基于机器视觉的磁环裂纹检测方法研究

基于机器视觉的磁环裂纹检测方法研究

论文摘要

裂纹检测作为机械零部件、土木结构件和建筑物等工程质量检测的重要一环,一直是学术界研究的热点与难点课题。传统的裂纹检测任务由工人根据自身经验完成,具有主观性太强、检测质量不稳定、成本代价高昂等缺点,因此裂纹的自动化检测是未来发展的趋势。本文从磁环裂纹检测问题出发,结合裂纹的开裂特点,提出一种新的基于图像的裂纹检测方法。首先,本文对磁环表面纹理噪声干扰、伪裂纹特征干扰进行了分析,分析对比了空间域、时频域滤波算法。空间域滤波方法中,研究了保边滤波算法在磁环裂纹图像中的处理效果,并比较了双边滤波器、导向滤波器和带权最小二乘滤波器处理磁环裂纹图像的性能,通过峰值信噪比对其性能指标进行了量化评价;时频域滤波方法中,基于小波分析利用极坐标变换提出了一种磁环裂纹的小波分析方法。提出了一种基于极坐标变换的图像采样方法,有效减少了原始数据,实验结果表明该方法稳定性较好。然后,分析了裂纹的开裂特点,并据此对裂纹的图像特征建立了模型。结合梯度矢量和局部特征描述子方法,提出了一种基于图像梯度矢量的局部特征描述子(LDGV),并基于LDGV提出了一种裂纹种子点检测方法;基于小波分析方法提出了另一种裂纹种子点检测方法,并对两种方法进行了对比实验。根据种子点和区域生长法,提出一种基于局部能量的前向传播法(FPLE),在搜素算法的终止问题上,提出一种基于动量的搜素停止条件,使得在仅有一个位于裂纹区域的像素点条件下,即可准确分割完整的裂纹骨架。在获得裂纹骨架的基础上,提出一种局部Otsu分割的动态阈值法,最终精准分割出完整的裂纹区域。实验验证了本文提出的裂纹检测算法的有效性。最后,为区分裂纹特征与干扰特征,研究模式识别方法。在特征提取的问题上,针对裂纹提出一种具有平移不变性和旋转不变形的连通域残差标准差特征。在特征的分类问题上,基于线性判别分析对裂纹特征与干扰特征进行分类,并研究了最优特征组合,进行了分类器的离线训练和测试,实验表明本文提出的裂纹识别方法在磁环裂纹检测问题中获得94.1%的识别率。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  •   1.1 课题研究背景及意义
  •   1.2 裂纹检测方法研究现状
  •   1.3 本文主要研究内容及全文结构
  • 第二章 裂纹检测图像处理算法研究
  •   2.1 引言
  •   2.2 机器视觉裂纹检测干扰分析
  •   2.3 成像分析与部件选型
  •   2.4 空间域滤波方法研究
  •     2.4.1 几何空间域滤波方法
  •     2.4.2 几何-灰度空间域滤波方法
  •     2.4.3 滤波算法性能对比分析
  •   2.5 时频域滤波分析
  •     2.5.1 傅里叶分析
  •     2.5.2 小波分析
  •   2.6 图像采样
  •     2.6.1 零件圆心定位
  •     2.6.2 极坐标变换与感兴趣区域定位
  •   2.7 本章小结
  • 第三章 裂纹检测算法研究
  •   3.1 引言
  •   3.2 图像裂纹特征研究
  •     3.2.1 图像裂纹检测方法综述
  •     3.2.2 图像梯度矢量场
  •     3.2.3 局部特征描述子
  •     3.2.4 基于图像梯度矢量的局部特征描述子(LDGV)
  •   3.3 裂纹种子点检测
  •     3.3.1 基于LDGV的种子点检测
  •     3.3.2 基于小波分析的裂纹种子点检测
  •   3.4 最小代价路径法
  •     3.4.1 基于Dijkstra算法的最小能量路径法
  •     3.4.2 基于快速行进法(FMM)的最小能量路径法
  •     3.4.3 基于局部能量的前向传播法(FPLE)研究
  •     3.4.4 基于动态阈值分割的完整裂纹分割方法研究
  •   3.5 分割算法性能分析
  •     3.5.1 FMM与FPLE性能对比
  •     3.5.2 提出的裂纹分割算法性能验证
  •   3.6 本章小结
  • 第四章 基于LDA的裂纹识别方法研究
  •   4.1 引言
  •   4.2 特征提取
  •     4.2.1 几何特征
  •     4.2.2 灰度特征
  •     4.2.3 统计特征
  •   4.3 特征降维
  •   4.4 特征分类
  •   4.5 最优特征组合的选取
  •   4.6 本章小结
  • 第五章 视觉检测平台搭建与识别实验分析
  •   5.1 引言
  •   5.2 软件系统开发
  •   5.3 实验平台搭建
  •   5.4 识别实验
  •     5.4.1 端面裂纹识别实验
  •     5.4.2 外壁裂纹识别实验
  •     5.4.3 内壁裂纹识别实验
  •     5.4.4 总体识别结果
  •   5.5 本章小结
  • 总结与展望
  • 参考文献
  • 攻读硕士学位期间取得的研究成果
  • 致谢
  • 附件
  • 文章来源

    类型: 硕士论文

    作者: 莫璟彬

    导师: 王念峰,张燕浩

    关键词: 机器视觉,保边滤波,裂纹检测,模式识别

    来源: 华南理工大学

    年度: 2019

    分类: 基础科学,工程科技Ⅰ辑,信息科技

    专业: 力学,金属学及金属工艺,计算机软件及计算机应用

    单位: 华南理工大学

    分类号: TP391.41;O346.1;TG115.28

    DOI: 10.27151/d.cnki.ghnlu.2019.003160

    总页数: 97

    文件大小: 7205K

    下载量: 92

    相关论文文献

    • [1].压力管道裂纹检测技术对比与发展趋势探讨[J]. 自动化与信息工程 2020(02)
    • [2].太阳能路面裂纹检测车设计[J]. 农业装备与车辆工程 2018(06)
    • [3].对输电线路瓷瓶裂纹检测的研究[J]. 无线互联科技 2013(11)
    • [4].基于深度学习的全卷积网络图像裂纹检测[J]. 计算机辅助设计与图形学学报 2018(05)
    • [5].裂纹检测中的匹配滤波器构造方法研究[J]. 计算机与现代化 2011(06)
    • [6].粉末冶金制件裂纹检测技术研究[J]. 企业技术开发 2016(09)
    • [7].基于多种算法的高速公路路面裂纹检测分析[J]. 公路 2018(06)
    • [8].表面裂纹检测的现状及发展趋势[J]. 科技风 2012(17)
    • [9].基于快速扩散算法的精细化路面裂纹检测算法[J]. 信息通信 2016(03)
    • [10].禽蛋裂纹检测敲击装置力学分析与结构优化[J]. 农业机械学报 2017(05)
    • [11].基于扫频振动的禽蛋裂纹检测方法[J]. 食品与发酵工业 2015(06)
    • [12].变电站地面道路裂纹检测算法和应用研究[J]. 菏泽学院学报 2019(05)
    • [13].一起桥式起重机金属结构裂纹检测及修复[J]. 安徽冶金 2016(01)
    • [14].流体驱动式管道裂纹检测机器人探头结构设计[J]. 机床与液压 2016(11)
    • [15].基于冲击响应信号的大规模蛋壳裂纹检测仿真[J]. 计算机仿真 2019(09)
    • [16].基于涡流探伤的油(气)管裂纹检测研究与实现[J]. 电子测量技术 2011(04)
    • [17].基于超声相控阵技术的复合钢板内表面裂纹检测与分析[J]. 化工机械 2020(04)
    • [18].基于COMSOL的激光超声裂纹检测数值模拟研究[J]. 激光与红外 2020(10)
    • [19].一种基于图像处理的表面故障裂纹检测系统[J]. 软件 2018(05)
    • [20].基于图像处理技术的玻璃裂纹检测系统设计[J]. 唐山学院学报 2016(06)
    • [21].高压瓷瓶裂纹检测算法原理的研究[J]. 科技资讯 2013(25)
    • [22].32m~3液氨卧式储罐裂纹检测与修复[J]. 黑龙江科技信息 2012(28)
    • [23].基于全卷积神经网络的坝面裂纹检测方法研究[J]. 水力发电学报 2020(07)
    • [24].水电站过流部件涂层下裂纹检测方法对比[J]. 热力发电 2020(03)
    • [25].水下ACFM高灵敏度裂纹检测探头设计[J]. 中国海上油气 2019(06)
    • [26].基于图像处理的风电叶片裂纹检测系统设计[J]. 可再生能源 2018(08)
    • [27].紧固件裂纹无损检测技术[J]. 金属加工(冷加工) 2020(05)
    • [28].LOG和Fisher算法的壳类食品表面裂纹检测方法[J]. 食品工业 2020(10)
    • [29].基于虚拟技术的涡流裂纹检测台的设计与仿真[J]. 现代制造技术与装备 2016(12)
    • [30].基于图像处理的木材干燥裂纹检测[J]. 科学技术创新 2019(16)

    标签:;  ;  ;  ;  

    基于机器视觉的磁环裂纹检测方法研究
    下载Doc文档

    猜你喜欢