论文部分内容阅读
随着科技时代的发展和工业技术的进步,产品精度、产品质量和产品安全性等问题受到人们的日益关注。高质量、高精度的汽车安全气囊滤网能够保证汽车安全气囊系统的正常运行,极大的保障了驾驶者的人身安全。然而由于安全气囊滤网工件表面崎岖,形状不规则,大规模生产检测时仍采用传统的人工检测,这对滤网工件缺陷检测的识别率和精确度都产生了很大影响。一种能够自动、高速、精确、有效的滤网工件检测方法的提出已经成为必要。机器视觉是目前工业自动检测领域新型的一门技术,其原理是通过相机视觉来对检测目标进行拍摄,然后将拍摄到的图片送入计算机等图像处理系统中对图像进行特征提取,进而将缺陷部分从处理图像中分割开来。机器视觉的发展,大大减少了人工检测对器件产生的接触性损伤,同时它检测效率快、精度高、检测过程自动化,操作简易,受到广大生产厂商的喜爱,目前已经广泛的应用到许多工业产品检测领域。本文尝试将机器视觉检测技术应用到汽车安全气囊滤网表面的缺陷检测当中,主要目标是设计软件算法来实现系统的自动检测功能。文章在传统表面检测算法的基础上,进一步针对滤网表面的缺陷(如焊斑、夹杂物、生锈等)进行特定的研究,使检测算法能够对于形状不规则、表面崎岖、缺陷难以识别的滤网工件图像缺陷进行准确的检测分类。该技术的实现能够有效的对滤网表面缺陷进行检测判别,降低工厂人力检测的成本,提高滤网成品率和使用安全。论文主要研究工作如下:搭建了机器视觉缺陷检测系统,根据样本工件建立缺陷样本库,同时对缺陷图像进行了分析整理和归类;设计了一种基于机器视觉的缺陷检测算法,并根据缺陷特征在算法当中加入了背景滤除、彩色ROI分割等作为辅助检测,最后加入神经网络对检测出的缺陷图像进行识别。实验结果表明算法对焊斑、划痕、夹杂物、缺料和生锈等五种缺陷识别率优于94%;实验搭建了以DM642为核心的算法实验平台,在低信噪比的条件下,缺陷检测处理速度优于25帧/秒。