论文部分内容阅读
机器视觉检测的连续性、非接触和通用性好等优点使其成为零件检测的一种革新手段。现有的血管支架的人工检测方法无法满足自动化、快速、高可靠性等要求。本课题采刚机器视觉显微成像技术进行血管支架尺寸特征和表面缺陷的检测完成的主要工作如下:
1、研究了血管支架关键尺寸特征的视觉检测方法。
针对血管支架的形状特点,提出了基于边缘拟合的关键尺寸特征检测方法。该方法利用血管支架的曲线边缘,结合边缘提取与曲线拟合技术,实现了快速、自动测量血管支架的关键尺寸特征。另外,为了准确提取连续的血管支架边缘,提出了基于大津法和区域生长的区域分割算法。该算法充分利用了大津法和区域生长法两种算法的各自优点,并引入一种血管支架图像的比例因子,自动计算出区域生长的种子点像素值及其增长阈值,较好地实现了图像分割。最后,实验结果证明了该方法的准确性。
2、研究了血管支架表面缺陷的视觉检测方法
针对血管支架表面缺陷图像的实际状况,提出了基于设定规则的表面缺陷检测方法。该方法整合了尺寸检测方法和缺陷判别规则,对血管支架表面缺陷检测进行了探索性的研究,为进一步的研究奠定基础。另外,为了减少图像背景区域对表面缺陷检测的干扰,提高缺陷检测算法的运行效率,提出了基于边缘连接的潜在缺陷区域定位方法。
3、血管支架的视觉检测系统。
在上述理论和算法研究的基础上,本课题采用显微镜、高精度CCD相机、计算机等仪器搭建血管支架的视觉检测硬件系统。使用Visual C++开发血管支架尺寸特征和表面缺陷的视觉检测软件系统。该软件系统包括图像预处理、像素标定、尺寸特征测量、表面缺陷检测、数据分析以及数据备份等模块采用数据库技术对过程数据、实验结果数据、系统参数等数据进行统一管理达到了血管支架尺寸特征和表面缺陷检测的实验目的。