Электронная библиотека Веда
Цели библиотеки
Скачать бесплатно
Доставка литературы
Доставка диссертаций
Размещение литературы
Контактные данные
Я ищу:
Библиотечный каталог российских и украинских диссертаций

Вы находитесь:
Диссертационные работы России
Технические науки
Системный анализ, управление и обработка информации

Диссертационная работа:

Шевченко Никита Александрович. Обработка изображений металлических поверхностей в задачах автоматизированного контроля качества изделий : дис. ... канд. техн. наук : 05.13.01 Владимир, 2006 160 с. РГБ ОД, 61:07-5/1691

смотреть содержание
смотреть введение
Содержание к работе:

ВВЕДЕНИЕ 4

ГЛАВА 1. СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМЫ АВТОМАТИЧЕСКОГО КОНТРОЛЯ КАЧЕСТВА МЕТАЛЛИЧЕСКИХ ПОВЕРХНОСТЕЙ

1.1. Автоматический анализ изображений и контроль качества 13

1. 2. Задачи анализа металлических поверхностей 15

1.2.1. Контроль обработанных поверхностей. Маскирование 18

1.2.2. Одновременный контроль обработанной и необработанной поверхностей. Различение типов текстур

1.3. Существующие системы технического зрения для автоматизации анализа изображений

1.4. Выводы 29

ГЛАВА 2. АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ ОБРАБОТКИ ИЗОБРАЖЕНИЙ И ТЕКСТУРНОГО АНАЛИЗА В СИСТЕМАХ ТЕХНИЧЕСКОГО ЗРЕНИЯ

2.1. Методы обработки изображений в системах технического зрения 30

2.2. Методы выделения границ 32

2.3. Пороговые методы 35

2.4. Методы текстурного анализа 40

2.4.1. Метод локального бинарного разбиения 41

2.4.2. Методика разделения текстур, основанная на кривой сложности 41

2.4.3. Метод локальных экстремумов 43

2.4. 4. Метод распределения признаков 45

2. 4. 5. Применение Марковских случайных полей 46

2.4. 6. Метод гистограмм с множеством разрешений 47

2.4. 7. Использование фильтров Габора 48

2. 4. 8. Метод матриц совпадений 49

2.4.9. Метод гистограмм суммы и разности 51

2.4.10. Гармонический и вейвлет-анализ 51

2.4.11. Граф кластеров со множеством разрешений 53

2.4.12. Метод длин пробега Галлоуэя 54

2.5. Сопоставительный анализ методов распознавания текстур 55

2.6. Выводы 60

ГЛАВА 3. ЭКСПЕРИМЕНТАЛЬНАЯ УСТАНОВКА ДЛЯ ПОЛУЧЕНИЯ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ ОБРАЗЦОВ ТЕКСТУР

3.1. Структура экспериментальной установки 63

3.2. Описание эксперимента 64

3. 3. Исследование зависимости статистических характеристик текстур от изменения освещённости

3.4. Выводы 72

ГЛАВА 4. РАЗРАБОТКА МЕТОДОВ ОБРАБОТКИ ИЗОБРАЖЕНИЙ МЕТАЛЛИЧЕСКИХ ПОВЕРХНОСТЕЙ

4.1. Априорный словарь признаков системы распознавания изображений 73

4.2. Разработка методов разделения текстур от однородных областей 75

4. 2.1. Классы объектов и их признаки, критерии разделения 76

4.2.2. Процедуры для начальной подготовки изображения 77

4.2.3. Метод, основанный на слиянии связных областей 79

4.2.4. Метод, основанный на подсчёте перепадов яркости 81

4.2.5. Алгоритмы маскирования 84

4.3. Методы распознавания текстур 89

4.3.1. Исследование математических моделей методов гистограмм суммы и разности и матриц совпадений

4.3. 2. Метод нахождения областей с литой текстурой 93

4.3.3. Разработка новых методов текстурного анализа 94

4.3.4. Метод, основанный на автокорреляционной функции 96

4.3.5. Метод, основанный на псевдокорреляции 99

4.3.6. Обработка корреляционной матрицы и текстурные признаки 102

4.3. 7. Метод, основанный на подсчёте длин строк 104

4.3.8. Обработка гистограмм длин строк и текстурные признаки 106

4.4. Перспективные вспомогательные методики для текстурного анализа и визуализации

4.4.1. Направленная бинаризация 108

4.4.2. Редуцированные матрицы совпадений 109

4.4.3. Эрозия контуров на бинарном изображении ПО

4.4.4. Визуализация текстурных признаков 111

4. 5. Выводы 113

ГЛАВА 5. ЭКСПЕРИМЕНТАЛЬНАЯ ОЦЕНКА РАЗРАБОТАННЫХ МЕТОДОВ ТЕКСТУРНОГО АНАЛИЗА

5.1. Сопоставительный анализ инвариантности текстурных признаков на основе АКФ и гистограмм Унзера к изменению освещённости

5.2. Сопоставительный анализ разделительной способности признаков на основе АКФ и псевдокорреляции

5.3. Сопоставительный анализ разделительной способности текстурных признаков на основе ПК и гистограмм суммы и разности

5.4. Эмпирическая оценка эффективности текстурных признаков на основе гистограмм суммы и разности, АКФ и ПК

5.5. Экспериментальная оценка признаков на основе подсчёта длин строк 129

5.6. Выводы 132

ЗАКЛЮЧЕНИЕ 133

Список использованных источников 136

Приложение'База данных текстурных образцов 147

Приложение Z: Литы Ін$реми$) .?„ 

Введение к работе:

Актуальность. Промышленное производство изделий из различных материалов всегда сопровождается определённым процентом брака, связанным с различными дефектами формы, скрытыми дефектами, проявляющимися при обработке, а также непригодностью рабочих поверхностей к нормальному функционированию готовых изделий в дальнейшем.

До недавнего времени осуществление контроля качества требовало, а на многих предприятиях и до сих пор требует присутствия контролёров, осуществляющих этот контроль визуально. Процесс сортировки деталей или изделий, подлежащих контролю (с участием человека), должен осуществляться непосредственно на поточной линии в режиме реального времени независимо от темпов производства. Сам по себе процесс является однообразным и утомительным. Контролёры, на которых возложена реализация процесса контроля качества, могут неадекватно оценить состояние детали вследствие усталости, рассеянности или по какой-либо другой причине. К тому же производительность труда человека в ряде случаев оказывается недостаточно высокой для обеспечения необходимой скорости выполнения требуемого процесса и экономного распределения рабочей силы. Например, при производстве деталей для автоматических коробок переключения передач время, отведённое одному контролёру на проверку детали равно 2,5 минутам, тогда как машине потребуется 6 секунд. Это означает, что машина может заменить в данном случае от 25 до 75 человек. Кроме того, контролёры уже не в состоянии обеспечить соблюдение постоянно ужесточающихся требований к точности, с которой должен быть произведён контроль. Это приводит к тому, что процент брака при визуальной проверке с участием человека довольно высок, что влечёт за собой, например, крупные рекламации, которые могут значительно превышать стоимость оборудования для автоматического контроля качества. Более того, убытки от расторжения договора с заказчиком в тех областях, где присутствует жёсткая конкуренция и борьба за рынок, также могут превысить эту стоимость.

Современное состояние промышленности указывает на необходимость разработки проблемно-ориентированных систем управления, способных ускорить процесс автоматизации производства и одновременно обеспечить более высокий уровень качества изделий. Это обусловлено новыми требованиями к конкурентоспособности продукции в условиях современного рынка, а именно, потребностью в снижении стоимости процесса производства с одновременным повышением его точности и надёжности. Поэтому вопрос разработки систем контроля качества изделий является актуальным. Наличие подобного оборудования на предприятии подразумевает полностью автоматическую разбраковку или сортировку изделий в соответствии с существующими на данном предприятии критериями качества.

Европа в настоящее время стремительно переходит на полностью автоматическое производство изделий во всех областях промышленности, начиная с автомобилестроения, станкостроения, производства механизмов, оружия, активных элементов реакторов и заканчивая производством изделий из пластмассы и стекла. Для России проблема автоматизации производства и внедрения автоматизированных систем контроля качества изделий является также чрезвычайно важной как с технической, так и с экономической точки зрения.

Переход на автоматический контроль качества является неизбежным и требует не только создания специальной аппаратуры, но и разработки соответствующего математического и программного обеспечения систем обработки информации.

Применение методов и средств обработки информации для автоматизации контроля качества позволяет значительно повысить эффективность производства. В настоящее время методы визуальной инспекции с применением обработки информации разрабатываются для нужд машиностроительной промышленности [116], [117], деревообрабатывающей промышленности [104], [73], текстильной промышленности [105], [106], в производстве стали [107], а также контроля качества бумаги [108]. Большой вклад в развитие направления внесли такие зарубежные учёные, как Т. Маэнпаа, М. Петикаинен, Ф. Кохен, Т. Ойяла, Р. Харалик, А. Джаин, Т. Ньюман, X. Каупинен, а также отечественные учёные В. А. Соловей, А. Б. Комаров, В. Д. Ивченко, Д. Вагапов.

Одним из ведущих разработчиков автоматизированных систем контроля качества, пионером в производстве подобного оборудования, является отдел Обработки изображений и медицинской техники Фраунгоферовского института интегральных схем (ФИИС, г. Эрланген, Германия) [109]. Этот отдел занимается разработкой автоматизированных систем контроля отверстий при помощи точной эндоскопии [110], контроля качества плоских металлических поверхностей [8], тонких металлических труб [111], изделий из пластмассы [112] и др. Среди ведущих специалистов в области производства данного оборудования такие учёные как К. Мюнценмайер, А. Кулешов, И. Попп, Я. Кулье, К. Шпиннлер.

Также производством оборудования машинного зрения для нужд индустрии занимаются такие фирмы как «Interstaatliche Hochschule fur Technik» (Бухс, Германия) [113], «Матрикс Вижн» (представлена в Германии, Франции, Италии) [114], «Surface Inspection» (представлена в США, Германии и восьми странах Европы и Америки)[116].

Таким образом, тема диссертационной работы, посвященная исследованию и разработке методов обработки изображений и распознавания образов в задачах автоматического контроля качества, является актуальной, а результаты исследований должны дать новые научно значимые решения в области обработки изображений и текстурного анализа.

Цель и задачи работы

Целью диссертационной работы является исследование существующих и разработка новых, более эффективных методов и алгоритмов распознавания образов в промышленных системах технического зрения и методов текстурного анализа в целях усовершенствования программно - аппаратных средств контроля качества поверхности металлических изделий в промышленности.

Эффективность определяется быстродействием, вероятностью ошибок, устойчивостью к изменению условий освещённости.

Для достижения поставленной цели необходимо было решить следующие задачи:

1. Анализ существующих методов и алгоритмов обработки изображений металлических поверхностей и характерных для них систем признаков различных текстур.

2. Экспериментальное исследование зависимости текстурных признаков от параметров системы видеосъёмки (освещённости, выдержки, диафрагмы).

3. Разработка новых алгоритмов обработки изображений металлических поверхностей, обеспечивающих решение таких важных задач, как различение текстурных областей от однородных объектов, маскирование различных поверхностей деталей, повышение быстродействия существующих методов обработки.

4. Разработка новой системы текстурных признаков и алгоритмов распознавания текстур, обеспечивающих более высокую эффективность распознавания и качественную классификацию исследуемых типов текстур.

5. Оценка и сопоставительный анализ известных и разработанных методов и алгоритмов распознавания текстур.

Работа выполнялась в рамках совместной с ФИИС научно-образовательной программы «Владимир-Эрланген», а также в процессе научной стажировки в Германии в период с 28.09.2005 по 29.03.2006 по стипендии Президента Российской Федерации.

Научная новизна работы. Научная новизна диссертации состоит в следующем:

1) Проведены экспериментальные исследования зависимости текстурных характеристик металлических поверхностей от освещённости, определяемой параметрами оптической системы, что позволило оценить инвариантность существующих методов текстурного анализа к изменению яркости, а также разработать метод автоматической настройки освещённости в оптической системе, позволяющий избежать потерь информации в процессе получения изображения.

2) Предложены оригинальные методы текстурного анализа, основанные на поиске формы и направленности текстурного элемента при помощи автокорреляционной функции, псевдокорреляции и подсчёта длин строк на бинарном изображении, обеспечивающие более высокую инвариантность к изменениям освещённости и меньшую вероятность ошибки при распознавании.

3) Разработаны новые алгоритмы подсчёта статистических характеристик текстур, позволяющие повысить скорость текстурного анализа с помощью известных методов матриц совпадений и гистограмм суммы и разности.

4) Предложены новые методы различения текстур от однородных объектов, основанные на слиянии взаимосвязанных областей и подсчёте процента перепадов яркости, обеспечивающие достоверное нахождение текстурных участков и их отделение от однородных областей. Апробация метода слияния взаимосвязанных областей была проведена при разработке программного обеспечения для оборудования автоматического контроля качества металлических поверхностей во время научной стажировки в ФИИС (г. Эрланген, Германия).

5) Разработан быстродействующий алгоритм сегментации изображения и адаптивной генерации масок для металлических деталей, способствующий повышению эффективности дальнейшего анализа и поиска дефектов. Практическая значимость работы:

1. Разработанные методы включены в библиотеку программного обеспечения отдела обработки изображений и медицинской техники Фраунгоферовского института интегральных схем, в результате чего расширена научная база методов обработки изображений (созданное программное обеспечение содержит около 200 страниц программного кода на языке C++), необходимая для дальнейшего использования в системах распознавания на промышленных предприятиях.

2. Предложенные оригинальные алгоритмы и методы обеспечивают эффективность распознавания порядка 95% и предназначены для применения не только в автоматизированных системах контроля качества, но и при решении других задач, связанных с текстурным анализом.

3. Предложенные алгоритмы подсчёта статистических характеристик позволяют ускорить процесс текстурного анализа в 1,5 - 2 раза.

4. На основе проведённых исследований влияния условий освещённости на текстурные признаки получены зависимости, представляющие интерес для текстурного анализа в целом и использованные при оценке эффективности методов текстурного анализа.

Внедрение результатов. Созданные методы и алгоритмы обработки изображений и текстурного анализа используются на Владимирском предприятии НЛП «Электронтехносервис» и в учебном процессе кафедр ПИИТ, БМИ ГОУВПО «Владимирский государственный университет», что подтверждается актами внедрения, включены в библиотеку разработчиков программного обеспечения для использования при создании программно-аппаратных комплексов автоматизации контроля качества в ФИИС (г. Эрланген, Германия).

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на 5-ой МНТК «Перспективные технологии в средствах передачи информации» (Владимир, 2003 г.), МНТК, посвященной 45-летию ВлГУ (Владимир, 2003 г.), МНТК «XII Туполевские чтения» (Казань, 2004), 10-ой МНТК «Радиоэлектроника, электротехника и энергетика» (Москва, 2004), на семинарах: в ОАО «Автоприбор», во Фраунгоферовском институте интегральных схем (г. Эрланген, Германия), МНТК "Digital Manufacture" (г. Ухань, Китай, 2006 г.).

На защиту выносится:

1. Оригинальные методы текстурного анализа, основанные на поиске формы и направленности текстурного элемента при помощи автокорреляционной функции, псевдокорреляции и подсчёта длин строк на бинарном изображении

2. Экспериментальные исследования зависимости текстурных характеристик металлических поверхностей от освещённости, определяемой параметрами оптической системы.

3. Алгоритмы подсчёта статистических характеристик текстур, позволяющие повысить скорость текстурного анализа с помощью известных методов матриц совпадений и гистограмм суммы и разности.

4. Новые методы различения текстур от однородных объектов, основанные на слиянии взаимосвязанных областей и подсчёте процента перепадов яркости, обеспечивающие достоверное нахождение текстурных участков и их отделение от однородных областей.

5. Быстродействующий алгоритм сегментации изображения и адаптивной генерации масок для металлических деталей, способствующий повышению эффективности дальнейшего анализа и поиска дефектов.

Публикации. По теме диссертации опубликовано 7 печатных работ, в том числе 3 - в научно-технических журналах, входящих в перечень ВАК.

Структура и объём работы. Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы из 119 пунктов и приложений. Общий объём работы 160 страниц ., в том числе 135 страниц основного текста, 12 таблиц, 117 рисунков, 2 приложения.

Подобные работы
Степанова Наталия Владимировна
Решение целевых и навигационных задач на борту малоразмерного беспилотного летательного аппарата на основе обработки изображения подстилающей поверхности
Саввин Александр Леонидович
Применение Р-границ для обеспечения надежности и качества функционирования конечной совокупности изделий в эксплуатации
Алшехаби Самер
Разработка и исследование методов обработки информации о надежности "стареющих" изделий для продления безопасных сроков их эксплуатации
Воронин Юрий Федорович
Обработка информации для диагностики дефектов и снижения брака изделий в металлургии : на примере литейного производства
Тюрина Лилия Александровна
Анализ и обработка информации для управления конструкторско-технологической подготовкой производства сложных промышленных изделий
Кудряшов Павел Павлович
Алгоритмы обнаружения лица человека для решения прикладных задач анализа и обработки изображений
Цой Юрий Робертович
Нейроэволюционный алгоритм и программные средства для обработки изображений
Еремеев Андрей Викторович
Базовые алгоритмы и технологии координатной и яркостной обработки изображений в системах дистанционного зондирования Земли
Никитин Виктор Васильевич
Информационно-логическая модель автоматизированной системы обработки изображения
Колкер Алексей Борисович
Разработка методов и алгоритмов цифровой фильтрации и обработки изображений

© Научная электронная библиотека «Веда», 2003-2013.
info@lib.ua-ru.net