教学课程资源库 更多>>

关键词： 滚磨光整加工   滚抛磨块   流场三维速度   数字图像处理技术   耦合仿真  

摘要： 滚磨光整加工技术作为一种典型的机械加工技术,主要用于提升工件表面质量。该技术有着加工范围广泛、加工成本低以及加工能力强等优点。滚抛磨块作为滚磨光整加工的介质,其冲击速度对零件的加工效果有着重要的影响,并且由其组成的滚抛磨块流场的运动速度也影响着零件的加工质量。因此,为了提升滚磨光整加工的加工效果,需要深入研究滚抛磨块流场的速度。当前在滚磨光整加工中,对于滚抛磨块流场速度测试的方法存在着只能间接获得流场速度、操作困难、测试过程中对流场存在干扰、只能实现二维滚抛磨块流场的测试等问题,而为了解决这些问题进行了如下研究: (1)根据滚抛磨块流场的特点,分析了现有的流场测试技术的优缺点(接触式流场测试技术以及非接触式流场测试技术),根据数字图像处理技术搭建了基于双相机的滚抛磨块流场三维速度测试系统以及基于单相机的滚抛磨块流场三维速度测试系统。详细介绍了两种系统的组成以及工作原理,包括图像的采集、前处理算法、位移计算算法以及后处理算法。其中,前处理算法包含灰度处理、高斯滤波和子集划分等步骤,位移计算算法用于计算滚抛磨块流场的位移信息,而后处理算法用于进一步分析和优化测试结果。这两种测试系统在对滚抛磨块流场进行测试时不干扰流场,并且测试速度较快,可以实现对滚抛磨块流场全局的测试。 (2)为了验证两种测试系统的稳定性以及准确性进行了滚抛磨块流场的位移测试实验。将滚抛磨块放置于容器中分别沿着平面内(X方向)和平面外(Z方向)进行平移,每平移0.5 mm时相机拍摄一次,共平移5 mm。两种系统在X方向和Z方向上测试得到的位移值与实际施加的位移值基本一致,而未施加位移的两个方向上测试得到的位移值基本为零。对测试结果进行了平均位移误差以及标准偏差的计算,证明了这两种测试系统具有较好的稳定性与准确性 (3)使用两种滚抛磨块流场三维速度测试系统对立式振动式滚磨光整加工的滚抛磨块流场进行测试,得到了滚抛磨块流场的三维速度。使用EDEM软件与Recur Dyn软件对立式振动式滚磨光整加工的滚抛磨块流场进行耦合仿真,得到滚抛磨块流场的三维速度。将两种滚抛磨块流场三维速度测试系统测试得到的滚抛磨块流场三维速度图与仿真得到的滚抛磨块流场三维速度图进行对比,发现测试得到的滚抛磨块流场速度变化规律与仿真得到的一致。证明了本文所建立的两种滚抛磨块流场三维速度测试系统的可行性,为滚抛磨块流场三维速度的研究提供了新的方法。

关键词： 电液伺服   数字图像处理   视觉伺服   幅相控制   自适应滤波  

摘要： 随着信息技术的发展和成熟,以及工业4.0概念的提出,对于生产智能化的要求也越来越高,尤其在如航空航天、精密医疗、半导体制造、无人设备开发等未来领域。而利用视觉伺服系统融入特殊工业环境中,不仅能够帮助设备灵活应对复杂的生产环境,实现对于目标的精准高效的控制,并可对多目标进行控制,提高生产经济性,有针对性地改变生产加工模式。 本文主要对电液视觉伺服作动器位置监测开展研究,主要研究内容如下: 首先,对伺服系统的工作结构和运动控制特性进行分析,并完成了系统本体与各模块的设计方案。在硬件设计方面,完成对系统各组成部分设备选型与设计。 其次,在视觉处理检测系统方面,完成了环境图像处理、基于深度学习的视觉检测功能与目标定位算法设计。在图像的预处理过程中,为视觉功能正常运作的先决条件,以及通过对图像边缘检测方面的策略优化提升了工业相机在复杂环境下的图像检测性能。 再次,建立电液伺服模型,对自适应幅相控制策略进行了深入研究。通过对比分析LMS算法中的定步长与变步长两种控制策略,将这些控制策略与控制模型相结合,并进行了仿真实验。对后续的位置伺服实验内容提供了坚实的理论依据和技术支持。 最后,完成系统软件部分的设计并进行全面的功能性测试。验证本研究提出的方法在电液伺服作动器位置检测和运动识别方面的有效性和可靠性。对作动器实验台在空载、工业噪声和控制干扰状态下进行测试,实验结果充分证实系统和算法的功能性。

摘要： 数字图像处理技术的出现，使得图像信号能够转化为数字信号并被计算机所处理。智慧交通系统可以借助数字图像处理技术这一技术，进行车辆车牌号码的识别，达到辅助智慧管理的目的。文章提出了通过数字图像处理，对车牌图像进行灰度化、降噪、二值化、边缘检测、形态学运算、轮廓筛选、车牌矫正、字符分割和模板匹配等一系列操作，最后得到图像中车辆的车牌号码信息的方法。

关键词： 刀具预调仪   数字图像处理   边缘检测   亚像素  

摘要： 刀具预调仪在机加工过程中占据了较为主要的地位,其能够快速、精确地对刀具进行预调测量,从而大大减少了机加工时装刀步骤的用时,提高了机加工的效率。本文旨在构建一个基于高精度的图像式刀具预调仪系统设备,采用图像测量技术对刀具几何参数进行快速精密测量。与传统的机械式或投影式测量方法相比,此方法具有非接触、高精度、高自动化和快速测量等优势。为实现这一目标,本文设计了一种由光学成像系统、机械结构部分和图像测量软件组成的刀具几何参数测量系统。其中的重点在于对刀具预调仪设备的搭建、初始化以及对其中的核心技术:边缘检测算法的改进。 对于本设备的搭建方面,本设备通过高精度工业相机采集刀具高清图像,并搭配设备相机标定,设备倾斜消除,光栅尺零点校准以及中轴线确定等初始化流程,从而尽量消除硬件方面的误差,最终获取刀具的精确尺寸参数。 对于测量系统的核心技术,即边缘提取算法,本文进行了深入的研究并基于传统算法进行了改进: (1)针对引导滤波区域滤波力度不够灵活的问题,提出了一种基于图像边缘灰度的自适应引导滤波正则项权重因子计算方式。并通过分段模型来减少了非边缘区域权重因子的计算量,从而在计算效率与滤波能力之间取得了较好的平衡性。通过对比实验证明本文算法在一些滤波指标上与对比算法相比较具有优势。 (2)针对Canny算子对于图像梯度的检测能力不足以及非极大值抑制粒度过粗,容易遗漏边缘点的问题,提出了改进卷积模板以及使用线性插值来进行非极大值抑制的方法。通过加强边缘提取算法的提取能力以及更加细致地非极大值抑制过程,使得图像的边缘提取能力以及抗噪能力有了提升。 (3)针对Zernike算子在实际高精度工业相机上的应用中,二阶边缘梯度模型过于理想的问题,提出了基于三阶边缘梯度模型的Zernike补偿公式,使得最终算法能够具有更高的准确率,通过实验证明,该算法的重复定位精度能够达到0.01mm,符合对刀场景的需求,搭配改进Canny算子的总体算法用时能够控制在0.5s内,计算效率也符合设备的实时性要求。 最后通过实验分别验证了本测量系统中算法的可行性以及重复测量精度,分析了误差来源,提出了一些改进措施。通过此系统,可以显著提高数控机床的加工质量和效率。

关键词： 覆膜圆柱锂电池   机器视觉   表面缺陷检测   数字图像处理  

摘要： 对于电池圆周面破膜缺陷检测,目前大部分的电池制造厂家还是采用人工检测的方式。人工检测的准确率难以保证,不能满足现代制造业的要求。而目前基于机器视觉的电池圆周面破膜缺陷检测算法无法有效辨别复杂干扰与破膜缺陷,同时难以检测程度轻微的破膜缺陷和位于电池正负极边缘处的破膜缺陷。本文针对这些需求,设计了基于机器视觉的破膜缺陷检测方案,降低了电池圆周面破膜缺陷的漏检率和误检率。 对电池圆周面图像采集系统进行了介绍,对覆膜圆柱锂电池圆周面破膜缺陷的形成原因进行了分析,为应对程度轻微的破膜缺陷难以被检测的问题,根据其是否露出金属外壳将其细分为露壳和褶皱两类缺陷,据此制定了检测方案,规划了检测算法流程。电池圆周面图像需要先进行露壳缺陷检测以初步检测是否存在破膜缺陷,然后进行褶皱缺陷检测以最终确定是否存在破膜缺陷。 对电池圆周面图像进行了区域定位,区域定位包括主体区域定位和喷码区域定位。通过灰度水平校正和最大类间方差法对电池主体区域进行了定位;通过动态阈值分割对电池喷码区域进行了定位,然后通过计算领域灰度均值对电池喷码区域进行了灰度填充。 在露壳缺陷检测方面,分析露壳缺陷特征,采用了基于中值滤波的露壳缺陷检测算法。该算法首先对图像进行中值滤波,然后将原图与滤波生成图进行作差,接着对差值进行阈值分割,最后根据露壳缺陷特征进行区域筛选。图库测试表明,该算法能有效检测电池圆周面露壳缺陷,该算法一定程度上改善了基于全局自适应阈值分割的露壳缺陷检测算法对复杂干扰误检率高的问题和位于电池正负极边缘处缺陷漏检率高的问题。 在褶皱缺陷检测方面,分析褶皱缺陷特征,采用了基于组合极值点特征角的褶皱缺陷检测算法。该算法首先对轴向灰度分布曲线极值点进行组合,然后计算组合极值点特征角余弦值,接着对组合极值点特征角余弦值进行阈值分割,最终根据褶皱缺陷特征进行区域筛选。图库测试表明,该算法能有效检测电池圆周面褶皱缺陷,该算法一定程度上改善了基于组合凹凸曲线段绝对幅值的褶皱缺陷检测算法对复杂干扰误检率高的问题和位于电池正负极边缘处缺陷漏检率高的问题。

关键词： 混凝土裂缝   数字图像   图像增强处理   图像分割   裂缝特征提取   UI界面设计  

摘要： 混凝土裂缝是影响混凝土构筑物的主要病害之一,因此混凝土裂缝检测是确保混凝土构筑物安全性的重要手段,具有重要工程应用价值。传统混凝土裂缝检测主要以人工检测为主,通常效率低下,且存在局部裂缝难以直接进行人工检测,大大增加了混凝土裂缝检测的难度与成本。随计算机高速发展,图像处理技术不断增强,现今混凝土裂缝检测工程实践中广泛应用图像处理技术,大量学者在混凝土裂缝检测领域持续耕耘,然而混凝土裂缝检测识别算法应用中仍存在较多亟待改进与完善的地方。本文采用MATLAB软件,对混凝土裂缝数字图像预处理、裂缝分割以及裂缝特征提取等环节采用不同图像处理算法,通过对比分析图像处理结果,从中筛选出适用范围较广、处理效果较好的图像处理算法,整合所有筛选的混凝土裂缝数字图像处理算法,使用MATLAB软件的APP Designer进行混凝土裂缝图像处理UI界面设计。主要研究内容为: (1)混凝土裂缝数字图像预处理研究。在混凝土裂缝数字图像预处理中,首先将图像转换为灰度图像,然后对混凝土裂缝灰度图像依次进行灰度变换、直方图处理、图像平滑以及锐化处理等图像增强处理,通过比较不同处理算法的处理效果,最终选择采用线性灰度变换、直方图均衡化处理、自适应中值滤波以及二阶微分算子拉普拉斯(Laplacian)算子完成混凝土裂缝数字图像的预处理过程。 (2)混凝土裂缝数字图像分割处理算法研究。在混凝土裂缝数字图像预处理结果图像的基础上,使用串行边界分割算法中的霍夫(Hough)变换,并行边界分割算法中的Soble算子、高斯拉普拉斯(Laplacian of Guassian)算子以及坎尼(Canny)算子等边缘检测算法,串行区域分割,并行区域分割算法中的人工阈值分割法、迭代阈值分割法、最大类间方差单阈值与多阈值分割法、以及K-means聚类分割算法共四大类型分割算法,分别进行混凝土裂缝数字图像分割处理,最后根据分割效果,综合考虑算法使用条件以及适用范围,选择采用K-means聚类分割算法对混凝土裂缝数字图像进行分割处理。 (3)混凝土裂缝数字图像特征提取与分析。混凝土裂缝数字图像中裂缝作为主要研究对象,其主要特征信息通常为边界特征信息与区域特征信息。边界特征信息包含混凝土裂缝轮廓线以及轮廓线长度,区域特征信息包括裂缝区域面积、裂缝区域面积占比、裂缝长度以及裂缝宽度。通过MATLAB软件实现了针对混凝土裂缝数字图像中每个裂缝区域的特征信息提取。 (4)混凝土裂缝数字图像识别计算应用程序UI界面设计。综合混凝土裂缝数字图像处理流程中预处理、裂缝分割处理以及裂缝特征信息提取分析等环节所运用的图像处理算法,采用MATLAB中的APP Designer进行算法整合,设计出标识符名称为Concrete crack digital image recognition calculation App UIFigure的UI界面,该混凝土裂缝数字图像识别计算应用程序包含“混凝土复杂裂缝识别计算”与“混凝土简单裂缝识别计算”UI界面,能够实现对混凝土裂缝数字图像中简单裂缝与复杂裂缝的图像预处理、裂缝分割、裂缝特征信息提取与保存。

摘要： 针对“数字图像处理与机器视觉”课程教学中存在教学内容陈旧、缺乏实践、考核方式不合理等问题，通过在实验教学中优化课程内容、调整教学模式及考核方式，并将科研项目渗透到教学过程中，以此提升学生的学习热情、知识运用能力及解决实际问题的能力。“数字图像处理与机器视觉”课程涉及光学、计算机科学、数学等多学科的知识内容，具有较强的理论性及实践性。课程内容涉及的相关技术可以应用在电力巡检、目标识别、零部件检测等方面，在电力、工业自动化和机器人领域具有广泛应用。

关键词： 玉米   深度学习   数字图像处理  

摘要： 玉米作为全球最重要的粮食作物之一,在全球粮食供应中占据了核心地位,其产量约占全球粮食总产量的三分之一。在我国,玉米不仅是重要的粮食作物,同时也是畜牧业的主要饲料来源,对确保国家粮食安全和促进农村经济发展具有不可替代的作用。传统上,农业生产者依靠人力进行田间出苗率调查和玉米果穗、籽粒特征提取,然而,随着计算机技术,尤其是深度学习和数字图像处理技术的飞速进步,现代农业研究已能借助这些技术来提高效率和精确度。本项研究通过深入应用深度学习与图像处理技术,对无人机捕获的玉米苗期高分辨率图像实施了精细的目标检测分析,并对其果穗和籽粒的细节特征进行了详尽评估。论文的结果如下: （1）本研究通过对无人机捕获的玉米苗期高分辨率图像,应用了多种深度学习模型进行了深入分析和比较。我们比较了九种目标检测模型,包括YOLOv8n、YOLOv5n、SSD、FCOS、YOLOv3-tiny、Retina Net、Deformable DETR、Cascade R-CNN和Faster R-CNN评估其在检测玉米幼苗方面的表现。在众多模型中,YOLOv8n以0.979的AP50和0.647的AP50:95指标表现最优,明显超越其他模型,其参数量和计算量分别为3.2M和8.7G,仅次于YOLOv5n。无人机高分辨率苗期图像的目标检测任务中,YOLOv8n模型因其出色的性能和高效的资源使用,成为了最优选择。 （2）选择了较为典型的四种目标检测（YOLOv8n、YOLOv3-tiny、Faster R-CNN、Defomermable DETR）算法在不同种植密度、不同叶龄、不同飞行高度下对玉米幼苗的检测和计数进行评估。随着种植密度的增加,所有模型的检测精度普遍下降,YOLOv8n在低密度时展示了较强的性能和鲁棒性。而Faster R-CNN在高密度环境下的检测和计数表现下降最为明显,13.5万株/hm2表现最差r RMSE为33.04%。不同叶龄阶段对检测算法的影响差异显著,其中YOLOv8n在中期叶龄阶段展现出优越的稳定性和准确度,V4为最优时期r RMSE为1.2%。随着叶龄的增长,大多数模型的性能呈现下降趋势。飞行高度的增加对所有模型的检测性能均有影响,尤其是在较高飞行高度,检测精度显著下降在此条件下,YOLOv8n相比其他模型展现了更好的适应性和性能稳定性。 （3）本文构建的玉米果穗、籽粒特征提取算法以实时对采集的果穗图像进行处理分析,实现对果穗长、宽、颜色特征、单面籽粒数量、籽粒数目、籽粒长度、籽粒宽度等参数的测量,结果显示黑、黄和白玉米果穗长的r RMSE分别为4.12%、6.91%和9.68%,穗宽的r RMSE分别为8.14%、5.65%和9.31%。单面籽粒计数的r RMSE分别12.00%、9.25%和9.58%。结果表明该方法准确率较高,性能好,对不同颜色的玉米也有良好的稳定性。并且通过算法提取的颜色特征分析发现,黄色、白色玉米品种的颜色特征在各个颜色通道上随时间的变化相对稳定,黑色玉米品种在随着时间变化所有颜色通道上的颜色值均显示出显著下降,在生育期间颜色变化最为显著。