| 题名 | 零件表面裂纹识别算法的研究 |
| 作者 | 李万旭 |
| 答辩日期 | 2018 |
| 导师 | 张永贵 |
| 关键词 | 裂纹检测 裂纹曲线拟合 图像处理算法 裂纹特征提取 |
| 学位名称 | 硕士 |
| 英文摘要 | 零件表面裂纹检测是质量检测环节中不可或缺的部分。人们可以经常看到各种各样的安全事故是由于零部件在工作过程中,不断受到交变载荷的作用,最终由于受力过程中载荷加载不均,或者是由于应力集中等从而导致零部件的突然断裂,严重时甚至会导致操作者的生命受到危害。因此,必须要在机器工作前检测某些重要零部件的情况,避免安全事故的发生。但是由于目前并没有成熟可靠的检测手段,国内外当前大多数是采用人工检测的方法来检测零部件的裂纹情况,这种检测办法有很多的弊端,并没有从根本上提高工作效率。并且,人工识别存在精度不高等问题,并不利于对零部件裂纹部分的识别。本文采用一种基于Matlab图像处理工具箱来对采集到的零部件表面的裂纹进行相关特征的提取,为其提供轨迹参数从而方便使用加工机器人对零部件表面的裂纹进行加工。因此必须采取合适的算法来对裂纹图像进行识别,本文从以下几步对零件的表面裂纹进行提取。首先,对零部件的表面裂纹图像进行适当的预先处理。先利用Matlab软件中自带的图像工具箱相关函数绘制出裂纹图像的灰度分布直方图。由于工程现场光线照射不足,再加上金属本身的质地,所以一般情况下金属表面裂纹图像的灰度值通常会集中在灰度值比较低的部分。因此有必要对灰度值进行一定程度的处理,将整幅灰度图像的对比度提高。数字图像无论是在图像的采集还是在其他步骤中总是会被外部的一些信号所干扰,针对噪声信号干扰的情况我们要采取合理的手段来滤除一些外部干扰信号。本文通过将各种不同的噪声去除算法以及其相应结果作比较,然后再根据图像处理的结果完善修改部分图像处理算法,得出一种新的中值滤波算法。然后再次对比不同算法的效果图,发现改进中值滤波算法的效果相对其余几种算法在去噪方面更有优势。预处理过后的数字图像紧接着必须要对数字图像进行分割,即把图像变成“0-1”图像。要想把图像变成“0-1”图像则必须寻找最优的阈值来对图像进行分割。本文经过对比之后发现,采用K-Means聚类分割算法相对其余几种分割算法效果更让人满意。数字图像被分割成“0-1”图像之后,仍然会有边缘毛刺等噪声,因此必须要采用形态学的办法来对“0-1”图像中的边缘毛刺等干扰信息进行滤除,最后得到一幅边缘相对平滑的二值化的图像。对零件表面裂纹的数字图像处理的最终目的是要获取裂纹的各种几何特征参数信息,比如裂纹的长度,圆形度等几何参数。在此基础上,通过最小二乘法拟合图像的走势,得出裂纹图像曲线的数学函数表达式,并分析拟合误差,为后续机器人加工提供轨迹依据。 |
| 语种 | 中文 |
| 页码 | 82 |
| URL标识 | 查看原文 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/93504]  |
| 专题 | 兰州理工大学 |
| 作者单位 | 兰州理工大学 |
| 推荐引用方式 GB/T 7714 | 李万旭. 零件表面裂纹识别算法的研究[D]. 2018. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论