ccd视觉检测论文

替代人工，减少企业的运营成本以及招聘压力提高产品的质量，提高产品的质量度提高公司的实力，增大产量

基于图像处理的轴类零件尺寸检测技术研究及其精度分析黄杰贤 【摘要】： 据不完全统计,我国年产轴类零件的总量在10亿件左右,需要测量尺寸的约占70%。就目前国内许多制造业对零件的尺寸检测而言,其检测工作还停留在单纯人工视觉或人工视觉与机械量具、光学仪器相结合对产品进行人工抽检的阶段[1]。人工检测往往存在:效率低、可靠性差、检测精度不高、成本高、容易出错等弊端。它已经不适合现代工业企业发展的要求。采用基于图像检测的尺寸检测方法,不仅可以避免人工检测的缺点,而且能实现对加工零件在线、快速、准确和非接触的自动化检测,而目前基于CCD对轴类零件检测的研究工作中,还存在着检测精度不高。检测数据不够稳定等问题。 本研究课题结合学科发展趋势和实际应用需求,在参考大量文献和剖析工业领域的CCD数据采集系统的基础上,着眼于研究基于图象处理的轴类零件尺寸高精度检测技术,本文主要进行以下几个方面的工作: (1)采用Prewitt算子完成对图像边缘初步定位,在此基础上,通过对图像边缘灰度变化的离散值作最小二乘曲线拟合,并对该拟合曲线求极值,得到边缘的精确位置 (2)为了减少干扰对测量值的影响,采用误差数据处理方法筛选出有一定精度的检测数据,然后对这些检测数据求平均值,获得稳定的检测数据。 (3)针对线阵CCD在高精度检测的过程中,因镜头畸变等原因产生误差的问题,提出了用已知的多尺寸轴类零件为参照物,建立误差畸变校正模型,对检测值进行畸变校正,实现高精度检测 【关键词】：线阵CCD 图像处理 最小二乘曲线拟合 误差理论 畸变校正 【学位授予单位】：广东工业大学【学位级别】：硕士【学位授予年份】：2008【分类号】：TP391.41【DOI】：CNKI:CDMD:2.2008.083647【目录】： 摘要4-5Abstract5-6目录6-9Content9-12第一章 绪论12-161.1 课题研究的意义12-131.1.1 测量技术的重要性121.1.2 国内测量技术的现状及其弊端12-131.1.3 本课题研究的意义131.2 基于图像处理的轴类零件尺寸检测技术的研究现状及其发展趋势13-151.2.1 国内情况13-141.2.2 国外情况141.2.3 国内外基于CCD尺寸检测技术发展的趋势14-151.3 论文的主要研究内容151.4 本章小结15-16第二章 图像测量系统硬件设计16-222.1 系统组成162.2 精密机械位移扫描控制系统16-172.3 线阵CCD摄像机17-182.4 光学照明系统18-192.5 图像采集系统19-202.6 装夹工作台的设计202.7 计算机及处理软件20-212.8 本章小结21-22第三章 基于图象处理的轴类零件边缘的精确定位22-343.1 图像处理原理22-253.1.1 数字图像处理的目的223.1.2 数字图像处理主要研究的内容22-243.1.3 数字图像处理的优点24-253.2 轴类零件边缘的边缘检测25-273.3 零件边缘的精确定位27-333.3.1 最小二乘曲线拟合的概念27-303.3.2 用多项式进行最小二乘曲线拟合30-313.3.3 基于曲线拟合的边缘精确定位31-333.4 本章小节33-34第四章 误差数据处理34-424.1 一维正态分布34-364.2 偶然误差的规律性36-394.2.1 偶然误差36-374.2.2 偶然误差的分析37-394.3 边缘检测数据误差处理39-414.4 本章小结41-42第五章 畸变校正42-495.1 畸变的产生425.2 畸变校正的基本原理42-435.3 畸变校正的具体方法43-465.3.1 检测参照物图像的边缘43-455.3.2 畸变补偿函数的建立45-465.4 检验畸变校正函数465.5 检验实验结果46-485.6 本章小节48-49第六章 软件设计49-526.1 软件设计496.2 界面设计与功能说明49-516.3 本章小结51-52第七章 尺寸检测实验结果与数据分析52-567.1 多阶梯轴测量结果52-547.1.1 测量数据52-547.1.2 测量结果分析547.2 误差与精度分析54-557.3 本章小结55-56总结与展望56-58参考文献58-61攻读学位期间发表的论文61-62致谢62 下载全文 更多同类文献 CAJ格式全文 (如何获取全文？ 欢迎：购买知网卡、在线咨询) CAJViewer阅读器支持CAJ,PDF文件格式

一、检测精度高，检测效率快。CCD视觉检测设备使用机器视觉技术基于CCD工业相机进行检测。根据系统控制，误差不大，高检测效率可以超过每分钟400-1200个。一些小零件可能超过数千甚至十多万的速率。二、量子功率高。这是它的最大优势，CCD视觉检测平均量子功率为30％至50％，最高量子功率可高达90％，约为普通胶卷的100倍。三、节省人工成本，能够进行高重复性工作。CCD视觉检测能够长时间稳定工作，人眼很难长时间观察同一物体，并且机器视觉可以长时间执行测量，分析和识别任务。而人工检测很容易有漏检误检的情况。一台视觉检测设备可以承担多名员工的日常检测任务，不容易被打断，不会生病，不需要休息，并且可以继续进行高韧性工作，对应用的自然环境要求低，除了节省产品成本外，还大大提高了生产率。四、具有更宽的光谱响应范围。CCD的光谱响应为400-1100nm，比常规照相对近红外的有效谱带（350-700nm）长得多。使用人眼不可见的红外测量，扩大了人的视觉范围五、检测范围广，可以检测外观缺陷和尺寸测量。机器视觉技术可以根据多工位检测方法，一次准确测量待检测产品的轮廓，规格，外观缺陷，产品长宽比等多方面的性能参数；手动检测对不同的检测内容有不同的响应，只有根据多站点的协作与协调，不同的人员检测标准是不同的，很容易出现虚假检测。六、提高产品质量和错误率。CCD视觉检测设备基于系统控制，可通过自动检测技术将良品与不良品区分开，然后自动将它们放置在不同的部位。与人工检测相比，ccd视觉检测设备减少了错误率，使产品品质大大提高，并提高了公司的信任度和综合实力。七、CCD视觉检测线性好。成像强度与入射光通量成比例，并且具有极好的线性关系。

CCD视觉检测是指利用CCD相机作为数据采集设备，通过图像处理算法对采集到的图像进行处理，实现自动化检测和测量的技术。它主要应用于自动化生产线上，对物体的缺陷、尺寸、形状、位置、颜色等进行检测和识别。常见的应用领域包括以下几个方面：