首页> 中文学位 >磁粉探伤机器视觉算法设计及系统研制
【6h】

磁粉探伤机器视觉算法设计及系统研制

代理获取

目录

声明

致谢

摘要

1.1研究背景和意义

1.2国内外研究现状

1.3机器视觉检测

1.4论文结构内容及工作安排

2机器视觉算法图像数据处理理论

2.1系统整体架构

2.2图像预处理算法

2.2.1均值滤波算法

2.2.2中值滤波算法

2.2.3双边滤波算法

2.2.4引导滤波算法

2.3图像分割算法

2.3.1迭代式阈值分割方法

2.3.2最大类间方差阈值分割方法

2.3.3最大熵阈值分割方法

2.4图像分类算法

2.4.1逻辑斯特回归分类算法

2.4.2支持向量机分类方法

2.4.3多项式逻辑斯特回归分类算法

2.5本章小结

3 基于局部熵的引导滤波改进算法

3.1磁粉探伤图像数据采集

3.2磁粉探伤图像数据处理

3.2.1图像处理工具

3.2.2分割算法处理效果

3.3.3滤波算法处理效果

3.3改进引导滤波算法

3.3.1引导滤波改进原理

3.3.2滤波图像评价准则

3.3.3实验结果分析

3.4本章小结

4 稀疏自编码特征提取与图像分类算法

4.1特征提取的意义

4.2常见特征描述

4.2.1灰度特征

4.2.2形状特征

4.2.3纹理特征

4.3稀疏自编码算法

4.4缺陷特征的分类识别

4.5本章小结

5 机器视觉车轮检测软件系统实现

5.1系统开发平台

5.1.1软件开发工具选择

5.1.2软件功能设计

5.2高铁车轮检测软件界面布局

5.2.1软件界面布局原理

5.2.2软件界面的设计

5.3高铁车轮检测软件系统功能实现

5.3.1软件采集模块实现

5.3.2软件数据处理与显示模块实现

5.3.3软件数据存储模块实现

5.4本章小结

6.1总结

6.2展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集

展开▼

摘要

随着我国高速铁路的蓬勃发展,列车运行数量的不断增长,高铁车轮作为车辆的重要组成部分,在列车的安全行驶中起着至关重要的作用。目前,在高铁车轮制备中是以传统的荧光磁粉方式来检测车轮缺陷,保障车轮质量。但是这种检测方式存在着精确度低、受人为经验影响、工作环境恶劣且会耗费大量人力等问题。机器视觉检测技术、图像处理技术以及人工智能技术的发展为解决上述问题提供了便利条件,如何利用好这些技术构建出完善的机器视觉检测系统具有重大意义与挑战。
  本文的主要工作如下:
  (1)基于对现有的图像预处理及分割算法的分析和对比,选定了引导滤波和最大熵算法来识别图像数据中是否存在缺陷。针对引导滤波算法和最大熵分割算法在分割图像中仍然存在噪声信号干扰的情况,提出了以中值滤波图像为引导图,图像局部熵值作为加权参数的改进引导滤波算法。实验结果表明了改进后的算法不仅在滤波评价准则结构相似性和峰值信噪比值上优于原始算法,而且最终的分割图像也能够达到后续应用的需求。
  (2)为识别图像中缺陷类型,常用方法是提取了缺陷区域的灰度特征、形状特征以及纹理特征,选择其中最具代表性的特征输入多项式逻辑斯特回归分类器,得到平均80%的识别率。针对于常用方法提取特征存在着分类器训练时间长、分类识别率低等问题,给出了一种以稀疏自编码模型隐含层作为缺陷特征的图像特征提取方法,最终得到了平均91.4%的识别率,模型训练时间更短,表明了新方式更加有成效。
  (3)根据实际的使用需求,对机器视觉检测系统的界面布局进行了相关设计。利用Qt软件实现了数据采集、数据处理与显示以及数据存储的功能。软件系统对实际车轮样本以及模拟缺陷样本分别进行了检测,得到了良好的处理结果,展示了良好的可靠性、稳定性和准确性,为进一步的研究以及实际应用打下了坚实的基础。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号