基于专家系统的微内孔表面质量精密检测技术的研究
|
摘要
微内孔类零件比如针阀体等在现代制造业中占有很大的比例。目前,国内针对孔径的精密测量主要采用传统的人工检测方法。这种方法不仅测量效率低,而且精度难以控制,为了实现快速、准确的自动检测和质量控制,本文针对微内孔的表面加工质量,进行了基于专家系统的精密检测技术的研究。
本文以图像处理为工具,结合模式识别技术和专家系统,以精密判别待检微内孔零件的表面质量为研究对象,对微内孔的精密检测进行了研究与设计。借助CCD摄像机,直杆光纤镜和采集卡获取图像,从硬件部分确保了微内孔图像的可靠性,提高了检测的准确性。基于对微内孔图像的灰度化、二值化、中值滤波、边缘检测、图像的阈值处理、轮廓提取、微内孔特征参数和统计参数的提取,通过模式识别和专家系统,完成了对待检零件的精密检测。论文针对针阀体微内孔的表面质量,对该检测技术进行了研究,借助计算机编程与实验处理,归纳设计一种基于专家系统的微内孔表面质量的精密检测技术,为各类工件表面质量的检测以及图像数字化采集、处理,专家系统和模式识别技术的应用提供了一定的技术支撑。
基于专家系统的微内孔精密检测系统,是光机电一体化的体现,将图像处理技术,专家系统与模式识别技术相结合,实现微内孔表面质量的精密检测,达到了较好的识别效果,因此对微内孔采用非传统检测方法的研究,具有很重要的应用价值。
Component parts with micro internal bore such as pin valve take up the very large proportion in the modern manufacturing industry. At present, traditional man-detection method is used widely in our country of the aperture's precise detection. This method is not only measuring inefficiency, and difficult to control the precision. In order to make fast and accurate automatic detection, and quality control, the micro internal bore surface quality is characterized by the technique, which is based on expert system precise detecting in this paper.
By tools of image processing combining pattern recognizing technique and expert system, this paper mainly object is how to realize the precise judgment on surface quality of the component parts, and make an intensive study on micro internal bore's detection. To make sure the micro internal bore image reliability in the hardware, the system uses CCD camera, straight rod optical fiber endoscope and acquisition card to obtain the image, and to raise the detection accuracy. Based on pattern recognition, expert system and image processing such as the gray, the value of two, the median filtering, edge detection, image threshold processing, contour extraction, characteristic and statistical parameter extraction of the micro internal bore and so on, to achieve the component precise detection. This thesis studies the detecting technique, with the needle valve surface quality of the micro internal bore. Using computer programming and experiment concludes a micro internal bore surface quality precise detecting technique, which is based on expert system, it provided technical support to such component surface quality detection, digital image acquisition and processing, expert system and pattern recognition technique.
This system is the embodiment of mechanical-photoelectric integration. It combines image processing technique, expert system and pattern recognition technique, satisfying the micro internal bore precise detection, achieving better identification effect. So studying on micro internal bore of the non-traditional detecting method, has an important application value.
本文以图像处理为工具,结合模式识别技术和专家系统,以精密判别待检微内孔零件的表面质量为研究对象,对微内孔的精密检测进行了研究与设计。借助CCD摄像机,直杆光纤镜和采集卡获取图像,从硬件部分确保了微内孔图像的可靠性,提高了检测的准确性。基于对微内孔图像的灰度化、二值化、中值滤波、边缘检测、图像的阈值处理、轮廓提取、微内孔特征参数和统计参数的提取,通过模式识别和专家系统,完成了对待检零件的精密检测。论文针对针阀体微内孔的表面质量,对该检测技术进行了研究,借助计算机编程与实验处理,归纳设计一种基于专家系统的微内孔表面质量的精密检测技术,为各类工件表面质量的检测以及图像数字化采集、处理,专家系统和模式识别技术的应用提供了一定的技术支撑。
基于专家系统的微内孔精密检测系统,是光机电一体化的体现,将图像处理技术,专家系统与模式识别技术相结合,实现微内孔表面质量的精密检测,达到了较好的识别效果,因此对微内孔采用非传统检测方法的研究,具有很重要的应用价值。
Component parts with micro internal bore such as pin valve take up the very large proportion in the modern manufacturing industry. At present, traditional man-detection method is used widely in our country of the aperture's precise detection. This method is not only measuring inefficiency, and difficult to control the precision. In order to make fast and accurate automatic detection, and quality control, the micro internal bore surface quality is characterized by the technique, which is based on expert system precise detecting in this paper.
By tools of image processing combining pattern recognizing technique and expert system, this paper mainly object is how to realize the precise judgment on surface quality of the component parts, and make an intensive study on micro internal bore's detection. To make sure the micro internal bore image reliability in the hardware, the system uses CCD camera, straight rod optical fiber endoscope and acquisition card to obtain the image, and to raise the detection accuracy. Based on pattern recognition, expert system and image processing such as the gray, the value of two, the median filtering, edge detection, image threshold processing, contour extraction, characteristic and statistical parameter extraction of the micro internal bore and so on, to achieve the component precise detection. This thesis studies the detecting technique, with the needle valve surface quality of the micro internal bore. Using computer programming and experiment concludes a micro internal bore surface quality precise detecting technique, which is based on expert system, it provided technical support to such component surface quality detection, digital image acquisition and processing, expert system and pattern recognition technique.
This system is the embodiment of mechanical-photoelectric integration. It combines image processing technique, expert system and pattern recognition technique, satisfying the micro internal bore precise detection, achieving better identification effect. So studying on micro internal bore of the non-traditional detecting method, has an important application value.
引文
[1]叶声华,郝继贵,王仲等.视觉检测技术及应用[J].中国工程科学,1999,(1)：50-51.
[2]王建明,浦昭邦,晏磊等.二维图像测量机系统的研究[J].仪器仪表学报,2001,22(4)：349-353.
[3]张书慧,陈晓光,张晓梅等.苹果、桃等农副产品品质检测与分级图像处理系统的研究.农业工程报,15(1)：201-204.
[4]W E Sandler, Wolfe R.R. An algorithm for stern detection using digital image analysis[J].Trans of the ASAE.1985,28 (2):641-644.
[5]W A Perkins. Model-based inspection system for component boards[J].Pattern Recognition,1984 (17):135-140.
[6]MARK BRADSHAW. The application of machine vision to the automated inspection of knitted fabrics[J]. Elsevier Science Ltd,1995,5 (2-3):233-243.
[7]马宏.管道机器人系统的研究.仪器仪表学报,2005：286-287.
[8]张国翊.基于神经网络的冷轧带钢表面质量检测系统研究与实现[D].长安大学硕士学位论文,2008.05.
[9]申志强.基于图像处理的冷轧薄板板形识别[D].重庆大学学位论文,2007.10
[10]魏晓燕.基于数字图像处理的椭圆型孔径自动检测系统[D].南京师范大学硕士学位论文,2002.04.
[11]孙辉,赵宏.药品包装盒上印刷缺陷的自动检测系统.包装工程,2004,25(1)：27-29.
[12]Chaoxin Zheng, Da-Wen Sun, Liyun Zheng. Recent applications of image texture for evaluation of food qualities — a review[J]. Trends in Food Science and Technology, 2006 (17):113-128.
[13]Jayson Tessier, Carl Duchesne, Gianni Bartolacci, A machine vision approach to on-line estimation of run-of-mine ore composition on conveyor belts[J]. Minerals Engineering,2007 (20):1129-1144.
[14]蒋先刚.数字图像模式识别工程软件设计[M].北京：中国水利水电出版社,2008.
[15]厉小润.模式识别的核方法研究[D].浙江大学博士学位论文,2007.11.
[16]魏宁.模式识别中图像匹配快速算法研究[D].兰州大学研究生学位论文,2009.11
[17]张震.数字图像处理中边缘提取和去噪算法研究[D].吉林大学博士学位论文,2009.06.
[18]王爱民,沈兰荪.图像分割研究综述[J].测控技术,2000,19(5)：1-7.
[19]罗文村,关于多种分割方法的综合集成的研究[J].现代计算机,2001(27)：38-41.
[20]李建美.标牌压印字符图像获取与处理中的关键技术研究[D].山东大学博士学位论文,2008.09.
[21]杨淑莹,边尊英.VC++图像处理程序设计[M].北京：清华大学出版社；北京交通大学出版社,2005.
[22]刘禾.数字图像处理及应用[M].北京：中国电力出版社,2005.12.
[23]张志云.基于图像处理的高精密视觉检测系统[D].广东工业大学工学硕士学位论文,2006.05.
[24]M.Egmont-Petersen, D.de Ridder, H.Handels, Image processing with neural networks — a review[J]. Pattern Recognition,2002 (35):2279-2301.
[25]章毓晋.图像处理和分析(图像工程上册)[M].北京：清华大学出版社,1999.
[26]O.Martinez, M. Parrilla, M. A. G. Izquierdo, et al. Application of digital signal processing techniques to synthetic aperture focusing technique images[J]. Sensors and Actuators,1999, (76):448-456.
[27]陈强,朱立新,夏德深.结合Canny算子的图像二值化[J].计算机辅助设计与图形学学报,2005,17(6)：1302-1306.
[28]张凯丽,刘辉.边缘检测技术的发展研究[J].昆明理工大学学报,2000,25(5)：36-39.
[29]吴冰,秦志远.自动确定图像二值化最佳阈值的新方法[J].测绘学院学报,2001,18(4)：283-286.
[30]董立菊.图像阈值化技术的综述、分类及评价[J].沈阳大学学报,2004,16(4)：8-11.
[31]余成波.数字图像处理及MATLAB实现[M].重庆大学出版社,2003.
[32]沈文武.因果图推理算法及专家系统应用研究[D].重庆大学博士论文,2005.06.
[33]顾艳艳.基于神经网络专家系统的胎面生产线故障诊断的研究[D].武汉理工大学硕士学位论文,2010.05.
[34]陈勇.基于机器视觉的表面缺陷检测系统的算法研究及软件设计[D].天津大学硕士学位论文,2006.01.
[35]胡东.基于分形与神经网络的工件表面质量检测研究[D].浙江工业大学硕士学位论文,2006.05.
[36]左俊.基于遗传神经网络的大气质量检测及评价研究[D].大连理工大学硕士学 位论文,2007.12.
[37]王梁.基于机器视觉的啤酒灌装质量检测系统研究[D].江苏大学硕士学位论文,2009.06.
[38]张秋佳,刘明珠.基于图像传感器的工件表面质量检测系统设计[J].机床与液压,2008,36(3)：154-159.
[39]张晓波.基于图像处理技术的表面质量缺陷自动检测系统的研究[D].天津大学硕士学位论文,2004.12.
[40]熊秋菊.基于机器视觉的内孔加工质量检测系统的研发[D].山东理工大学,2009.
[41]万海平.模式识别中核方法若干问题研究[D].北京邮电大学博士研究生学位论文,2005.05.
[42]S Ravikumar, K I Ramachandran, V Sugmaran. Machine learning approach for automated visual inspection of machine components[J]. Expert System with Applications,2010.
[43]Feng Duan, Yao-Nan Wang, Huan-Jun Liu, et al. A machine vision inspector for beer bottle[J]. Engineering Applications of Artificial Intelligence,2007 (20):1013-1021.
[44]Zhenyuan Jia, Bangguo Wang, Wei Liu, et al. An improved image acquiring method for machine vision measurement of hot formed parts[J]. Journal of Materials Processing Technology,2010 (210):267-271.
[45]陈蓉.基于数字图像处理技术的高精度仪表自动检定系统的研发[D].山东理工大学,2008.
[46]Bernard C. Jiang, S J Jiang. Machine vision based inspection of oil seals[J]. Journal of Manufacturing Systems,1998,17 (3):159-166.
[47]Hong-Dar Lin. Computer-aided visual inspection of surface defects in ceramic capacitor chips[J]. Journal of Materials Processing Technology,2007 (189): 19-25.
[48]Zhanfeng Shen, Jiancheng Luo, Chenghu Zhou, et al. System design and implementation of digital-image processing using computational grids[J]. Computers and Geosciences,2005 (31):619-630.
[49]甘凤萍,曲宏山.储粮害虫分类识别研究[J].微计算机信息,2006,22(6-1)：248-250.
[50]侯运河.基于网络环境的生产过程质量监控系统的研发[D].山东理工大学,2010.
[51]于松涛,徐振成.精通SQL Server2000数据库管理与开发[M].北京：人民邮电出版社,2001：177-365.
[52]魏俊鹏,于秋生C++ Builder实用编程100例[M].北京：中国铁道出版社, 2004.5
[53]刘光.C++ Builder数据库系统设计与开发[M].北京：清华大学出版社,2003.
[54]马永山.BCB编程技巧六则[J].常州工程职业技术学院学报,2004(39)
[55]马鑫,魏鹏旭,岳康.裂缝图像识别与特征参数算法的研究.科技资讯,2011(11)：47-48.
[56]徐涛.图像处理在车牌识别中的应用.科技与生活,2011(11)：199.
[57]乔宗立.一种在C++ Builder环境中调用Matlab数据的方法.湖北汽车工业学院学报,2001,15(4)：30-33.
[58]李莉,孙立军,陈长.适于路面破损图像处理的边缘检测方法.同济大学学报(自然科学版),2011,39(5)：688-692.
[59]姜丽.基于灰度图像的人脸检测算法的研究.忻州师范学院学报,2011,27(2)：19-20.
[60]王龙,付凤岚,肖义成.基于图像处理的矿石生产运输信息识别系统.武汉理工大学学报(信息与管理工程版),2011,33(3)：367-370.
[2]王建明,浦昭邦,晏磊等.二维图像测量机系统的研究[J].仪器仪表学报,2001,22(4)：349-353.
[3]张书慧,陈晓光,张晓梅等.苹果、桃等农副产品品质检测与分级图像处理系统的研究.农业工程报,15(1)：201-204.
[4]W E Sandler, Wolfe R.R. An algorithm for stern detection using digital image analysis[J].Trans of the ASAE.1985,28 (2):641-644.
[5]W A Perkins. Model-based inspection system for component boards[J].Pattern Recognition,1984 (17):135-140.
[6]MARK BRADSHAW. The application of machine vision to the automated inspection of knitted fabrics[J]. Elsevier Science Ltd,1995,5 (2-3):233-243.
[7]马宏.管道机器人系统的研究.仪器仪表学报,2005：286-287.
[8]张国翊.基于神经网络的冷轧带钢表面质量检测系统研究与实现[D].长安大学硕士学位论文,2008.05.
[9]申志强.基于图像处理的冷轧薄板板形识别[D].重庆大学学位论文,2007.10
[10]魏晓燕.基于数字图像处理的椭圆型孔径自动检测系统[D].南京师范大学硕士学位论文,2002.04.
[11]孙辉,赵宏.药品包装盒上印刷缺陷的自动检测系统.包装工程,2004,25(1)：27-29.
[12]Chaoxin Zheng, Da-Wen Sun, Liyun Zheng. Recent applications of image texture for evaluation of food qualities — a review[J]. Trends in Food Science and Technology, 2006 (17):113-128.
[13]Jayson Tessier, Carl Duchesne, Gianni Bartolacci, A machine vision approach to on-line estimation of run-of-mine ore composition on conveyor belts[J]. Minerals Engineering,2007 (20):1129-1144.
[14]蒋先刚.数字图像模式识别工程软件设计[M].北京：中国水利水电出版社,2008.
[15]厉小润.模式识别的核方法研究[D].浙江大学博士学位论文,2007.11.
[16]魏宁.模式识别中图像匹配快速算法研究[D].兰州大学研究生学位论文,2009.11
[17]张震.数字图像处理中边缘提取和去噪算法研究[D].吉林大学博士学位论文,2009.06.
[18]王爱民,沈兰荪.图像分割研究综述[J].测控技术,2000,19(5)：1-7.
[19]罗文村,关于多种分割方法的综合集成的研究[J].现代计算机,2001(27)：38-41.
[20]李建美.标牌压印字符图像获取与处理中的关键技术研究[D].山东大学博士学位论文,2008.09.
[21]杨淑莹,边尊英.VC++图像处理程序设计[M].北京：清华大学出版社；北京交通大学出版社,2005.
[22]刘禾.数字图像处理及应用[M].北京：中国电力出版社,2005.12.
[23]张志云.基于图像处理的高精密视觉检测系统[D].广东工业大学工学硕士学位论文,2006.05.
[24]M.Egmont-Petersen, D.de Ridder, H.Handels, Image processing with neural networks — a review[J]. Pattern Recognition,2002 (35):2279-2301.
[25]章毓晋.图像处理和分析(图像工程上册)[M].北京：清华大学出版社,1999.
[26]O.Martinez, M. Parrilla, M. A. G. Izquierdo, et al. Application of digital signal processing techniques to synthetic aperture focusing technique images[J]. Sensors and Actuators,1999, (76):448-456.
[27]陈强,朱立新,夏德深.结合Canny算子的图像二值化[J].计算机辅助设计与图形学学报,2005,17(6)：1302-1306.
[28]张凯丽,刘辉.边缘检测技术的发展研究[J].昆明理工大学学报,2000,25(5)：36-39.
[29]吴冰,秦志远.自动确定图像二值化最佳阈值的新方法[J].测绘学院学报,2001,18(4)：283-286.
[30]董立菊.图像阈值化技术的综述、分类及评价[J].沈阳大学学报,2004,16(4)：8-11.
[31]余成波.数字图像处理及MATLAB实现[M].重庆大学出版社,2003.
[32]沈文武.因果图推理算法及专家系统应用研究[D].重庆大学博士论文,2005.06.
[33]顾艳艳.基于神经网络专家系统的胎面生产线故障诊断的研究[D].武汉理工大学硕士学位论文,2010.05.
[34]陈勇.基于机器视觉的表面缺陷检测系统的算法研究及软件设计[D].天津大学硕士学位论文,2006.01.
[35]胡东.基于分形与神经网络的工件表面质量检测研究[D].浙江工业大学硕士学位论文,2006.05.
[36]左俊.基于遗传神经网络的大气质量检测及评价研究[D].大连理工大学硕士学 位论文,2007.12.
[37]王梁.基于机器视觉的啤酒灌装质量检测系统研究[D].江苏大学硕士学位论文,2009.06.
[38]张秋佳,刘明珠.基于图像传感器的工件表面质量检测系统设计[J].机床与液压,2008,36(3)：154-159.
[39]张晓波.基于图像处理技术的表面质量缺陷自动检测系统的研究[D].天津大学硕士学位论文,2004.12.
[40]熊秋菊.基于机器视觉的内孔加工质量检测系统的研发[D].山东理工大学,2009.
[41]万海平.模式识别中核方法若干问题研究[D].北京邮电大学博士研究生学位论文,2005.05.
[42]S Ravikumar, K I Ramachandran, V Sugmaran. Machine learning approach for automated visual inspection of machine components[J]. Expert System with Applications,2010.
[43]Feng Duan, Yao-Nan Wang, Huan-Jun Liu, et al. A machine vision inspector for beer bottle[J]. Engineering Applications of Artificial Intelligence,2007 (20):1013-1021.
[44]Zhenyuan Jia, Bangguo Wang, Wei Liu, et al. An improved image acquiring method for machine vision measurement of hot formed parts[J]. Journal of Materials Processing Technology,2010 (210):267-271.
[45]陈蓉.基于数字图像处理技术的高精度仪表自动检定系统的研发[D].山东理工大学,2008.
[46]Bernard C. Jiang, S J Jiang. Machine vision based inspection of oil seals[J]. Journal of Manufacturing Systems,1998,17 (3):159-166.
[47]Hong-Dar Lin. Computer-aided visual inspection of surface defects in ceramic capacitor chips[J]. Journal of Materials Processing Technology,2007 (189): 19-25.
[48]Zhanfeng Shen, Jiancheng Luo, Chenghu Zhou, et al. System design and implementation of digital-image processing using computational grids[J]. Computers and Geosciences,2005 (31):619-630.
[49]甘凤萍,曲宏山.储粮害虫分类识别研究[J].微计算机信息,2006,22(6-1)：248-250.
[50]侯运河.基于网络环境的生产过程质量监控系统的研发[D].山东理工大学,2010.
[51]于松涛,徐振成.精通SQL Server2000数据库管理与开发[M].北京：人民邮电出版社,2001：177-365.
[52]魏俊鹏,于秋生C++ Builder实用编程100例[M].北京：中国铁道出版社, 2004.5
[53]刘光.C++ Builder数据库系统设计与开发[M].北京：清华大学出版社,2003.
[54]马永山.BCB编程技巧六则[J].常州工程职业技术学院学报,2004(39)
[55]马鑫,魏鹏旭,岳康.裂缝图像识别与特征参数算法的研究.科技资讯,2011(11)：47-48.
[56]徐涛.图像处理在车牌识别中的应用.科技与生活,2011(11)：199.
[57]乔宗立.一种在C++ Builder环境中调用Matlab数据的方法.湖北汽车工业学院学报,2001,15(4)：30-33.
[58]李莉,孙立军,陈长.适于路面破损图像处理的边缘检测方法.同济大学学报(自然科学版),2011,39(5)：688-692.
[59]姜丽.基于灰度图像的人脸检测算法的研究.忻州师范学院学报,2011,27(2)：19-20.
[60]王龙,付凤岚,肖义成.基于图像处理的矿石生产运输信息识别系统.武汉理工大学学报(信息与管理工程版),2011,33(3)：367-370.