亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于改進(jìn)Zernike矩的鉚接孔徑亞像素檢測(cè)方法研究*

        2022-12-09 04:10:52張函力李海偉于國(guó)棟張新喜
        航空制造技術(shù) 2022年18期
        關(guān)鍵詞:直方圖孔徑算子

        張函力,李海偉,于國(guó)棟,申 霖,張新喜,紀(jì) 俐,3,4

        (1. 沈陽(yáng)航空航天大學(xué),沈陽(yáng) 110136;2. 航空工業(yè)沈陽(yáng)飛機(jī)工業(yè)(集團(tuán))有限公司,沈陽(yáng) 110850;3. 沈陽(yáng)工業(yè)大學(xué),沈陽(yáng) 110870;4. 華晨汽車(chē)集團(tuán)控股有限公司,沈陽(yáng) 110141)

        隨著現(xiàn)代航空技術(shù)的發(fā)展,飛機(jī)裝配技術(shù)正逐步進(jìn)入智能化、數(shù)字化的新階段[1]。鉚釘連接作為飛機(jī)蒙皮上的主要連接形式,鉚釘孔的加工質(zhì)量與效率直接影響蒙皮甚至飛機(jī)整機(jī)結(jié)構(gòu)的性能[2]。許多企業(yè)采用自動(dòng)出釘?shù)你T釘機(jī)進(jìn)行人工鉚接,在鉚接時(shí)對(duì)鉚釘進(jìn)行不斷敲擊,鉚釘便會(huì)產(chǎn)生一定程度的變形,以此來(lái)保證將兩個(gè)連接面緊密貼合在一起,但人工鉚接效率不高。為保證制孔效率,彌補(bǔ)鉚釘在加工與裝配過(guò)程中產(chǎn)生的形變,很多創(chuàng)新型企業(yè)紛紛引進(jìn)基于機(jī)器人的在線加工方式完成制孔加工,這樣的制造工藝使生產(chǎn)效率得到了保證,鉚接工藝迎來(lái)了機(jī)器視覺(jué)時(shí)代的曙光。但隨之而來(lái)的便是制孔后鉚釘?shù)馁|(zhì)量檢測(cè)問(wèn)題。近年來(lái),航空鉚釘尺寸檢測(cè)技術(shù)受到重視,然而在國(guó)內(nèi)的生產(chǎn)中,普遍仍以人工通過(guò)肉眼進(jìn)行檢測(cè)[3],導(dǎo)致了鉚釘尺寸的檢測(cè)效率很難滿足航空工業(yè)的需求,使得航空具有潛在的事故風(fēng)險(xiǎn)[4]。

        圖像邊緣是重要的視覺(jué)感知信息,也是圖像最基本的特征之一。邊緣檢測(cè)作為圓孔視覺(jué)測(cè)量過(guò)程的核心技術(shù)[5],隨著實(shí)際應(yīng)用中對(duì)檢測(cè)精度要求的不斷提高,傳統(tǒng)的像素級(jí)邊緣檢測(cè)算法包括Sobel、Prewitt、Laplace算子等,已經(jīng)無(wú)法滿足實(shí)際需求。因此,人們提出了“亞像素”的概念,針對(duì)亞像素級(jí)算法的研究也受到越來(lái)越多的關(guān)注[6]。Zernike矩作為一種特殊的基于Zernike多項(xiàng)式的正交函數(shù)的復(fù)矩,雖然計(jì)算較為復(fù)雜,但其具有旋轉(zhuǎn)不變性,在表達(dá)能力和噪聲敏感性方面具有強(qiáng)大的優(yōu)勢(shì),在目標(biāo)識(shí)別領(lǐng)域得到了廣泛的應(yīng)用[7]。Julier等[8]首次提出了利用Zernike正交矩來(lái)檢測(cè)圖像的亞像素邊緣,建立了理想的階躍灰度模型,推導(dǎo)了亞像素坐標(biāo)的公式。但在實(shí)際中由于非理想的離散采樣和光學(xué)系統(tǒng)衍射效應(yīng)的限制[9],往往可能會(huì)導(dǎo)致檢測(cè)邊緣附近出現(xiàn)過(guò)渡區(qū)。

        綜上,本研究以3D激光輪廓傳感器作為圖像采集模塊,設(shè)計(jì)出鉚接孔徑檢測(cè)系統(tǒng)的整體機(jī)械結(jié)構(gòu),提出了一種改進(jìn)的基于Zernike矩算法的鉚接孔徑亞像素檢測(cè)方法,實(shí)現(xiàn)了對(duì)锪窩孔外圓孔徑的高精度、高效率的檢測(cè)。

        1 檢測(cè)系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

        本檢測(cè)系統(tǒng)主要由軟件和硬件兩部分組成。軟件部分在相機(jī)已有的Demo文件以及客戶端軟件3DMVS的圖像檢測(cè)SDK文件開(kāi)發(fā)包的基礎(chǔ)上,進(jìn)行二次開(kāi)發(fā),并集成Halcon圖像深度學(xué)習(xí)識(shí)別算法,利用算法庫(kù)對(duì)采集到的圖像進(jìn)行坐標(biāo)系統(tǒng)一與數(shù)據(jù)拼合重構(gòu),最終得到鉚釘孔徑的形貌。硬件部分采用??低曅吞?hào)為MV–DP2305–01H的3D激光輪廓傳感器,將傳感器裝配在同步傳送裝置上,驅(qū)動(dòng)傳送裝置便可帶動(dòng)光柵尺觸發(fā)脈沖,使相機(jī)在Y方向做直線運(yùn)動(dòng)。擬合傳感器自身獲得的X、Z方向的數(shù)據(jù),結(jié)合高幀率芯片和激光精準(zhǔn)的時(shí)序控制,實(shí)時(shí)輸出高精度三維點(diǎn)云數(shù)據(jù)。采集數(shù)據(jù)通過(guò)千兆網(wǎng)卡傳輸?shù)接?jì)算機(jī)上,在客戶端軟件上設(shè)置參數(shù)后便可進(jìn)行測(cè)量。測(cè)量系統(tǒng)結(jié)構(gòu)框如圖1所示。

        圖1 測(cè)量系統(tǒng)結(jié)構(gòu)框圖Fig.1 Structure block diagram of measurement system

        2 锪窩孔徑圖像處理

        2.1 鉚接孔圖像處理流程

        根據(jù)采集鉚接孔徑圖像的特點(diǎn),制定相應(yīng)的圖像處理流程,如圖2所示。首先,通過(guò)3D激光輪廓傳感器獲取鉚釘孔圖像,并對(duì)所采集的鉚接孔徑圖進(jìn)行圖像增強(qiáng)處理,然后采用Canny算子邊緣檢測(cè)對(duì)锪窩孔內(nèi)外圓進(jìn)行邊緣識(shí)別,利用改進(jìn)的Zernike矩進(jìn)行亞像素級(jí)的邊緣精確檢測(cè),提取出锪窩孔外圓的圓環(huán)區(qū)域,最后結(jié)合RANSAC算法進(jìn)行圓擬合,產(chǎn)生圓輪廓并獲取半徑,完成測(cè)量。

        圖2 圖像處理流程Fig.2 Flow chart of image processing

        2.2 圖像增強(qiáng)

        圖像增強(qiáng)是有目的性地強(qiáng)調(diào)圖像的整體或局部特性,擴(kuò)大圖像中不同特征之間的差別,抑制不感興趣的特征,使處理結(jié)果更適用于機(jī)器識(shí)別系統(tǒng)。但增強(qiáng)處理并不能增加原始圖像信息,只能對(duì)某些信息的辨識(shí)能力進(jìn)行提升,滿足某些特殊分析的需要。

        2.2.1 直方圖均衡化法

        在數(shù)字圖像處理中,直方圖是一種簡(jiǎn)單而又實(shí)用的工具,它能夠描述出圖像的概貌,并反映出圖像中每一灰度級(jí)與其出現(xiàn)像素頻率間的統(tǒng)計(jì)關(guān)系。綜合對(duì)比增強(qiáng)效果后,選用空間域處理法中的直方圖均衡化法。

        直方圖均衡化法通過(guò)對(duì)原圖像的灰度直方圖進(jìn)行某種變換,可以修正原圖像中具有相近灰度值且占有大量像素點(diǎn)的區(qū)域,使其灰度范圍變寬并均勻分布,以達(dá)到增強(qiáng)圖像整體對(duì)比的效果。

        假定r和s分別表示已完成歸一化的變換前后的圖像灰度,T(r)為變換函數(shù),則二者變換關(guān)系為

        若想保證灰度變換前后灰度級(jí)由黑到白的次序不變,像素灰度值仍在變換前所允許動(dòng)態(tài)范圍,則需滿足當(dāng)0≤r≤1時(shí),T(r)為單調(diào)遞增函數(shù),且0≤T(r)≤1(0代表黑色,1代表白色)。

        對(duì)于灰度級(jí)為離散的數(shù)字圖像,用頻率來(lái)代替概率,則灰度級(jí)rk出現(xiàn)的頻率為

        式中,nk表示第k個(gè)像素級(jí)像素個(gè)數(shù),n表示總像素個(gè)數(shù)。

        若設(shè)L為灰度級(jí)的個(gè)數(shù),那么原圖像的灰度級(jí)為[0,L–1],為了保證變換前后的灰度值和灰度范圍一致,則均衡變換函數(shù)T(rk)采用求和方式可表示為

        式中,nj表示第j個(gè)像素級(jí)像素個(gè)數(shù)。

        利用直方圖均衡化法對(duì)所采集的鉚接孔徑圖進(jìn)行增強(qiáng)處理后的效果如圖3所示。

        圖3(a)為相機(jī)采集的原始成像圖,整體顏色偏暗,且各部分顏色不均衡且不分明;圖3(b)為灰度化后的圖像,相對(duì)于圖3(a),锪窩孔外圓輪廓更加明顯,但內(nèi)孔輪廓不清晰;圖3(c)為使用直方圖均衡化后的圖像,與圖3(a)和(b)兩圖對(duì)比不難看出,圖3(c)邊緣輪廓處的像素值變化更加明顯,且锪窩孔外圓輪廓和內(nèi)孔輪廓清晰。

        圖3 圖像增強(qiáng)效果圖Fig.3 Sketch of image enhancement

        2.2.2 圖像平滑

        為了抑制噪聲,使圖像亮度趨于平緩,減小突變梯度,改善圖像質(zhì)量,對(duì)圖像進(jìn)行圖像平滑處理。均值濾波法雖然算法簡(jiǎn)單,計(jì)算速度快,但經(jīng)過(guò)其處理過(guò)的圖像在平滑過(guò)程中會(huì)導(dǎo)致圖像邊緣模糊化。因此,選用中值濾波法進(jìn)行平滑處理。

        中值濾波是對(duì)鄰域內(nèi)的像素灰度值進(jìn)行排序,用其中值代替中心點(diǎn)像素的灰度值的濾波方法,是一種非線性信號(hào)平滑處理技術(shù),能有效消除孤立點(diǎn)和線段的干擾,可以減弱或消除傅立葉空間的高頻分量。假設(shè)f(x,y)為原始圖像,g(x,y)為中值濾波處理后的圖像,則中值濾波可以表達(dá)為

        式中,f(x,y)為二維圖像數(shù)據(jù)序列;g(x,y)為中值濾波后的數(shù)據(jù);S是以點(diǎn)(x,y)鄰域?yàn)橹行牡泥徲蚣?。利用中值濾波法進(jìn)行平滑處理后的效果如圖4所示。

        圖4 圖像平滑效果圖Fig.4 Sketch of image smoothing

        2.2.3 圖像銳化

        經(jīng)過(guò)降噪后的圖像在圖像形成和傳輸過(guò)程中,由于成像系統(tǒng)聚焦不好或者信道的帶寬過(guò)窄,圖像邊緣和圖像輪廓模糊、細(xì)節(jié)不清晰。因此,采用圖像銳化技術(shù)來(lái)減少這類(lèi)不利效果的影響,使圖像的邊緣輪廓清晰。

        Sobel算子結(jié)合了高斯平滑和微分求導(dǎo),采用卷積核對(duì)圖像中的像素點(diǎn)做卷積運(yùn)算,擁有x、y兩個(gè)方向的卷積核,是常用的微分算子。

        若將圖像經(jīng)過(guò)兩個(gè)算子的濾波,便可獲得增強(qiáng)后的圖像灰度值,即

        式中,Gx和Gy分別表示圖像對(duì)應(yīng)像素中心點(diǎn)的像素在x、y兩個(gè)方向上的梯度。銳化后的圖像如圖5所示。

        圖5 圖像銳化效果圖Fig.5 Sketch of image sharpening

        2.3 圖像分割

        圖像分割本質(zhì)上是對(duì)圖像中具有相同特征的區(qū)域進(jìn)行標(biāo)記的過(guò)程,可以進(jìn)一步對(duì)經(jīng)預(yù)處理后的圖像進(jìn)行簡(jiǎn)化圖像分析,根據(jù)灰度、形狀、顏色等參數(shù)的差異,將圖像劃分為多個(gè)不同的子區(qū)域,并使這些參數(shù)在同一區(qū)域內(nèi)呈現(xiàn)相似性,而在不同區(qū)域之間呈現(xiàn)明顯的差異性。

        2.3.1 基于直方圖谷底法的自動(dòng)閾值分割

        為了適應(yīng)在采集過(guò)程中的環(huán)境變化,并消除人工設(shè)定閾值的主觀性,可以運(yùn)用自動(dòng)閾值分割方法。自動(dòng)閾值分割方法是基于圖像的灰度直方圖來(lái)確定灰度閾值,其原理是以灰度直方圖中出現(xiàn)的谷底為分割點(diǎn),對(duì)灰度直方圖的波峰進(jìn)行分割。

        在HALCON中常用Auto threshold算子進(jìn)行自動(dòng)值分割處理,該算子可以對(duì)單通道圖像進(jìn)行多重閾值處理,其原理是以直方圖出現(xiàn)的谷底為分割點(diǎn),對(duì)灰度直方圖的波峰進(jìn)行處理,效果如圖6所示。

        圖6 直方圖法自動(dòng)閾值分割Fig.6 Automatic threshold segmentation in histogram

        但該方法存在兩個(gè)難點(diǎn): (1)在圖像分割前,無(wú)法確定圖像分割生成區(qū)域的數(shù)目; (2)因?yàn)殚撝档倪x擇直接影響分割的精度及分割后的圖像進(jìn)行描述分析的正確性,可能會(huì)導(dǎo)致閾值分割不準(zhǔn)確。可以看出,該方法對(duì)鉚接孔內(nèi)外圓環(huán)分割不完整。

        2.3.2 Prewitt算子邊緣提取

        Prewitt算子是利用像素鄰點(diǎn)之間的灰度差,在邊緣處達(dá)到極值的方法,從而檢測(cè)出圖形邊緣。因此,其對(duì)噪聲具有一定的抑制能力,但不能完全排除檢測(cè)結(jié)果中出現(xiàn)的虛假邊緣,處理后的效果如圖7所示。

        圖7 Prewitt算子邊緣提取Fig.7 Edge extraction in Prewitt

        Prewitt算子對(duì)噪聲具有抑制作用,因此對(duì)于噪聲較多、灰度漸變的圖像處理得較好。當(dāng)某些噪聲點(diǎn)的灰度值很大,而對(duì)于那些幅值較小的邊緣點(diǎn),其可能會(huì)造成邊緣點(diǎn)的誤判。

        2.3.3 Kirsch算子邊緣提取

        Kirsch算法是一種非線性的邊緣檢測(cè)器,由8個(gè)方向的模板決定,將這8個(gè)模板的元素與圖像上的每一個(gè)元素進(jìn)行卷積求導(dǎo)數(shù),然后篩選出其中的最大值作為中央像素的邊緣強(qiáng)度,處理后的效果如圖8所示。

        圖8 Kirsch算子邊緣提取Fig.8 Edge extraction in Kirsch

        這種方法比較容易得到平滑的邊緣,但是由于其方向模板比較有限,對(duì)稱性可能會(huì)減半。因此,很難檢測(cè)出圖像所有的邊緣方向。

        2.4 基于改進(jìn)Zernike矩算法的亞像素邊緣提取

        在綜合分析多種邊緣檢測(cè)方法的基礎(chǔ)上,本文提出了一種基于改進(jìn)Zernike矩的亞像素鉚接孔徑檢測(cè)方法,采用Canny邊緣提取進(jìn)行像素級(jí)的粗定位,并利用改進(jìn)的Zernike矩算法進(jìn)行亞像素級(jí)的精定位。

        2.4.1 Canny邊緣提取粗定位

        Canny算子是一種多階段的優(yōu)化算子,利用高斯函數(shù)的一階微分性質(zhì),把邊緣檢測(cè)問(wèn)題轉(zhuǎn)換為檢測(cè)準(zhǔn)則函數(shù)極大值的問(wèn)題,能在噪聲抑制和邊緣檢測(cè)之間取得較好的折中,提取的邊緣也相對(duì)完整,能夠檢測(cè)出圖像較細(xì)的邊緣部分[10]。

        Canny邊緣檢測(cè)的基本思想是首先對(duì)圖像選擇一定的高斯濾波器進(jìn)行平滑濾波,并計(jì)算出平滑后圖像G各點(diǎn)處的梯度幅值和梯度方向,獲得相應(yīng)的梯度幅值圖像H和梯度方向圖像R[11]。則此時(shí)點(diǎn)(i,j)處的梯度幅值為

        梯度方向?yàn)?/p>

        邊緣提取后的效果如圖9所示。

        圖9 Canny邊緣提取分割Fig.9 Edge extraction and segmentation in Canny

        2.4.2 改進(jìn)的Zernike矩算法的亞像素級(jí)精定位

        在傳統(tǒng)方法中,圖像整體采用一個(gè)不變的閾值qt,這就導(dǎo)致邊緣的檢測(cè)效果不理想。較為理想的qt值所應(yīng)該達(dá)到的效果是能夠根據(jù)qt值將像素區(qū)分為目標(biāo)和背景,即讓目標(biāo)和背景的類(lèi)間方差最大[12]。

        假設(shè)f(x,y)為一幅圖像,Apq為p階q次的Zernike矩,則當(dāng)圖像為離散形式時(shí),Zernike矩可表示為

        式中,Wp*q(ρ,θ)表示在極坐標(biāo)系下,共軛的單位圓內(nèi)的正交p階q次Zernike多項(xiàng)式[13]。

        由于Zernike矩本身是積分形算子,這就使其擁有對(duì)噪聲不敏感的特性。因此,采用Zernike矩進(jìn)行亞像素級(jí)別的邊緣檢測(cè)。理想的階躍邊緣模型如圖10所示[14]。其中,m為背景灰度;l為圓心到邊緣的垂直距離;φ為邊緣關(guān)于x軸所成的角度;n為階躍高度。

        圖10 理想階躍模型[14]Fig.10 Ideal step edge model[14]

        如果把邊緣旋轉(zhuǎn)角度–φ,則邊緣將與y軸平行。此時(shí),有

        式中,f′(x,y)是旋轉(zhuǎn)后得到的圖像邊緣函數(shù)。

        但若僅考慮理想情況下的階躍模型,便會(huì)導(dǎo)致檢測(cè)出的孔徑邊緣比較模糊。因此,這里提出對(duì)鉚釘孔徑邊緣附近的每一個(gè)像素都采用Zernike矩計(jì)算其邊緣參數(shù)的方法。當(dāng)Zernike模板為N×N時(shí),其亞像素邊緣檢測(cè)公式為

        結(jié)合鉚釘?shù)膶?shí)際情況,這里設(shè)定相對(duì)灰度閾值α和強(qiáng)度閾值β,在鉚釘孔徑邊緣附近搜索灰度值低于相對(duì)灰度閾值α的區(qū)域,并沿著這個(gè)梯度方向,找出強(qiáng)度值大于強(qiáng)度閾值β的點(diǎn),記下其坐標(biāo)。設(shè)像素級(jí)邊緣點(diǎn)集為{V},按照式(10)進(jìn)行計(jì)算,生成亞像素點(diǎn)集。

        根據(jù)橢圓的一般方程建立優(yōu)化目標(biāo)函數(shù)。

        在實(shí)際計(jì)算過(guò)程中,首先利用Canny邊緣檢測(cè)確定鉚釘孔徑圖像的像素級(jí)邊緣,再利用上述改進(jìn)的Zernike矩進(jìn)行亞像素級(jí)定位。不僅避免了繁雜的計(jì)算,而且能夠提取到精確的邊緣信息。最終完成了對(duì)鉚接孔外圓亞像素級(jí)的邊緣提取,如圖11所示。與之前的邊緣檢測(cè)方法相比,該算法檢測(cè)出的圓孔邊緣輪廓信息相對(duì)完整,實(shí)現(xiàn)了亞像素級(jí)的邊緣檢測(cè)。

        圖11 亞像素級(jí)的邊緣提取Fig.11 Edge extraction in sub-pixel

        2.5 基于RANSAC算法的圓擬合

        隨機(jī)抽樣一致(RANSAC)算法是一種魯棒性強(qiáng),且適用于大比例外點(diǎn)的參數(shù)估計(jì)算法[15],最早在1981年由Raguram等[16]提出。該算法的基本假設(shè)是樣本中包含正確數(shù)據(jù),即內(nèi)點(diǎn)(可以被模型描述的數(shù)據(jù));也包含異常數(shù)據(jù),即外點(diǎn)(偏離正常范圍很遠(yuǎn)、無(wú)法適應(yīng)數(shù)學(xué)模型的數(shù)據(jù))。

        RANSAC算法的關(guān)鍵是計(jì)算出模板圖像的特征點(diǎn)與待匹配圖像的相應(yīng)特征點(diǎn)之間的坐標(biāo)轉(zhuǎn)換關(guān)系,即變換矩陣M,變換矩陣和特征點(diǎn)之間關(guān)系如式(13)所示[17]。

        RANSAC算法采用迭代的方式從一組包含局外點(diǎn)的數(shù)據(jù)中估算出數(shù)學(xué)模型的參數(shù)。經(jīng)過(guò)一定次數(shù)的迭代后,選取接近合理解概率最大的樣本集,得到最合理解[18]。置信度L與迭代次數(shù)K關(guān)系式為

        RANSAC算法擬合過(guò)程排除了局外點(diǎn)的干擾,并估計(jì)出高精度的模型參數(shù),擬合結(jié)果如圖12所示。

        圖12 RANSAC擬合圓Fig.12 Circle fitting in RANSAC

        3 檢測(cè)試驗(yàn)與數(shù)據(jù)分析

        3.1 檢測(cè)設(shè)置

        開(kāi)始檢測(cè)前,分別設(shè)置锪窩外圓孔徑的基準(zhǔn)值為7190 μm和極限偏差值為50 μm,即孔徑在(7190±50) μm范圍內(nèi),均為合格孔,否則為不合格孔,如圖13所示。

        圖13 極限偏差設(shè)置Fig.13 Limit deviation setting

        3.2 檢測(cè)結(jié)果

        人工利用內(nèi)卡規(guī)進(jìn)行測(cè)量時(shí),把卡規(guī)插入鉚接孔中,使測(cè)頭接觸內(nèi)孔表面,盡量保持測(cè)頭連線與孔軸線垂直,測(cè)頭沿孔壁圓周方向擺動(dòng),卡規(guī)指示最大值即為測(cè)量值(直徑)。人工檢測(cè)進(jìn)行3次測(cè)量取其均值,并將其作為參考,檢驗(yàn)機(jī)器視覺(jué)檢測(cè)結(jié)果正確性。為了使檢測(cè)結(jié)果真實(shí)準(zhǔn)確,選取鉚接板上的5行6列共30個(gè)鉚接位置進(jìn)行3次重復(fù)檢測(cè),記錄每個(gè)位置的鉚接孔徑尺寸信息,并對(duì)測(cè)量出的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,檢測(cè)結(jié)果如圖14所示。

        圖14 檢測(cè)結(jié)果Fig.14 Test results

        3.3 數(shù)據(jù)分析

        將3組機(jī)器視覺(jué)檢測(cè)的鉚接孔徑的均值與人工檢測(cè)的均值數(shù)據(jù)進(jìn)行對(duì)比,如圖15所示。可以看出,兩組檢測(cè)數(shù)據(jù)的變化趨于一致,而且兩條折線在各個(gè)節(jié)點(diǎn)處相差不超過(guò)10 μm。

        圖15 機(jī)器和人工檢測(cè)孔徑均值對(duì)比圖Fig.15 Comparison diagram of mean value of aperture detected by machine and manual

        將3次機(jī)器視覺(jué)檢測(cè)的鉚接孔徑數(shù)據(jù)進(jìn)行對(duì)比,如圖16所示??梢钥闯?,3者整體變化趨勢(shì)基本相同,說(shuō)明這些位置的3次檢測(cè)結(jié)果大致相同。折線波動(dòng)部分的檢測(cè)結(jié)果相差不超過(guò)10 μm,即鉚接孔徑的重復(fù)測(cè)量精度可達(dá)到10 μm。

        圖16 機(jī)器視覺(jué)3次孔徑檢測(cè)對(duì)比圖Fig.16 Comparison diagram of cubic aperture detection in machine vision

        將機(jī)器視覺(jué)檢測(cè)的3次鉚接孔徑分別與人工測(cè)量的均值數(shù)據(jù)作差,求出各個(gè)鉚接孔徑的差值,并將3組差值進(jìn)行對(duì)比,如圖17所示。可以看出,每點(diǎn)相差值均在10 μm以內(nèi),說(shuō)明檢測(cè)系統(tǒng)具有較高的穩(wěn)定性。

        圖17 人工和機(jī)器視覺(jué)測(cè)量偏差圖Fig.17 Deviation diagram of manual and machine vision measurement

        為了更加直觀地對(duì)比機(jī)器視覺(jué)檢測(cè)與人工檢測(cè)的鉚接孔徑數(shù)據(jù),將二者檢測(cè)數(shù)據(jù)的均值做成箱線圖,如圖18所示??梢钥闯觯?(1)箱體在豎直方向的高度反映了數(shù)值范圍,藍(lán)色箱體整體在紅色箱體上方,說(shuō)明機(jī)器視覺(jué)檢測(cè)孔徑數(shù)值整體偏大; (2)黃色線的位置基本相同,即人工檢測(cè)和機(jī)器視覺(jué)檢測(cè)鉚接孔徑的中心趨勢(shì)基本相同; (3)小方塊表示異常值,人工與機(jī)器視覺(jué)檢測(cè)孔徑時(shí),各出現(xiàn)1個(gè)異常點(diǎn),說(shuō)明二者都具有良好的檢測(cè)穩(wěn)定性; (4)紫色線為非異常范圍內(nèi)的最大值和最小值,即機(jī)器視覺(jué)檢測(cè)鉚接孔徑極差更?。?(5)箱體的寬度反映了數(shù)據(jù)的散布情況,說(shuō)明二者檢測(cè)孔徑分布情況基本相同。

        圖18 人工和機(jī)器視覺(jué)測(cè)量箱線圖Fig.18 Box diagram of manual and machine vision measurement

        4 結(jié)論

        (1)針對(duì)飛機(jī)鉚接孔徑的檢測(cè)問(wèn)題,本研究提出了一種改進(jìn)的基于Zernike矩算法的亞像素級(jí)邊緣檢測(cè)方法。該方法檢測(cè)出的圓孔邊緣輪廓信息相對(duì)完整,實(shí)現(xiàn)了亞像素級(jí)的邊緣檢測(cè)。

        (2)設(shè)計(jì)了锪窩孔外圓直徑檢測(cè)系統(tǒng),在對(duì)30個(gè)位置的鉚接孔徑進(jìn)行重復(fù)檢測(cè),并與人工檢測(cè)結(jié)果對(duì)比后,證明該系統(tǒng)檢測(cè)結(jié)果的偏差值在±10 μm范圍內(nèi),重復(fù)測(cè)量精度可達(dá)到10 μm。

        (3)該檢測(cè)系統(tǒng)可以同時(shí)測(cè)量多個(gè)位置的孔徑,實(shí)現(xiàn)了對(duì)鉚接孔徑的高精度、高效率測(cè)量。

        猜你喜歡
        直方圖孔徑算子
        統(tǒng)計(jì)頻率分布直方圖的備考全攻略
        符合差分隱私的流數(shù)據(jù)統(tǒng)計(jì)直方圖發(fā)布
        擬微分算子在Hp(ω)上的有界性
        各向異性次Laplace算子和擬p-次Laplace算子的Picone恒等式及其應(yīng)用
        用直方圖控制畫(huà)面影調(diào)
        一類(lèi)Markov模算子半群與相應(yīng)的算子值Dirichlet型刻畫(huà)
        不同滲透率巖芯孔徑分布與可動(dòng)流體研究
        分布式孔徑相參合成雷達(dá)技術(shù)
        Roper-Suffridge延拓算子與Loewner鏈
        基于子孔徑斜率離散采樣的波前重構(gòu)
        www插插插无码视频网站| 亚洲一区二区懂色av| 亚洲成人中文字幕在线视频| 天天爽天天爽夜夜爽毛片| 国产精品美女久久久久久2018| 久久久久久国产福利网站| 不卡视频在线观看网站| 亚洲中文字幕无码不卡电影| 性一交一乱一伦| 亚洲色图在线视频免费观看 | 欧美成人免费观看国产| 亚洲av色香蕉第一区二区三区| 亚洲中文字幕人妻久久| 日本高清h色视频在线观看| 欧美a在线播放| 国内偷拍第一视频第一视频区| 99re6在线视频精品免费下载| 婷婷久久久亚洲欧洲日产国码av| 丝袜欧美视频首页在线| 精品国产av一区二区三四区| 公与淑婷厨房猛烈进出| 日日碰狠狠丁香久燥| 久久久精品2019免费观看| 丝袜美腿福利视频在线| 国产成人精品久久综合| 国产成人精品自在线无码| 日本一曲二曲三曲在线| 精品亚洲a∨无码一区二区三区| 麻豆国产人妻欲求不满谁演的| 无码中文字幕av免费放| 日本按摩偷拍在线观看| 亚洲av永久无码精品三区在线| 精品四虎免费观看国产高清| 国产在线播放免费人成视频播放 | av在线一区二区三区不卡| 国产亚洲一区二区在线观看| 色爱区综合激情五月综合小说| 国产在线视频网站不卡| 国产欧美精品aaaaaa片| 狠狠色丁香久久婷婷综合蜜芽五月| 麻豆人妻无码性色AV专区|