MATLAB对加工精度的图像分析检测系统
对于实际加工产品精度检测是工件制造过程中的重要环节，产品加工精度的高低是作为工件质量好坏的一项主要指标。为了严格保证工件的质量，在产品粗加工和精加工之后都要求进行加工精度检测。加工精度的检测对于分析工艺过程的准确性、确定机床的调整尺度、确保产品的加工精度具有非常重要的作用。传统的分析方法通过人工进行，简单机械测量，其工作量大，计算繁琐、检测精度不高。然而，现代科学技术的发展要求工件检测速度快、工件加工精度高，这就要求减少加工误差，保证加工过程的稳定，提高工件加工精度的检测能力。传统的分析方法已经满足不了现代加工业的发展需求。因此，本文提出了一种基于matlab对实际工件加工精度的图像分析检测系统，具有高时效，高精度等优点。
本文先是用相机对标准工件进行拍摄来采集图像，然后对采集来的图像进行预处理。经过图像灰度化、图像数据调整、图像中值滤波、图像分割，把一些干扰的噪声和无用的背景去除后得到目标图像，然后从目标图像中提取出每个样本的有效特征值。下来就介绍了一种数据优化的方法：主成分分析法，并对上文提取出的数据用这方法进行处理。通过matlab软件，用支持向量机方法对数据进行分析处理，通过这种方法，能够直观的看出每个待测样本工件的加工精度是否达到了要求。最后设计了用于检测工件精度的系统，并对硬件部分和软件部分作了详细的介绍。
关键词 MATLAB 工件加工精度 图像预处理 数据优化 支持向量机 检测系统 M000210
The image analysis detection system of the machinnig precision of actual workpiece based on MATLAB
Abstract Machining precision detection is an important part of the workpiece manufacturing process.The maching precision is an important indicator for the quality evaluation of the workpieces. In order to ensure the quality of the workpiece,maching precision detection should be required after the workspecies have been processed roughly or semi-finely or finely. The machining accuracy of detection plays an important role in analysing the uncertainty of the technical process and determining the setting accuracy of the machine tool or ensuring the quality of the products. The traditional analysis method is based on the manpower,so workload is very big and the calculation is complicated,the precision is low. However, with the development of modern science and technology,fast speed and high accuracy detection is needed.In other words,it requires reducing the processing error, guaranteeing the stability of the process and improving the machining precision of the detection ability.The traditional analysis method is not satisfied the demand for the development of modern processing industry.Therefor,the image analysis detection system of the machinnig precision of actual workpiece based on MATLAB is provoked in this paper.and it has some advantages,such as faster speed、higher accuracy and so on[1].
In this paper，the images of the standard workspecies are obtained by camera firstly. Then these images are preprocessed.The target image is obtained by the adjustment of image data and the image filtering and the image threshold segmentation .These steps can remove some noiese and the unwanted background information ,and then the characteristic value of each sample can be extracted from the processed images.Then a data-optimized analysis methods is proposed：principal component analysis,and the extracted data above are processed in this method. Support vector machine is used for data analysis and processing in matlab.In this way, whether the machining accuracy is normal or not can be seen directly.Finally,the system used for detecting the precision of actual workpiece is designed,and hardware part and software part are described in detail[3].
Key words MATLAB machining accuracy of the workspecies image preprocessing data optimization support vector machine.
目 录查看完整请+Q:351916072获取
摘要 I
Abstract II
第一章 绪论 1
1.1研究背景和目的 1
1.2 国内外研究现状 2
1.3研究的主要内容 3
第二章 matlab简介和数字图像处理简介 5
2.1 matlab简介 5
2.2数字图像处理简介 7
第三章 图像的采集与预处理 11
3.1图像的获取 11
3.2图像预处理 11
3.2.1 图像灰度化处理 11
3.2.2 图像数据调整 12
3.2.3 图像滤波 12
3.2.4 图像分割 13
3.2.5 特征值提取 14
第四章 数据优化及模式识别 17
4.1 数据优化——主成份分析法 17
4.1.1 基本思想与方法 17
4.1.2 主成份分析法的步骤 18
4.2 主成份分析特征优化 20
4.3 模式识别——支持向量机（SVM） 24
4.3.1 支持向量机理论 25
4.3.2 支持向量机分类建模 27
4.3.3 模式识别建模仿真结果 28
第五章 系统的构成与设计 31
5.1系统的总体方案设计 31
5.2硬件系统方案设计 32
5.2.1灯光系统 32
5.2.2摄像子系统 32
5.2.3摄像子系统 33
5.3软件系统工作流程 33
第六章 结论与展望 35
6.1 工作总结 35
6.2 工作展望 36
致 谢 37
参考文献 38
第一章 绪论 查看完整请+Q:351916072获取
1.1研究背景和目的
现代工业正向着机械加工自动化、高效化、标准化的方向发展，企业对产品的加工精度要求越来越高。在机械产品加工过程中，由于加工车床不稳、刀件损耗、道具偏移等问题都会直接或者间接影响机械工件的加工精度。而获得工件尺寸加工精度的重要方法是测量，测量又是产品加工工艺中的关键环节，是判断工件生产质量的主要手段。先进制造技术的发展，对工件测量提出了高精度、高效率、低成本等要求。现代化建设的高速发展对机械加工产品需求量迅速增加，对工件的标准度要求也是越来越高。然而，目前世界上大多数企业对机械产品标准的检测还主要停留在人工检测、机械装置检测、光学仪器检测等方面。这些检测方式根本不能满足机械产品高精度的要求。这些传统的检测方式[2]存在着一些缺点:①检测方式都采用抽样法以及样品检测，不能确保所有产品100%的在线检测，所以不能保证产品的生产质量；②大部分需要人为的去检测，由于肉眼长期反复地干同一件事，会引发视觉疲劳，极易带来检测误差，测量精度得不到保障；③不能用于在线、非接触测量；④这些检测方式仅限于产品精度要求不高，时间充足的操作。这些传统的检测方式与检测设备由于机械自动化控制程度差，不能用于产品生产现场的实时检测，大大降低了机械产品的生产、测量效率，甚至会增加了大量的人工成本。虽然现在有些工厂使用了一些自动检测设备与装置来代替人工检测，但是其在检测精度上仍然差强人意，检测的参数由于比较单一，并不能完全满足生产现场的需求，应用范围比较小[6]。
为了克服传统检测方式的不足，基于机器视觉[2]的非接触在线测量方式得以研究与发展。机械加工工业在线测量的主要服务对象是运行中的机械加工产品，机器视觉测量是设备系统同步工作的一种主动测量方式，即在设备运行的同时，利用测量系统对工件的加工尺寸或精度等一些参数进行直接测量并分析，整个测量过程仅需几秒钟的时间，从而达到对产品实时测量的效果。在线检测有利于及时发现机械生产过程中的生产次品并做出相应的补救措施，从而提高生产合格率，保障了一定的经济效益。近年来，在线测量技术得到了广泛的应用及拓展，国内外诸多学者对其做出了深入的研究与探讨。
机械生产的产品质量是企业所关心的问题，而产品质量坏的是由生产过程中每一道生产工序的标准程度来保证的。在现代化工业生产中由于生产速度太快从而使得传统的传感器无法准确的检测。在实际生产过程中，就要求对产品实时在线检测，以确定产品是否符合生产要求，所以有效的在线检测，是获得较高的生产率和高质量的产品保证。机器视觉[2]是解决这一问题的主要技术之一，它不但能克服传统传感器、计量器的低速度、大误差的缺点，避免手工检测的误差与实效性的局限，还可实现产品高精度检测与实时检测的要求，而且它能够实现对生产过程的全面监控，为生产过程提供有价值的数据，保证产品质量。因此计算机视觉技术的应用正逐步的渗透到工农业的现代话生产中去。
机械加工精度是加工后零件表面的实际尺寸、形状、位置三种几何参数与图纸要求的理想几何参数的符合程度。对几何形状而言，就是绝对的圆、圆柱、平面、锥面和直线等；理想的几何参数，对产品尺寸而言，就是平均尺寸；对表面之间的相互位置而言，就是绝对的平行、同轴、垂直、对称等。零件实际几何参数与理想几何参数的数值差称为加工误差。
支持向量机[20]是由Vapnik领导的AT&TBell实验室研究小组在1995年提出的一种新的非常有潜力的分类技术，SVM是一种基于统计学习理论的模式识别方法，主要应用于模式识别领域。由于当时这些研究尚不完善，在模式识别的研究上处于摸索阶段，且在算法上比较艰涩，导致模式识别问题一直没有得到充分的重视。直到90年代，统计学习理论[23] (Statistical Learning Theory，SLT)的实现和对机器学习方法的迫切需求，使得SVM迅速发展和完善。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。从此迅速的发展起来，现在已经在生物信息学，文本和手写识别等都取得了成功的应用。目前，国内对支持向量机应用于工件加工精度检测的研究还处在起步阶段。
1.2 国内外研究现状
机器视觉技术[2]是在20世纪50年代发展起来的一门新兴技术，近些年来的应用与发展非常迅速。机器视觉是研究使机器具有类似于生物视觉功能的一项新兴科学技术，涉及到计算机科学、生物学、物理学、图像处理学、人工智能学、模式识别等多个领域。它起源于两个方面：一方面来源于摄影测量学，利用计算机技术对所摄图像进行测量分析。首先利用摄影手段获得被测物体的图像信息，利用一定的数字化设备及算法将图像信息数字化，使其变为能够被计算机直接处理的数字化信息，再利用软件编制的算法程序，完成对被测物体所处场景的分析与计算，得到所需的信息；另一方面还来源于统计模式识别，起初的处理对象主要是被测物体的二维图像，对所得的二维图像进行分析与识别，如工件表面缺陷检测、电路板质量检测、航空图片分析与解释等。随着视觉技术的发展及应用需要，慢慢幵始转入了对三维机器视觉的研究。近年来，机器视觉在理论与实际应用中取得了很大的进展，应用领域包括测量与检验、材料搬运与分类、自动识别、机器人导航与控制等等，其在工业领域中的应用主要包括电子电气、汽车、制造、制药、包装等。在国外，机器视觉技术早已成功、广泛地应用于工业领域。例如，英国ROVER汽车公司利益机器视觉对汽车的车上轮廓进行检测，实现产品的实时检测与100%检测。奥迪汽车公司研制了一种全自动的视觉检测系统，对白色车身白面缺陷进行检测分析，在下一步喷漆前对缺陷进行打磨，从而节省了时间提高了经济效益。利益机器视觉检测得到的产品精度比传统检测得到的结果准确，快速，大大的提高了生产效率。
1.3研究的主要内容
本文主要从3方面入手，首先是对一些拍摄的实际工件的图像进行预处理，然后介绍了一种数据处理的优化算法，并通过支持向量机对处理后的数据进行模式识别,最后设计了检测工件精度的总系统,包括硬件部分和软件部分。研究内容包括：
①介绍了机器视觉技术应用于工件加工尺寸在线实时测量的目的与意义。
②经过拍摄采集获得的标准工件的图像，利用matlab对标准工件的图像进行预处理，包括：图像二值化、数据调整、图像滤波、图像分割、特征提取。
③介绍了一种常用的优化数据的算法：主成份分析法，可对处理后的数据进行简单的优化处理。
④在matlab软件上用SVM算法对处理后的数据进行加工精度仿真检测，即建立仿真检测系统。
⑤提出机械加工精度检测总系统设计的方案,并对硬件部分和软件部分构成要求作了详细的说明。 查看完整请+Q:351916072获取
本文先是用相机对标准工件进行拍摄来采集图像，然后对采集来的图像进行预处理。经过图像灰度化、图像数据调整、图像中值滤波、图像分割，把一些干扰的噪声和无用的背景去除后得到目标图像，然后从目标图像中提取出每个样本的有效特征值。下来就介绍了一种数据优化的方法：主成分分析法，并对上文提取出的数据用这方法进行处理。通过matlab软件，用支持向量机方法对数据进行分析处理，通过这种方法，能够直观的看出每个待测样本工件的加工精度是否达到了要求。最后设计了用于检测工件精度的系统，并对硬件部分和软件部分作了详细的介绍。
关键词 MATLAB 工件加工精度 图像预处理 数据优化 支持向量机 检测系统 M000210
The image analysis detection system of the machinnig precision of actual workpiece based on MATLAB
Abstract Machining precision detection is an important part of the workpiece manufacturing process.The maching precision is an important indicator for the quality evaluation of the workpieces. In order to ensure the quality of the workpiece,maching precision detection should be required after the workspecies have been processed roughly or semi-finely or finely. The machining accuracy of detection plays an important role in analysing the uncertainty of the technical process and determining the setting accuracy of the machine tool or ensuring the quality of the products. The traditional analysis method is based on the manpower,so workload is very big and the calculation is complicated,the precision is low. However, with the development of modern science and technology,fast speed and high accuracy detection is needed.In other words,it requires reducing the processing error, guaranteeing the stability of the process and improving the machining precision of the detection ability.The traditional analysis method is not satisfied the demand for the development of modern processing industry.Therefor,the image analysis detection system of the machinnig precision of actual workpiece based on MATLAB is provoked in this paper.and it has some advantages,such as faster speed、higher accuracy and so on[1].
In this paper，the images of the standard workspecies are obtained by camera firstly. Then these images are preprocessed.The target image is obtained by the adjustment of image data and the image filtering and the image threshold segmentation .These steps can remove some noiese and the unwanted background information ,and then the characteristic value of each sample can be extracted from the processed images.Then a data-optimized analysis methods is proposed：principal component analysis,and the extracted data above are processed in this method. Support vector machine is used for data analysis and processing in matlab.In this way, whether the machining accuracy is normal or not can be seen directly.Finally,the system used for detecting the precision of actual workpiece is designed,and hardware part and software part are described in detail[3].
Key words MATLAB machining accuracy of the workspecies image preprocessing data optimization support vector machine.
目 录查看完整请+Q:351916072获取
摘要 I
Abstract II
第一章 绪论 1
1.1研究背景和目的 1
1.2 国内外研究现状 2
1.3研究的主要内容 3
第二章 matlab简介和数字图像处理简介 5
2.1 matlab简介 5
2.2数字图像处理简介 7
第三章 图像的采集与预处理 11
3.1图像的获取 11
3.2图像预处理 11
3.2.1 图像灰度化处理 11
3.2.2 图像数据调整 12
3.2.3 图像滤波 12
3.2.4 图像分割 13
3.2.5 特征值提取 14
第四章 数据优化及模式识别 17
4.1 数据优化——主成份分析法 17
4.1.1 基本思想与方法 17
4.1.2 主成份分析法的步骤 18
4.2 主成份分析特征优化 20
4.3 模式识别——支持向量机（SVM） 24
4.3.1 支持向量机理论 25
4.3.2 支持向量机分类建模 27
4.3.3 模式识别建模仿真结果 28
第五章 系统的构成与设计 31
5.1系统的总体方案设计 31
5.2硬件系统方案设计 32
5.2.1灯光系统 32
5.2.2摄像子系统 32
5.2.3摄像子系统 33
5.3软件系统工作流程 33
第六章 结论与展望 35
6.1 工作总结 35
6.2 工作展望 36
致 谢 37
参考文献 38
第一章 绪论 查看完整请+Q:351916072获取
1.1研究背景和目的
现代工业正向着机械加工自动化、高效化、标准化的方向发展，企业对产品的加工精度要求越来越高。在机械产品加工过程中，由于加工车床不稳、刀件损耗、道具偏移等问题都会直接或者间接影响机械工件的加工精度。而获得工件尺寸加工精度的重要方法是测量，测量又是产品加工工艺中的关键环节，是判断工件生产质量的主要手段。先进制造技术的发展，对工件测量提出了高精度、高效率、低成本等要求。现代化建设的高速发展对机械加工产品需求量迅速增加，对工件的标准度要求也是越来越高。然而，目前世界上大多数企业对机械产品标准的检测还主要停留在人工检测、机械装置检测、光学仪器检测等方面。这些检测方式根本不能满足机械产品高精度的要求。这些传统的检测方式[2]存在着一些缺点:①检测方式都采用抽样法以及样品检测，不能确保所有产品100%的在线检测，所以不能保证产品的生产质量；②大部分需要人为的去检测，由于肉眼长期反复地干同一件事，会引发视觉疲劳，极易带来检测误差，测量精度得不到保障；③不能用于在线、非接触测量；④这些检测方式仅限于产品精度要求不高，时间充足的操作。这些传统的检测方式与检测设备由于机械自动化控制程度差，不能用于产品生产现场的实时检测，大大降低了机械产品的生产、测量效率，甚至会增加了大量的人工成本。虽然现在有些工厂使用了一些自动检测设备与装置来代替人工检测，但是其在检测精度上仍然差强人意，检测的参数由于比较单一，并不能完全满足生产现场的需求，应用范围比较小[6]。
为了克服传统检测方式的不足，基于机器视觉[2]的非接触在线测量方式得以研究与发展。机械加工工业在线测量的主要服务对象是运行中的机械加工产品，机器视觉测量是设备系统同步工作的一种主动测量方式，即在设备运行的同时，利用测量系统对工件的加工尺寸或精度等一些参数进行直接测量并分析，整个测量过程仅需几秒钟的时间，从而达到对产品实时测量的效果。在线检测有利于及时发现机械生产过程中的生产次品并做出相应的补救措施，从而提高生产合格率，保障了一定的经济效益。近年来，在线测量技术得到了广泛的应用及拓展，国内外诸多学者对其做出了深入的研究与探讨。
机械生产的产品质量是企业所关心的问题，而产品质量坏的是由生产过程中每一道生产工序的标准程度来保证的。在现代化工业生产中由于生产速度太快从而使得传统的传感器无法准确的检测。在实际生产过程中，就要求对产品实时在线检测，以确定产品是否符合生产要求，所以有效的在线检测，是获得较高的生产率和高质量的产品保证。机器视觉[2]是解决这一问题的主要技术之一，它不但能克服传统传感器、计量器的低速度、大误差的缺点，避免手工检测的误差与实效性的局限，还可实现产品高精度检测与实时检测的要求，而且它能够实现对生产过程的全面监控，为生产过程提供有价值的数据，保证产品质量。因此计算机视觉技术的应用正逐步的渗透到工农业的现代话生产中去。
机械加工精度是加工后零件表面的实际尺寸、形状、位置三种几何参数与图纸要求的理想几何参数的符合程度。对几何形状而言，就是绝对的圆、圆柱、平面、锥面和直线等；理想的几何参数，对产品尺寸而言，就是平均尺寸；对表面之间的相互位置而言，就是绝对的平行、同轴、垂直、对称等。零件实际几何参数与理想几何参数的数值差称为加工误差。
支持向量机[20]是由Vapnik领导的AT&TBell实验室研究小组在1995年提出的一种新的非常有潜力的分类技术，SVM是一种基于统计学习理论的模式识别方法，主要应用于模式识别领域。由于当时这些研究尚不完善，在模式识别的研究上处于摸索阶段，且在算法上比较艰涩，导致模式识别问题一直没有得到充分的重视。直到90年代，统计学习理论[23] (Statistical Learning Theory，SLT)的实现和对机器学习方法的迫切需求，使得SVM迅速发展和完善。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。从此迅速的发展起来，现在已经在生物信息学，文本和手写识别等都取得了成功的应用。目前，国内对支持向量机应用于工件加工精度检测的研究还处在起步阶段。
1.2 国内外研究现状
机器视觉技术[2]是在20世纪50年代发展起来的一门新兴技术，近些年来的应用与发展非常迅速。机器视觉是研究使机器具有类似于生物视觉功能的一项新兴科学技术，涉及到计算机科学、生物学、物理学、图像处理学、人工智能学、模式识别等多个领域。它起源于两个方面：一方面来源于摄影测量学，利用计算机技术对所摄图像进行测量分析。首先利用摄影手段获得被测物体的图像信息，利用一定的数字化设备及算法将图像信息数字化，使其变为能够被计算机直接处理的数字化信息，再利用软件编制的算法程序，完成对被测物体所处场景的分析与计算，得到所需的信息；另一方面还来源于统计模式识别，起初的处理对象主要是被测物体的二维图像，对所得的二维图像进行分析与识别，如工件表面缺陷检测、电路板质量检测、航空图片分析与解释等。随着视觉技术的发展及应用需要，慢慢幵始转入了对三维机器视觉的研究。近年来，机器视觉在理论与实际应用中取得了很大的进展，应用领域包括测量与检验、材料搬运与分类、自动识别、机器人导航与控制等等，其在工业领域中的应用主要包括电子电气、汽车、制造、制药、包装等。在国外，机器视觉技术早已成功、广泛地应用于工业领域。例如，英国ROVER汽车公司利益机器视觉对汽车的车上轮廓进行检测，实现产品的实时检测与100%检测。奥迪汽车公司研制了一种全自动的视觉检测系统，对白色车身白面缺陷进行检测分析，在下一步喷漆前对缺陷进行打磨，从而节省了时间提高了经济效益。利益机器视觉检测得到的产品精度比传统检测得到的结果准确，快速，大大的提高了生产效率。
1.3研究的主要内容
本文主要从3方面入手，首先是对一些拍摄的实际工件的图像进行预处理，然后介绍了一种数据处理的优化算法，并通过支持向量机对处理后的数据进行模式识别,最后设计了检测工件精度的总系统,包括硬件部分和软件部分。研究内容包括：
①介绍了机器视觉技术应用于工件加工尺寸在线实时测量的目的与意义。
②经过拍摄采集获得的标准工件的图像，利用matlab对标准工件的图像进行预处理，包括：图像二值化、数据调整、图像滤波、图像分割、特征提取。
③介绍了一种常用的优化数据的算法：主成份分析法，可对处理后的数据进行简单的优化处理。
④在matlab软件上用SVM算法对处理后的数据进行加工精度仿真检测，即建立仿真检测系统。
⑤提出机械加工精度检测总系统设计的方案,并对硬件部分和软件部分构成要求作了详细的说明。 查看完整请+Q:351916072获取
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/4856.html
