论文部分内容阅读
在科技迅速发展的今天,自动化生产在某些领域已经逐渐发展成熟,自动化流水线大大增加了产品的生产效率,减少了人工成本。但是,对于USB插头表面缺陷的检测,由于检测过程复杂缺陷识别难度高,依然依赖人工检测。人工检测的缺点是主观性强、成本高、易产生视觉疲劳影响检测效率与准确率,并且高强度、高难度的缺陷检测很容易造成人眼疾病。因此,有必要研究一种高效客观的检测方法以适应USB表面缺陷检测的自动化、高效率、高精度的需求。本论文在充分调研国内外表面缺陷检测方法的基础上提出了一种基于机器视觉的USB插头表面缺陷检测方法,设计了USB插头机器视觉检测系统总体结构、设计了适合USB表面缺陷检测的光源、提出了一种改进的滞后阈值算法、研究了缺陷分类算法、搭建了一套USB插头表面缺陷检测装置并进行了实验验证。本论文主要工作内容如下:1.介绍了课题的背景、意义及预期目标。调研了常用的表面缺陷检测方法,磁粉检测法、渗透检测法、涡流检测法、超声检测法,通过比较不同方法间的优缺点以及使用范围,最终选择了基于机器视觉检测法作为本课题的检测方法。2.设计了USB插头机器视觉检测系统总体结构。研究了基于机器视觉的表面缺陷检测方法的原理,并根据系统需求对相机和镜头进行选型,并通过理论验证选型的可行性。调研了常用的图像处理软件和优缺点,最终选择HALCON作为本课题的处理软件。3.设计了适合USB表面缺陷检测的光源。介绍了机器视觉系统的常用照明方式和常用光源,对现有的同轴光源进行了改进,提高了光源的照明均匀性,设计了改进的同轴光源正向直射照明和环形光源正向直射照明两种照明方案。通过实验验证,同轴光源照明不适合有角度的划痕采集;环形光源对USB表面缺陷照明有较好的对比度,本课题最终选用环形光源正向直射照明的方式对系统照明。4.提出了一种改进的滞后阈值算法。该算法能够对不同的缺陷图像自动选择合适的阈值。验证了划痕缺陷的空间和频率特性,以此提出了一种基于Gabor滤波的划痕缺陷检测方法,该方法能够有效的抑制USB插头的复杂背景噪声,对划痕缺陷灵敏度高。通过大批量USB样本验证,面缺陷提取的准确率为95%且误检率为1%,划痕提取的准确率为92%且误检率为4%,达到预期目标。5.研究了缺陷分类算法。介绍了常见的缺陷分类模型以及相应模型中常用的分类算法,详细介绍了SVM的分类原理,分析了孔洞、划痕、擦伤缺陷的不同几何特性,通过面积、圆度和灰度均值特性对缺陷SVM分类。通过大批量USB样本验证,该方法的分类准确率高达96%,达到预期目标。