西安理工2019
(1)基于图像处理理论和方法，开展了印刷品套准偏差检测技术研究。本文选取传统十字线标识符和改进后的四色圆标识符为研究对象，提出基于K-means 聚类的十字线分割和基于区域生长的四色圆提取方法，改进了偏差中心的计算效率,提升了检测精度。为克服标识符受设置区域限制引起的信息误差，本文改进了前人的基于印刷品自身画面信息的套准检测算法，提出并验证了基于统计排序的分割法。使用60幅带有套准偏差缺陷的印刷品图像，将人工精确测量、改进前和改进后算法检测结果作比较，实验结果是本文的算法更接近手工精确测量值。
(2)针对生产线实际获取的图像，面向漏印、划伤、斑点等缺陷检测，开展了基于图像处理的形状缺陷检测通用算法研究。使用SIFT角点匹配替代模板匹配法，节省了预制模板这一-过程,保证了算法通用性;使用Gamma变换和局部动态阈值分割相结合的方法，解决了光照不均所带来的图像分割不均问题。在此基础上，研究基于CART决策树的印刷品划伤、斑点缺陷分类算法。使用200幅带有划伤或斑点缺陷的图像作为训练集构建决策树，使用40幅图像做测试集，分类正确率93 3%。
(3)基于VS、Qt、C++和OpenCV开发环境和工具，设计开发了- -款基于机器视觉的表面缺陷检测原型系统。系统包含了本文提出的检测算法，实现了图像选择、参数设定、检测分析、缺陷分类等功能。另外，该系统也可作为一个学习平台，帮助用户依据自己的思路和兴趣定义缺陷检测流程,分步运行,实时显示单步处理后图像效果，学习相关知识，验证缺陷检测算法的可行性。
关键词:机器视觉;印刷品;套准偏差;形状缺陷;缺陷检测
若有收获，就点个赞吧
0 人点赞
