摘 要

随着我国生产力的不断提高，各种各样重要的零件也加入到车间的生产过程中，如汽车发动机的缸体、缸盖等。在这些零件的加工装配过程中，难免会遇到螺钉的装订以及零件之间的配合过程，对于这些精细活，让机器通过程序自动完成难免会出现一些差错造成一些成本损失，因此对这两个过程增加检测环节是非常有效的措施。本文结合机器人视觉原理及应用技术研究了如何在工业生产领域通过机器视觉的方法去检测螺钉的漏装以及缝隙尺寸的测量并通过仿真结果验证了本文方法的合理性。

针对螺钉漏装检测，主要研究了图像的特征，并从众多特征中选择了HOG特征作为检测依据；识别方法从众多机器学习算法中选择了SVM算法，研究了SVM算法应用的一些领域以及训练方法；同时对螺钉定位与图像分割方法进行了一定的研究，也比较了不同图像滤波算法对最终结果的影响并从中确定了采用高斯滤波方法。

针对缝隙尺寸测量，研究了图像轮廓的原理和含义以及图像矩的概念，比较了霍夫变化与轮廓外接矩形的效果，从中确定了采用轮廓最小外接矩形的方法去测量缝隙尺寸，也研究了图像标定的方法和原理以及图像形态学操作的原理。同时自己搭建了螺钉和尺寸的检测环境并模拟了光照环境。

关键词：HOG特征、SVM、最小外接矩形、机器视觉

Abstract

With the continuous improvement of productivity in China, all kinds of important parts are also added to the production process of the workshop, such as the cylinder block and cylinder head of the automobile engine. In the process of machining and assembling these parts, it is inevitable to encounter the binding of screws and the matching process between the parts. For these fine work, it is inevitable that some errors will occur in the automatic completion of the machine through the program, which will cause some cost losses, so it is very effective to add the detection link to these two processes. Based on the principle of robot vision and its application technology, this paper studies how to detect the leakage of screws and the measurement of slot size by machine vision in industrial production.

To detect the missing screw, we mainly study the image features and select the HOG features from many features as the detection basis; the recognition method selects the SVM algorithm from many machine learning algorithms, and studies some fields of application and training methods of the SVM algorithm; at the same time, we also study the screw positioning and image segmentation methods.

The principle and meaning of image contour and the concept of image moment are studied in this paper. The effects of Hough's change and contour rectangle are compared. At the same time, the detection environment of screw and size was built and the illumination environment was simulated.

Keywords: HOG features, SVM、minimum external rectangle, machine visio

目录

1.绪论 1

1.1 研究背景与意义 1

1.2国内外研究现状 1

1.3研究内容 1

1.4论文结构 2

2. 系统方案设计 3

2.1系统框架论述 3

2.2待测螺钉和缝隙的准备 3

2.3 图像识别系统材料准备 4

3.图像预处理算法 8

3.1 图像滤波 8

3.2 边缘检测 10

3.3 霍夫变换 13

4.螺钉漏装检测方法 15

4.1方法概述 15

4.2 SVM 15

4.3 HOG特征选用依据 19

4.4 圆心定位与图像分割 20

4.5 SVM模型训练和预测 22

4.6结果演示 23

5.缝隙尺寸测量及光照环境模拟 25

5.1方法概述 25

5.2 形态学处理 27

5.3 像素率标定 27

5.4 最小外接矩形 27

5.5 缝隙测量结果演示 28

5.6串口通信 29

5.7 52单片机定时器 30

5.8 PWM波模拟 30

5.9 LED灯三级亮度演示 33

6.实验平台与实验数据分析 34

6.1螺钉漏装检测模块结果分析： 34

6.2缝隙尺寸测量模块分析 39

7.结论与未来研究展望 42

参考文献 43

致谢 44

附录 45

1.绪论

1.1 研究背景与意义

机器视觉是人工智能领域的一个方向，主要涉及机器学习、图像处理等内容，目前主要应用于机器人视觉、无人驾驶的研究，实时性毫无疑问是目前机器视觉最需要的一个突破点。目前较为流行的是采用Python语言去做一些机器视觉相关的工作，因为Python语言平台的开放性、跨平台性，使它能够较为容易的获取更多的资源如一些图像处理算法库、机器学习库、数学计算模块库等。但早期的图像处理算法都是通过C/C 编写的，执行速度非常快。