当前位置：文档之家 › 基于机器视觉的零件缺陷检测系统的设计

基于机器视觉的零件缺陷检测系统的设计

  • 格式：pdf
  • 大小：1.73 MB
  • 文档页数：2

科技创新导报2019 NO.23Science and Technology Innovation Herald工业技术

科技创新导报 Science and Technology Innovation Herald84DOI：10.16660/j.cnki.1674-098X.2019.23.084

基于机器视觉的零件缺陷检测系统的设计①

王赛男 孟显娇 赵英健(沈阳科技学院 辽宁沈阳 110000)

摘 要：在制造机械零部件的过程中，有可能存在各种缺陷，导致对设备运行安全的威胁。因此对零件缺陷检测系统的设计十分必要。针对传统的缺陷检测存在依赖人员经验的问题，通过机器学习方法，实现自动检测,提高自动化水平，可以克服检测环境、工作人员疲劳度、视觉分辨力和工作经验等因素对零件检测结果的影响，提高检测的准确率以及检测速度。本文提出零件缺陷检测系统的设计方案，该方案是基于机器视觉进行研究的，本设计能够对零件缺陷进行检测。关键词：零件 缺陷检测 机器视觉中图分类号：TN912 文献标识码：A 文章编号：1674-098X(2019)08(b)-0084-02

①基金项目：沈阳市科学技术协会科技创新智库决策咨询课题（项目编号：2019-21-189）。

󰀁󰀁󰀁作者简介：王赛男（1987—），女，辽宁沈阳人，硕士研究生，讲师，研究方向：

图像处理。在零件的制造过程中，可能会在零件表面出现面状缺陷、体积缺陷、条状缺陷等零件缺损。由于零件通常工作在高压或高温等极端环境中，因此零件在反复使用的过程中其微小缺陷可能发生增大从而导致零件损坏，直接导致零件所在系统发生故障。因此对零件的缺陷检测可以减少系统故障发生。为了增强零件质量，很多中小型企业通常采用人工肉眼识别和检测，当生产量大时，则会出现失误率高、检测效率低等问题[1]。与传统的人工检测相比，机器视觉检测方式应用于零件表面缺陷检测中，具有准确性高、成本低廉、效率高等特点。

1 常见零件检测方法（1）人眼检测。人眼检测是采用人工方式进行检测，此方式灵活性高，但是差错率高、效率低下、成本较高。不适合在大型工厂运用。（2）超声波检测。该方法是一种可以实现非接触、远程控制的检测方法，此方法适用于检测表面微裂纹的成型产品，超声波检测方法的缺点是费用较高[2]。（3）涡流检测。此方法不需要外加耦合剂，因此在检测过程中对测量件不会造成外加影响，涡流检测所用的钢板孔洞断面呈闭环状态，因此导致出现误差。（4）红外检测。此方法准确度高，但是容易受到器件所处检测环境的影响。（5）机器视觉检测。该方法是一种非接触式测量方法，其检测速度快，提高生产产品的自动化程度，缺点是需要采用适宜的程序以及合适的光照强度来进行检测。

2 系统设计2.1 系统硬件设计

基于机器视觉的零件缺陷检测系统主要由硬件部分和软件部分组成。本设计中系统硬件主要包括光学系统（光源和CCD相机）、模数转换卡、数模转换卡、图像分析处理系统、控制系统、样品台组成。系统硬件结构如图1所示。照明设备光源采用紫外线装置、将该装置放在相机的前面，用于图像照明。摄像机是零件缺陷检测系统的关键设备，本系统选用CCD图像控制器，将光信号转换为模拟电流信号。本系统选用天创恒达TC-542N1图像采集卡从摄像机中采集图像传送给嵌入式系统。该采集卡采用PCI-E接口进行通信，采集率为60MHz，本文选择Jetson󰀁TX1嵌入式开发套件进行算法移植。2.2 系统软件设计

深度学习因其自身强大的特征提取能力及映射能力，在各领域应用中取得了巨大的成功。深度学习的性能与网络结构、训练算法关联密切，需要根据不同的应用对象选择合适的网络模型。目前深度学习网络模型主要分为3种类

图像采集卡

执行机构CCD相机和光源

零件图像分析处理系统

图1 系统硬件结构图图2 系统流程图 开始

图像采集

图像特征提取

表面纹理

提取缺陷

输入SVM训练

是否合格

输出缺陷分类

结束N

Y

(下转86页)

Copyright©博看网 www.bookan.com.cn. All Rights Reserved.科技创新导报2019 NO.23Science and Technology Innovation Herald工业技术

科技创新导报 Science and Technology Innovation Herald86通信可以维护生产制造顺利实施。而且通信可以给工作

人员带来诸多的便利性，达到满足人为控制各种需要的目

标。可编程逻辑控制器的通信方式涵盖了两种，即一种为

PLC自身设备之间通信，另一种为PLC设备与其他设备的

通信。伴随计算机技术的高速发展，生产制造行业的网络

发展也呈现出明显的提升。为将企业的通信技术有效的

提升，很多的制造行业不断增加投入财力、人力、物力的力

度，研究出PLC设备网络通信系统接口，提供给PLC技术应

用到机械系统生产中更好的通信基础，使得企业的生产效

率、企业之间的通信质量明显提升。

3.4 在数据处理方面的应用

企业产品生产期间，重要的环节就是数据处理，质量

高低密切地影响到全部生产活动落实的状态。因此，各

企业予以数据处理工作较高的重视度。当前各企业实施

的PLC设备，可以经PLC展开很多模式（矩阵运算、函数运

算、逻辑运算等）的运算，同时进行运输以及对各种数据

实施转换，而且完成相应的查表以及排序、进位等作业，

进行更便捷的收集、分析以及处理数据。处理数据的环

节，PLC可以在存储器设定数据、收集的数据之间实施对

比，展开相应操作，而且施展智能功能，实现传输数据，完

成制表以及打印工作。

3.5 供电电源合理配置

PLC应用到机电一体化生产系统中，可以发挥出良好

的抗干扰功能，但不具备较高的供电电源的抗干扰能力，

因此应该对于供电电源进线进行科学的配置，使得PLC应

用到机电一体化生产系统中具备更可靠的平稳度。达到合

理配置供电电源的方式就是，如果于PLC控制系统设计期

间产生特殊的问题，要经屏蔽层隔离变压器供电，防止电

磁波不良地影响供电电源；附近如果出现较强的干扰源问

题，应该优化PLC于机电一体化生产系统的应用。例如，箱体内独立性地安置供电电源，将外界高温、电磁波以及灰

尘等干扰供电电源程度减少，同时科学地配置供电电源，

将PLC高效地应用到机电一体化生产系统中。

4 结语

在我国科学技术水平不断发展的情况下，生产制造的

系统领域同样加快速度，而且机械制造行业会朝着更加信

息化、智能化的方向发展。所以，有关的制造业的生产系统

需要对于生产模式不断地更新，确保机械行业不断与时俱

进，可持续性地发展。在生产系统中应用PLC技术，一方面

可以在运动控制中进行应用，另一方面在开关逻辑控制、

通信网络方面等进行应用，在多个方面的应用空间广阔。

所以，未来的PLC技术应用于生产系统中可以更好地将企

业工作效率和质量水平提升。

参考文献

[1]󰀁刘景梅.PLC在机电一体化生产系统中的运用研究[J].山

东工业技术,2015(1):210.

[2]󰀁石燕.机电一体化生产系统中PLC的运用研究[J].石化

技术,2017(9):6.

[3]󰀁赵柏宁.PLC在机电一体化生产系统中的运用研究[J].技

术与市场,2017(11):68-69.

[4]󰀁冯仁书.PLC技术在机电一体化控制中的重要性[J].建材

与装饰,2018(25):212.

[5]󰀁唐中武.PLC在机电一体化生产系统中的应用研究[J].黑

龙江科学,2018(16):126-127.

[6]󰀁刘佳.PLC在机电一体化生产系统中的应用[J].职

业,2018(32):116-117.

[7]󰀁周方方.浅谈PLC在工业机电一体化生产系统中的运用

[J].中国高新技术企业,2016(6):51-52.(上接84页)型：自编码器网络、深度置信网络和卷积神经网络。传统网

络则需要提取特征而卷积神经网络不需要提前提取特征，

只需要用样本进行训练，自行提取特征，因此本系统选用

CNN卷积神经网络作为零件学习检测的算法进行设计。

针对所检测零件的实际情况，为了避免过拟合出现在深

度学习中，本设计需要足够的数据量用以模型训练，可以采

用平移、比例放缩、旋转等形式扩充数据。现场图像采集完

成后建立数据集。本系统所采用的数据集由两部分组成，即

训练集和测试集，训练集用于建立训练模型，测试集主要通

过统计分类正确和错误的图片的数量，结合总测试集的样本

量，获得模型的正确率从而评估模型的检验等能力。

本系统采用SVM的标签缺陷检测算法，只需进行简单

的图像处理就可以进行图像的特征提取及分类[3]，本文选

取的样本量为3350张图片。本系统的训练集选用具有裂纹

缺陷的样本数量为1800张，无裂纹缺陷的样本1000张；测

试集中有裂纹缺陷的样400张，测试集中无裂纹缺陷的样

本150张。零件缺陷检测系统的系统流程如图2所示。3 结语

随着工业自动化水平的提高，无损识别检测技术应用于

工业系统的前景越来越大，本设计应用在零件生产线上可

以高效地对零件的缺陷进行检测，可以减少人工检测的弊

端，提高零件生产的自动化程度，采用本系统可以降低人工

劳动强度，为零件智能化制造提供重要作用。

参考文献

[1]󰀁陶淑丽.深度学习在精密铸件缺陷检测中的研究与应用

[D].太原科技大学,2018.

[2]󰀁王宇,吴智恒,邓志文.基于机器视觉的金属零件表面缺

陷检测系统[J].机械工程与自动化,2018(8):210-214.

[3]󰀁张小洁.基于机器视觉的粉末冶金零件缺陷检测系统

研究[J].机械制造,2017(1):82-84.

Copyright©博看网 www.bookan.com.cn. All Rights Reserved.

合集下载

基于机器视觉的智能制造缺陷检测实验报告

基于机器视觉的智能制造缺陷检测实验报告

基于机器视觉的智能制造缺陷检测实验报告

一、实验背景

随着制造业的快速发展，产品质量的把控变得越发重要。传统的人工检测方式不仅效率低下，而且容易受到主观因素的影响，导致检测结果的准确性和稳定性不足。机器视觉技术作为一种非接触式、高精度、高速度的检测手段，逐渐在智能制造领域得到广泛应用。本实验旨在研究基于机器视觉的智能制造缺陷检测方法，提高产品质量检测的效率和准确性。

二、实验目的

1、 探究机器视觉技术在智能制造缺陷检测中的应用效果。

2、 对比不同机器视觉算法对缺陷检测的准确性和效率。

3、 分析影响机器视觉缺陷检测的因素，并提出优化方案。

三、实验设备与材料

1、 工业相机：选用分辨率为_____像素的高速工业相机，用于采集产品图像。

2、 光源：采用均匀分布的白色 LED 光源，确保产品表面光照均匀。

3、 计算机：配置高性能 CPU 和 GPU 的计算机，用于图像处理和算法运算。 4、 检测对象：选取_____产品作为检测样本，这些产品具有不同类型和程度的缺陷。

四、实验方法与步骤

1、 图像采集

调整工业相机的位置、焦距和光圈，确保能够清晰地拍摄到产品的全貌和细节。

控制光源的亮度和角度，使产品表面的光照条件符合要求。

对每个检测对象进行多角度、多批次的图像采集，以获取丰富的样本数据。

2、 图像处理

对采集到的图像进行灰度化处理，减少数据量，提高处理速度。

采用滤波算法去除图像中的噪声，提高图像的质量。

通过图像增强算法，突出产品的特征和缺陷信息。

3、 缺陷检测算法

选用了几种常见的机器视觉算法，如阈值分割法、边缘检测法和形态学处理法。

对每种算法进行参数调整和优化，以适应不同类型的缺陷检测。

4、 结果评估 将检测结果与人工检测结果进行对比，计算检测的准确率和漏检率。

记录每种算法的处理时间，评估其检测效率。

五、实验结果与分析

1、 不同算法的检测效果

阈值分割法对于对比度明显的缺陷检测效果较好，但对于复杂的缺陷形态容易出现误判。

基于机器视觉的自动化检测系统设计与实现

基于机器视觉的自动化检测系统设计与实现

基于机器视觉的自动化检测系统设计与实现

机器视觉技术的发展在工业制造等领域中起到了至关重要的作用。基于机器视觉的自动化检测系统利用计算机视觉技术，通过对图像或视频的处理分析，实现对物体进行自动化检测和判断。本文将介绍基于机器视觉的自动化检测系统的设计与实现。

一、引言

随着工业生产的快速发展，传统的人工检测方式已经无法满足生产效率和质量要求。基于机器视觉的自动化检测系统应运而生。该系统可以准确、快速地对产品进行检测，大大提高了检测精度和效率。

二、系统设计

1. 硬件设计

基于机器视觉的自动化检测系统的核心设备是计算机和视觉检测设备。计算机负责图像处理和算法运算，视觉检测设备负责图像采集和输入。此外，根据具体需求，系统还可配备其他硬件设备，如运动控制系统、光照控制系统等。

2. 软件设计

软件设计是基于机器视觉的自动化检测系统的关键部分。在软件设计过程中，需要考虑图像处理算法的选择和优化，以及系统界面的设计等方面。 首先，根据实际需求选择合适的图像处理算法，如边缘检测、形状匹配、颜色识别等。根据不同的应用场景，可能需要集成多种算法，以实现更精确的检测和判定。

其次，设计系统界面，使之简洁明了、易于操作。用户可以通过界面设置检测参数，查看检测结果等。

三、系统实现

1. 数据采集

系统实现时，首先需要进行图像或视频的采集。根据实际应用场景，可以选择合适的图像采集设备，如摄像头、工业相机等。通过采集设备，将待检测的物体图像输入到计算机中。

2. 图像处理与特征提取

采集到的图像需要进行预处理，并提取出适用于检测的特征。预处理包括图像去噪、图像增强等操作，以提高后续处理的效果。特征提取是基于机器视觉的自动化检测系统的核心步骤，通过选择合适的算法和参数，从图像中提取出目标物体的特征信息。

3. 检测与判断

通过对特征提取的结果进行分析和处理，系统可以对目标物体进行自动化检测和判断。根据具体需求，可以设置不同的检测标准和判定规则，以实现对不同缺陷或问题的检测和判断。

基于机器视觉的自动检验与监测系统设计

基于机器视觉的自动检验与监测系统设计

基于机器视觉的自动检验与监测系统设计

自动检验与监测系统是一种基于机器视觉技术的先进系统，它能够有效地提高生产线的检验与监测效率，减少人力成本和错误率。本文将从系统设计的角度，探讨如何基于机器视觉技术设计一套高效可靠的自动检验与监测系统。

一、引言

随着工业生产的快速发展，对产品的质量要求也越来越高。而传统的人工检验与监测方法，不仅效率低下，还容易出现人为因素导致的误差。因此，基于机器视觉的自动检验与监测系统因其快速、准确、可靠的特点而得到广泛应用。

二、系统设计思路

1. 功能要求分析：首先要明确系统需要实现的功能，例如：缺陷检测、尺寸测量、异物识别等。根据不同的产品和应用领域，需求可能各不相同。

2. 摄像设备选择：选择合适的摄像设备是系统设计的重要一环。考虑到光源、分辨率、图像传输速度等因素，选择适合应用场景的摄像设备。

3. 图像处理算法：图像处理算法是整个系统的核心。常用的图像处理算法包括边缘检测、形状匹配、颜色分析等。根据实际需求，选择适合的图像处理算法，确保系统的准确性和可靠性。

4. 数据存储与管理：设计合理的数据存储与管理系统，保存检测结果和原始图像数据，便于后续分析和统计。

5. 用户界面设计：为了方便用户操作和维护，设计一个友好的用户界面是必要的。界面应简洁明了，操作便捷，同时提供实时反馈和可视化展示功能。 三、关键技术和方法

1. 特征提取：通过适当的图像处理算法，提取产品表面的关键特征，包括尺寸、形状、颜色等。提取到的特征将作为后续检测与监测的基础。

2. 缺陷检测：基于机器学习或深度学习算法，训练一个缺陷检测模型。该模型能够自动识别并标记出产品表面的缺陷，例如裂纹、划痕等。针对不同缺陷类型，可以采用不同的算法进行处理，并生成不同的报告。

3. 异物识别：在生产过程中，可能会有一些外来物体混入产品中，例如金属屑、塑料碎片等。通过机器视觉技术，识别并排除这些异物，确保产品的质量。

基于机器视觉的零件尺寸测量系统设计研究

基于机器视觉的零件尺寸测量系统设计研究

基于机器视觉的零件尺寸测量系统设计研究

工业生产的质量管理中，测量非常重要，可以从技术上保证生产的标准和质量。而加工产品中最重要的环节之一就是检测机械零件的尺寸，其检测结果对产品的质量以及零件的装配与加工都非常重要。当前测量常规零件尺寸的主要手段是利用轮廓仪、激光测量仪或者游标卡尺等测量工具，不但成本非常昂贵，还存在操作复杂、精度低等缺陷，本文中，笔者就站在机器视觉的角度，设计研究了一套测量零件尺寸的自动化测量系统，以供参考。

标签：机器视觉；零件；尺寸；测量系统；设计

工业生产中测量常规零件尺寸的传统方法主要是依靠轮廓仪、激光测量仪或者游标卡尺等测量工具，这些方法不但操作复杂、精确度较低，而且仪器成本相对较高。近几年，随着机器视觉技术的不断发展，工业检测中对于该技术的应用愈加深入，通过设计基于机器视觉的零件尺寸测量系统，可以在保证精确度的基础上，尽量避免人为因素的影响。

1 系统整体概述

在设计基于机器视觉的零件尺寸测量系统时，应当遵循实用性、经济性、可靠性和完整性的原则，该系统的组成部分主要包括图像的摄取、处理、特征提取、特征分析、图像常规尺寸测量以及结果输出等。

2 硬件的设计

以机器视觉为基础的零件常规尺寸测量系统的硬件組成部分及各部件主要功能具体如下：

一是照相装置。该装置的功能主要是为采集零件图像提供适宜的光照条件和环境；二是摄像机。该装置的功能主要是对零件的数字图像进行采集，并及时传至计算机，同时以相应图片的格式进行保存；三是计算机。该装置主要是利用系统软件来预处理零件图像，同时完成特征和边界提取、计算常规尺寸以及相机标定等工作；四是透明工作台。该装置主要用来为待测零件提供承载平台。

3 算法的设计

在机器视觉测量系统中，图像处理算法发挥着决定性作用。必须根据测量零件尺寸的要求以及零件产品的具体图像特点，来设计并应用一套科学合理的图像处理算法。简单而言，第一步应当是预处理获取的零件图像，主要是对图像进行灰度化、去燥、分割以及边界提取等处理；第二步是对零件的具體几何特征加以提取；第三步是标定系统，一方面完成测量零件图像的常规尺寸，另一方面完成结果的显示。