典型文献
基于机器视觉的箱体类金属工件铆接质量检测方法研究
文献摘要：
针对箱体类金属工件铆接质量难以检测、检测效率及精度低的问题,通过分析半空心铆钉铆接特点,基于机器视觉技术,提出了一种特征融合与机器学习结合的铆接质量检测方法.首先,为了克服铆钉反光及背景噪声和纹理的影响,提出改进的Retinex图像增强算法和多阈值目标分割算法,得到铆钉及镦头等感兴趣区域;其次,为了准确描述缺陷特征,提取目标区域的几何形状及Zernike矩等12维特征向量;最后,设计了基于ELM分类算法实现缺陷的分类.实验结果表明,该方法能够准确检测出铆接质量缺陷,"合格-缺陷"二分类和缺陷多分类检测正确率分别为95.2％和92％,且满足实时在线检测需求.
文献关键词：
机器视觉;铆接质量;特征融合;Zernike矩;极限学习机
中图分类号：
作者姓名：
宋秋凡;杜亚江;李宗刚;高溥
作者机构：
兰州交通大学机电工程学院,甘肃兰州 730070;兰州交通大学机器人研究所,甘肃兰州 730070;兰州石化职业技术大学,甘肃兰州 730060
文献出处：
引用格式：
[1]宋秋凡;杜亚江;李宗刚;高溥-.基于机器视觉的箱体类金属工件铆接质量检测方法研究)[J].仪表技术与传感器,2022(11):75-81
A类：
B类：
箱体,体类,类金属,金属工件,铆接质量,质量检测方法,检测效率,半空,空心铆钉,机器视觉技术,特征融合,反光,背景噪声,Retinex,图像增强算法,多阈值,目标分割,分割算法,头等,感兴趣区域,缺陷特征,目标区域,几何形状,Zernike,维特,特征向量,ELM,分类算法,算法实现,质量缺陷,二分类,多分类,分类检测,实时在线检测,极限学习机
AB值：
0.39371
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
