基于arm的器件表面裂纹自动检测系统的研究-机械电子工程专业论文.docxVIP

I万方数据 I 万方数据 摘 要 摘 要 随着科学技术的迅猛发展，对于器件的精度及质量要求随之上升。在实际生产中， 器件将受到外界各种因素的影响，导致在其表面产生裂纹，进而对器件品质造成负面 影响，严重时使器件报废。基于上述情况，在生产过程中对器件进行裂纹检测非常关 键。在器件检测方法中，文中采用视觉检测方法，其优点是成本低、检测效率高。但 此方法需要基于某一系统平台才能实现。ARM 嵌入式系统平台因其功能完善，且比 PC 机系统具备小型化、便携性、低功耗及成本低等优势，所以采用 ARM 嵌入式平 台作为视觉检测平台。 文中基于 ARM 嵌入式系统平台下，结合视觉检测方法，对器件表面裂纹识别从 以下几方面研究： 第一，在表面裂纹识别系统中，采用 ARM 嵌入式技术搭建整个系统，并对其进 行模块的设计与开发，实现系统硬件功能。文中以 S3C6410 核心，搭建整个硬件系 统平台；设计了电源、时钟、存储器、USB 及 LCD 液晶显示等接口及外围电路；在 这个硬件平台上搭建 Linux 操作系统，完成交叉编译、内核的定制、BootLoader 引导 程序及驱动程序的开发与设计。 第二，基于数字图像处理技术，结合视觉检测方法，完成器件表面图像边缘的提 取。将采集到的彩色图像利用灰度化算法进行处理，以达到边缘提取的图像处理要求； 由于图像采集和传输过程中容易产生的噪声，文中提出一种改进的小波阈值去噪算法 实现图像去噪，同时能保护图像边缘清晰完整；图像边缘提取采用 B 样条小波边缘 检测算法，通过算法仿真试验并与其它算法进行比较，结果表明：此算法能抑制噪声 及提高图像边缘提取的完整度。 第三，针对器件表面裂纹识别这一问题，采取 BP 神经网络算法进行识别。该算 法是将常规裂纹图像构造成样本集，同时将样本集输入到神经网络中进行训练，通过 训练样本与检测样本的比较，从而识别是否存在裂纹。 通过以上研究，开发一套基于 ARM 的器件表面裂纹自动检测系统，该系统实验 表明，器件表面裂纹自动检测系统具备良好的识别功能，所开发的系统具有广阔的应 用前景。 关键词：ARM；图像处理；小波变换；边缘检测；BP神经网络 II万方数据 II 万方数据 Abstract Abstract With the rapid development of science and technology, the precision and quality of the device are more demanding than ever before. In actual production, the cracks in the components will affect its accuracy, even scrape it. In order to avoid the failure device is put into use, it is need to detect the crack of the device. The traditional detection methods include magnetic particle method, osmosis method, ultrasonic method, magnetic flux leakage method, infrared method, eddy current method, visual inspection, etc. The visual inspection method attracts tremendous attention due to its low cost and high detection efficiency. This thesis realized visual inspection based on ARM embedded system. The embedded systems offer huge advantages over traditional PC system, its advantage lies in its miniaturization, portability, low power consumption, low cost, etc. This thesis mainly used an integrated method of visual inspection and ARM embedded system for studying on device surface crack detection, the following researches were launched. Firstly, in vi