研究背景与意义.docxVIP

第 1 章 绪论 1.1 研究背景、目的及意义 1.1.2 研究的目的 目前,我国 XX 已基本实现了自动化生产,但是工件表面质量检测技术, 仍然停留在人工检测阶段,较进口的生产线落后[2-4]。人工检测工件质量问题, 分拣速度慢,无法与自动化的工件生产线相配套;其准确率也依赖于质检工人 的熟练程度和主观判断,容易出错;同时工人劳动强度大,生产成本也随之增 加[5]。而机器视觉的出现为工件表面缺陷检测和控制产品质量提供了技术保 证。 机器视觉技术是研究用计算机模拟生物外显或宏观视觉功能的技术[6]。它 是一项综合技术,其中包括机械工程技术、光源照明技术、传感器技术、数字 图像处理技术、人工智能、控制技术、电光学成像技术、计算机软硬件技术等 学科技术。上述技术在机器视觉中均是并列关系,只有相互协调组合运用才能 构成一个成功的工业机器视觉应用系统[7]。人类视觉系统的识别能力是有限 的,而机器视觉技术则能精确定量感知,并且在不可见物体和危险场景的感知 方面体现了其优越性。在工业领域中,该技术已成功地用于产品质量检验、零 件的识别与定位、精密测量、刀具磨损监控和移动机器人导航等领域[8-10]。同 时,机器视觉技术又是一种无破坏非接触性的检测方式,非常适合于工件表面 各参数指标的检测。基于机器视觉的工件质量智能检测分类系统具有客观、稳 定的检测能力,有效地解决了人工检测成品工艺存在的主观性误差。同时,还 能对检测到的信息进行分析处理,从而实现对工件的等级分类。 由此可知,机器视觉技术完全可以用来代替人工进行工件鉴别工作,实现 了从另一个角度来对工件进行更客观的判别分类,解决了工件检测的自动分类 问题。鉴于此,以机器视觉中的数字图像处理技术、人工智能技术和计算机软 硬件技术所组成的基于机器视觉工件质量智能综合检测,能够实现工件自动检 测分类的目的。 1.1.3 研究的意义 在工件生产工艺流程(原料—球磨制—喷雾塔干燥—压制成型—素烧—上 釉—釉烧—抛光—分级—包装—成品)中,目前该种工件的生产方式已高度自 动化,从原料到抛光各工序均在自动生产线上完成,而工人则主要集中在成品 的分级和包装工序[11]。若能研究出基于机器视觉工件质量智能综合检测系统, 并将其与自动化生产线相结合则可以使自动化生产的生产率提高;同时工人的 劳动强度大大降低;工人可以不必再在工件的分级工序中工作,工人尘肺现象 发生概率降低;能进行客观的分类判别,避免了人工主观判别的局限性,对于 产品的质量把关精确度更高,保证了产品符合不同等级标准以满足市场需求 为此,很多生产公司都引进了基于机器视觉的带钢表面缺陷检测技术,其目的是能够实现对工 件表面缺陷的记录、显示和识别,能够直观 地、及时地获得工件的表面缺陷信息,提前减少异常表面缺陷对工件品质的影响;获得 成品表面缺陷信息,为前工序提供设备异常信息,为客户提供成品工件表面质量状态。 综上所述,本课题的目的是通过对现有方法的改进,提出机器视觉工件面缺陷检测 的图像检测与分类的新方法,解决实际生产中工件表面缺陷系统中的相关问题,如何增强工件 表面缺陷分类结果的实用性的问题。即从业生产角度出发,对图 像检测与分类等多个方面进行研究以提高机器视觉表面缺陷检测系统在实际生产环境中的 性能和环境适应能力。本研究对工件表面缺陷检测分类技术在实际生产中的应用的具有重 大的 意义: (1)进一步提高机器视觉表面缺陷检测系统的国产化程度。国内钢企多采用欧美国家 的检测系统,国内仅能研发此类系统的辅助系统。本课题系统地对内部算法深入研究,能 提高系统的现场使用水平,并为系统的完全国产化打下坚实的基础。 (2)进一步提高检测的置信度,弱化主观判断即使是在检测环境恶劣的现场也能获 得更为准确的缺陷数据,从而降低工作枯燥度和对人身的危害,最终确保生产线平稳 运行。 (3)进一步提高检测的科学性,为工业的标准化生产提供准确的数据信息,为生产提 供控制信号,提高生产系统整体的自动化程度,最终突破制约产业转型升级的关键技术, 完善人员结构配置。 (4)提高检测的一致性,保护设备不受缺陷影响,并降低返工成本。在工件生产过程 中如果前工序不能在线检出某些严重的表面缺陷,那么缺陷可能引起后续设备故障,或者 被引入后工序,这可能导致整批产品的降级、重加甚至报废。