機SVM的缺陷特征分類
        5.2.2 線性SVM
        5.2.3 非線性SVM
        5.2.4 SVM中的核函數(shù)
        5.2.5 SVM中的多分類問題
    5.3 本章小結(jié)
第六章 特征選擇及分類算法實驗
    6.1 實驗?zāi)康?br>    6.2 實驗過程
    6.3 對比實驗
    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
    7.2 研究工作展望
致謝
參考文獻
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：3991291