基于机器视觉的注塑制品尺寸检测及表面缺陷识别-材料加工工程专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体 已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以 明确方式标明。本人完全意识到，本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索， 可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本论文属于 保密□ ，在 年解密后适用本授权书。 不保密□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 华 华 中 科 技 大 学 硕 士 学 位 论 文 I I 摘 要 随着注塑成型技术的不断发展，人们对注塑制品的尺寸精度与表面质量要求越来越 高。目前国内注塑制品的尺寸检测和表面缺陷识别主要以人工方式进行，自动化程度 不高且效率低下。基于机器视觉的检测技术具有非接触性、高柔性及速度快的特点， 可代替人工检测，实现检测任务的高效化、自动化和智能化。本文研究了利用机器视 觉技术对注塑制品关键尺寸进行检测以及对表面缺陷进行识别。 本文完成了注塑制品尺寸检测及表面缺陷识别系统的硬件和软件部分的整体设计， 包括关键硬件，如光源、工业相机及镜头等的选型，软件系统框架和功能模块的设计。 并基于 MFC（Microsoft Foundation Classes）开发了图形用户界面。 针对注塑制品图像处理难题，重点研究了在本文的尺寸检测系统中涉及到的图像处 理关键技术，如图像灰度化、图像增强、图像滤波、图像分割、图像边缘检测技术等， 并在对比实验效果的基础上选择了对本文制品图像处理效果较好的算法，准确地提取 了制品的边缘，为后续尺寸检测任务打下良好的基础。 本文在研究 Hough 变换的基础上，提出了一种适合本文注塑制品的直线特征检测 算法，并使用该算法对图像中的直线特征进行识别，该方法能在保证检测效果的前提 下减少传统 Hough 变换的存储量和计算时间。在检测的直线特征的基础上，实现了对 注塑制品关键尺寸的检测，并通过实验验证了检测精度，同时进行了误差分析。 针对当前注塑制品表面缺陷识别算法需手动提取特征、需要专业知识的缺点，提出 一种基于卷积神经网络(Convolutional Neural Networks, CNNs)的注塑表面缺陷识别方 法。方法对传统卷积神经网络结构进行了改进，优化了网络，并以注塑制品的短射、 熔接纹缺陷为研究对象，通过实验验证了其识别效果。实验结果表明，网络对短射、 熔接纹缺陷的识别率分别达到 99.91%、99.08%。 关键词：注塑制品；机器视觉；尺寸检测；缺陷识别；卷积神经网络 II II Abstract With the development of injection molding technology, the dimensional accuracy and surface quality of injection molded products have become demanding increasingly. However, the dimensional inspection and surface defect recognition of injection molded products mainly rely on manual sampling detection today, which is low degree of automation and inefficient. The machine vision detection technique has characteristics of non-contact, high flexible and efficient, so it can achieve high efficiency, automation and intelligent detection tasks instead of artificial detection technology. This paper aims to use machine vision technology to inspect the key dimensions and recognize the surface defects of the injection