基于混沌特性的磁瓦表面缺陷视觉提取方法研究-机械电子工程专业论文.docxVIP

摘要 摘要 重庆 重庆理工大学硕士学位论文 摘 要 磁瓦在烧结和打磨等加工过程中产生的裂纹、偏磨和崩块等缺陷，在电机持续使 用中会不断扩大，严重影响到电机的性能、寿命和生产安全。当前的人工目视检测效 率低、检出率不可靠。采用机器视觉进行缺陷检测是国内外研究热点，由于其方法大 多需建立在稳定有序的数据基础上，不适用于磁瓦尺寸规格多样、背景复杂、缺陷不 规则甚至微弱缺陷等情况。本文提出了基于混沌特性的磁瓦表面缺陷视觉提取方法， 利用混沌系统的初值敏感性和参数敏感性，采用图像处理、混沌理论和神经网络技术 相结合的方法，进行了磁瓦表面缺陷分类和提取研究。针对偏磨和崩块缺陷，提出了 一种新的阈值方法。本文结合开源视觉函数库 OpenCV，成功地对磁瓦的缺陷检测提 取算法进行了系统设计，实验结果验证了其检测结果高效准确。该检测方法具有创新 性。 本文的主要研究内容分为图像预处理、混沌分析和缺陷提取三个部分： 首先是图像预处理过程，使用霍夫直线变换和图像透视变换进行了磁瓦表面图像 的抠图处理，并对磁瓦图像进行了图像滤波和直方图变换等常用图像预处理操作。 其次，提出了一种新的时间序列生成方法，将预处理图像转化为灰度图，计算每 相邻两列之间的线性相关系数组成时间序列并滤波。后使用 C-C 方法对该时间序列 进行分析，并利用由此所计算得到的时间延迟和嵌入维数使用 wolf 方法计算其最大 Lyapunov 指数，同时计算灰度图像的信息熵。将最大 Lyapunov 指数和信息熵作为混 沌特性参数送入 BP 神经网络进行训练，并对偏磨、崩块和裂纹缺陷进行了参数分类 试验，试验结果准确，效果良好。 最后使用了 OpenCV 函数库对不同磁瓦缺陷进行了提取。其中针对偏磨和崩块缺 陷提出了一种新的阈值方法，针对裂纹缺陷使用了自适应阈值方法，函数返回了缺陷 的面积信息和位置信息，准确提取出了磁瓦缺陷。 关键词：图像处理，混沌理论，缺陷提取，OpenCV，Lyapunov 指数，神经网络 Ab Abstract 重庆 重庆理工大学硕士学位论文 V Abstract Arc magnet surfaces defects such as wear scar， crack， chamfer and other complex defects were generated in the production process. Those defects would seriously affect the performance， service life and safety of the motor. Now， the manual visual detections efficiency is low and the rejection rate is unreliable. At the present time， the study of machine vision in the field of defects detection gradually becomes hot at both domestic and foreign. Most of the methods are constructed on the basis of the stable and orderly data， those are not available for the variable sizes， complex background， and even faint signals of the defects. This thesis presents an extraction and judgment method of the image based on the characteristic information of the arc magnet surfaces defects. With the method of combining image processing， chaotic time series analysis， neural network and the use of OpenCV， a test of extraction of the magnet surfaces defects was conducted， the result is accurate. This extraction method is innovative. The paper mainly includes three parts below: image preprocessing，