基于机器视觉的玻璃质量在线检测系统设计毕业论文.doc

PAGE 本科生毕业论文（设计） 题 目：基于机器视觉的玻璃质量在线检测系统设计 目录 TOC \o 1-2 \h \z \u 摘 要 h I Abstract h II 1 绪论 h 1 1.1研究背景与意义 h 1 1.2 国内外研究现状 h 2 1.3 主要研究内容 h 2 2 图像采集 h 4 2.1 图像采集硬件——工业相机 h 4 2.2 图像采集硬件——图像采集卡 h 6 2.3 图像采集硬件——图像采集光源 h 6 2.4 图像采集硬件——流程搭建 h 7 2.5 图像采集硬件总结 h 7 3 图像处理 h 8 3.1 图像预处理 h 8 3.2 图像特征变量及参数提取 h 14 3.3 工业玻璃瓶质量检测参数 h 19 4 BP神经网络 h 21 4.1 BP网络神经元及模型 h 21 4.2 BP网络的学习 h 22 4.3 BP网络泛化能力 h 25 4.4 玻璃瓶壁检测系统的BP网络设计 h 26 5 自我评价 h 31 参考文献 h 32 致谢 h 34 PAGE II 基于机器视觉的玻璃质量在线检测系统设计 摘 要 众所周知，随着时代的发展，玻璃制品由于具有诸多优点而使其被广泛应用在日常生活中。玻璃容器的耐热耐压耐清洗的特点使其可以被多次周转使用。在运输与储存中，关键取决于其质量。传统玻璃瓶质量检查主要靠人工来完成，不仅耗费巨大的人力资源，而且速度很慢。为解决该问题，本课题提出了机器视觉取代人工视觉，利用神经网络算法取代人的大脑。这样一来效率与经济效益得以提升。 该系统首先采用工业相机拍摄玻璃壁，上传到上位机。玻璃缺陷通常会出现碎纹、含气泡以及含杂质等问题，再利用图像处理的相关技术处理，例如去噪声，灰度，边缘检测再去噪，二值化等等，并最终取其关键特征值。 其次，采用人工神经网络算法对玻璃质量检测图像的关键值进行分析计算。而广为人知的是大部分人工神经网络模型是采用BP网络及其相关的变化形式。所以在该系统中也采取BP网络进行仿真建模。经试验证明，这种检测方法准确可行，而且独特。 关键词：玻璃质量；图像处理；BP神经网络；模拟仿真；特征值 The Design on the Quality of Glass On-line Detection System Based on Machine Vision Abstract Enjoying a good many advantages, Glassworks have been widely used in peoples daily life. Its characters of heatproofness, pressurization and washableness enable it can be used and recycled many times. The quality of glassworks determines whether the goods could be well transported and preserved. Traditionally, glassworks quality is checked by man, so, it leads to a huge waste of human resources and great inefficiency. In order to solve this problem, the idea that using machine vision to replace human vision, using Neural-Net Algorithms to replace human brain is put forward to promote efficiency and economic returns. Firstly, photos of the surface of a glasswork will be taken by industrial camera, and then uploaded to upper computer. The glassworks often have defects such as crackles, bubbles and impurities. Image processing technologies, for instance, the technologies of denoising, grey scale, edge detection, redeno