论文部分内容阅读
电动机是所有自动设备的动力之源,磁瓦是电动机中的一个主要组成部件,其性能关系到电动系统的可靠性、稳定性和安全性。对于功能面的缺陷,必须在检测时予以剔除,以免装入电动机后产生突发性的损坏,造成无法预料的后果。传统的检测方法主要采用人工目视检测,由于磁瓦功能面自身的特点,使得检测的劳动强度大、误检率高,极大地限制了生产效率和产品质量的提高。为此,本课题结合机器视觉检测技术,开发了磁瓦表面缺陷检测系统。
本文的主要工作:
1)通过现场调研,总结出磁瓦表面缺陷的种类和等级。
2)综合利用图像处理和识别的各种技术,提出实现表面缺陷自动检测的算法。对采集到的图像运用直方图均衡化达到图像增强的目的,将均值滤波与中值滤波方法相结合有效消除了噪声并保护了边缘。根据灰度直方图选取阈值进行图像分割,基于一阶边缘检测算子进行边缘检测,区域标记并提取图像的特征参数,最后根据计算的缺陷面积判断产品是否合格。
3)应用数学形态学理论对图像进行处理,从整幅图像中把待检测的缺陷区域提取出来;根据图像的特点,选择相应的形态结构,使之更好的适应本系统的缺陷检测。
4)使用Visual C++开发平台设计实现了磁瓦表面缺陷自动检测软件。
本文的创新点:
1)根据表面缺陷的形态和其影响性能的强弱,尝试提出了四种类型和三种等级的缺陷分类分级标准。
2)应用均值滤波和中值滤波相结合的滤波方法,根据CCD(Charge-Coupled Device)采集到的图像实际特征,调整滤波器的系数,使之更加适合本课题采集的图像。
3)将数学形态学理论引入到表面缺陷检测系统中,根据不同的缺陷类别确定合适的形态结构,建立缺陷识别模型。基于机器视觉的缺陷检测技术具有非接触、自动化的特点,通过实验显示,本表面缺陷检测系统能够得到比较精确的检测结果,达到了预期的要求。