基于机器视觉的航空零件表面刮痕检测系统研究

doi:10.3969/j.issn.1006-2475.2012.06.014

计算机与现代化 ›› 2012, Vol. 1 ›› Issue (6): 47-49,5.doi: 10.3969/j.issn.1006-2475.2012.06.014

基于机器视觉的航空零件表面刮痕检测系统研究

乔文治¹，缪君²

1.江西洪都航空工业集团有限责任公司科技部，江西南昌 330024；2.南昌航空大学航空制造工程学院，江西南昌 330063

收稿日期:2012-03-28 修回日期:1900-01-01 出版日期:2012-06-14 发布日期:2012-06-14

Research on Aviation Parts Surface Scratches Detection System Based on Machine Vision

QIAO Wen-zhi¹, MIAO Jun²

1. Department of Science and Technology, Jiangxi Hongdu Aviation Industry Group Company Ltd., Nanchang 330024, China;2. School of Aeronautic Manufacturing Engineering, Nanchang Hangkong University, Nanchang 330063, China

Received:2012-03-28 Revised:1900-01-01 Online:2012-06-14 Published:2012-06-14

摘要/Abstract

摘要： 研究一种精度高、可操作性强的航空零件表面检测系统对提高生产质量有重要的意义。本文基于机器视觉技术提出一种零件表面刮痕检测系统。此系统由软、硬件两部分组成，本文重点对软件部分的算法流程进行研究和探讨，并提出一套切实可行的方案。实验结果表明，该系统实用性强，对提高产品质量具有一定的实际意义。

关键词: 机器视觉, 刮痕检测, 阈值分割, 边缘检测

Abstract: To improve the production quality, it is important to develop a high precision and strong maneuverability aviation parts surface inspection system. This paper presents a novel parts surface scratches detection system based on machine vision, which includes hardware and software components. The algorithm process of the software component is focused on and discussed, and a practical scheme is presented. The experimental results show that the proposed system is of a strong applicability to practical production.

Key words: machine vision, scratches detection, threshold segmentation, edge detection

中图分类号:

TP391.41

乔文治;缪君. 基于机器视觉的航空零件表面刮痕检测系统研究[J]. 计算机与现代化, 2012, 1(6): 47-49,5.

QIAO Wen-zhi;MIAO Jun. Research on Aviation Parts Surface Scratches Detection System Based on Machine Vision[J]. Computer and Modernization, 2012, 1(6): 47-49,5.

[1]	郭之栋, 刘筠, 杨凡, 周昕, 陈亮亮. 基于机器视觉的智慧交通灯控制系统[J]. 计算机与现代化, 2023, 0(04): 101-105.
[2]	葛红飞, 李轶然. 基于点边缘特征自适应融合的视觉SLAM算法[J]. 计算机与现代化, 2023, 0(03): 107-112.
[3]	陈卓, 乔贵方, 柴鑫波, 杜一君, 沈重霖, 王远浩. 基于改进知识蒸馏的多天候车辆检测方法[J]. 计算机与现代化, 2023, 0(02): 50-57.
[4]	尹初, 赵启林, 芮挺, 袁辉, 王剑. 基于自适应锚框的裂缝目标检测算法研究[J]. 计算机与现代化, 2022, 0(11): 95-101.
[5]	任朝东, 张得礼. 基于RPN网络和改进LBP特征的充电口检测算法[J]. 计算机与现代化, 2021, 0(08): 64-69.
[6]	赵启雯, 徐琨, 徐源. 基于HED网络的快速纸张边缘检测方法[J]. 计算机与现代化, 2021, 0(05): 1-5.
[7]	吴水明, 朱燕, 王芳, 景栋盛. 一种基于Cascade R-CNN的电子器件容器质检方法[J]. 计算机与现代化, 2020, 0(11): 33-38.
[8]	李睿, 王德忠. 结合HED网络和双阈值分割的GMM目标检测算法[J]. 计算机与现代化, 2020, 0(06): 7-.
[9]	崔娟娟1，张蕾1,侯谢炼2，陈才扣2，张海燕1. 基于鉴别性低秩表示的2阶段人脸识别算法[J]. 计算机与现代化, 2019, 0(12): 55-.
[10]	周洪雨1,马千里1,马蓬勃2. 鼓风机转子工件尺寸和对称性的检测方法[J]. 计算机与现代化, 2019, 0(11): 55-.
[11]	马兴录，何爱欣，李莹莹. 桌面型机械臂的机器视觉应用框架研究[J]. 计算机与现代化, 2019, 0(11): 64-.
[12]	张瑞勋1，周洪雨2，骆圣丽2. 基于机器视觉的药盒传送拥堵检测算法[J]. 计算机与现代化, 2019, 0(10): 94-.
[13]	李宇萌，段欣伯，马蓬勃. 基于点云的转子表面缺陷检测方法[J]. 计算机与现代化, 2019, 0(10): 101-.
[14]	买尔孜燕古丽·阿不都拉，冯向萍. 基于机器视觉的非接触式马体尺测量方法[J]. 计算机与现代化, 2019, 0(10): 108-.
[15]	纪超，黄新波，曹雯，朱永灿，张烨 . 改进的Fast-CNN模型在绝缘子特征检测中的研究[J]. 计算机与现代化, 2019, 0(04): 59-.

基于机器视觉的航空零件表面刮痕检测系统研究

Research on Aviation Parts Surface Scratches Detection System Based on Machine Vision

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价