文献综述
1前言
磁环作为一种电感元件的组成部分，不仅应用于日常生活中的冰箱、空调、洗衣机等家用电器中，也广泛应用于航空航天、微波通信、电子器件、汽车工业、石油化工、仪器仪表和医疗器械等领域，需求量大，同时对其质量要求也不断提高。目前磁环主要依靠质检人员人工检测为主，但人工检测和分拣具有一定的难度且过程复杂效率低除此之外，人工检测质量标准不一，劳动强度大、易疲劳，人为测量的误差引入较大，难以实现高速、准确、可靠的测量和质量评定。虽然目前表面缺陷的检测有很多技术和方法，如：T.N..GRIGSBY等人提出的钢板表面超声波探伤技术，Veronika Putz等人提出了通过激光扫描轮廓，从投影形状畸变的激光线模式来判断表面缺陷，J.P.Lesso等人提出了利用一种新型红外光干涉技术进行表面缺陷检测，但是这些方法均只能判断有无缺陷，无法对缺陷进行分类，也无法对缺陷大小进行定性的判断，同时也无法对尺寸进行测量。随着传感技术、计算机技术、图像处理技术的不断发展，机器视觉技术作为新兴的检测手段日趋成熟，因此，国内外的科研人员开始将目光聚集到以数字图像处理技术为核心的机器视觉检测方法上。张阁阁指出，采用机器视觉技术对磁材进行检测，替代传统的人工的磁材检测方式，以实现对磁性材料的全自动、非接触的、高精度的检测。侯海洋设计了一套磁环缺陷在线检测系统，旨在开发一套智能检测生产线并投入使用，提高产品检测准确率，同时把工人从枯燥的生产线上解放出来，为企业节省劳动成本，最大化产品利润。国内外同类研究在日趋成熟。开发一套适合我国工厂自身产品特点的机器视觉检测设备迫在眉睫。
2磁环表面缺陷检测现状与发展
针对磁环成像特点，国内外学者也对其表面缺陷提取方法进行了初步探讨。2006年钱小龙等设计了一套集控制系统，上料机构、翻面机构、剔除机构等于一体的钕铁硼工件表面缺陷检测系统，但只应用了二值化分割图像，对于灰度对比不明显的缺陷类型并不适用；同年姚骥等成功开发了一套可用于磁环表面裂纹检测的磁环检测系统；接着，刘贤坤等开发了一套可对磁环进行尺寸分级和缺陷检测的系统，其检测效率为每秒4个；2007年陈永清等人基于虚拟仪器开发平台 LabVIEW 和 Vision Builder AI开发工具开发了一套磁环双端面缺陷检测系统，但考虑到检测速度和成本，没有提取磁环的窄裂纹等缺陷特征；2009年，郑晓曦等人结合形态学处理和边缘检测等算法提取磁瓦缺陷特征，在缺陷明显的情况下，取得了一定的效果；2010 年长春理工于占江等人通过对钕铁硼表面纹理特征的研究，提出了基于图像梯度加权信息熵抑制表面随机纹理的缺陷提取算法；王玉槐等利用轮廓定位优化算法，测量了磁环内外尺寸，构建了掩模图像分析了利用掩模图像提取磁环表面缺陷，开发了磁环表面缺陷在线检测系统；2012年，余永维等提出利用自适应形态学滤波器提取磁瓦表面缺陷的方法，但并未考虑垂直于扫描线方向的邻域关系，可能将孤立的噪声点误认为缺陷；同年，蒋红海等应用快速离散 Curvelet 变换提取磁瓦图像特征，进而利用支持向量机分类器对磁瓦微小缺陷进行自动识别分类，但只在缺陷部分块图像的比例高于 1/64 时正确识别率才大于83%；2013年石聪等开发了一套磁材表面缺陷检测系统，在基于边缘模板匹配的基础上对磁材进行定位，然后研究了磁材纹理的提取和滤波，然后通过灰度均值、标准差等纹理特征确定缺陷区域，但由于算法复杂度高等原因而有失高效性，且设备体积过大不便于生产线部署；同年，俞甫等人设计了一套磁环检测装置，对大小面积的缺陷分别采用动态ROI对差分算法和基于二值化的特征提取算法分割缺陷，从实验结果上来看取得了一定的成果，但对于倾斜的裂纹等缺陷误差较大，且系统有一定延迟和定位准确性问题；杜柳青等提出了一种基于混沌特性的视觉图像特征信息提取和判别方法，其检测率有待提高；2014年，李雪琴等]提出了一种非下采样 Contourlet 域自适应阈值面的磁瓦缺陷自动检测算法，该算法可以有效去除磁瓦表面纹理，提高表面缺陷的准确率，但非下采样 Contourlet 变换比较复杂，算法运行时间至少需要2.716秒，很难满足在线检测要求；同年，XueqinLi 等结合离散Curvelet变换和纹理分析提出了一种磁瓦图像裂纹缺陷的检测方法，该方法只可提取长度大于8mm的裂纹缺陷；张阁阁等人搭建了基于MV-VD200SM/SC相机、AFT-ZML0912镜头、AFT-RL12068R的呈像环境，并将 Hough变换、多边形拟合等算法应用于缺陷边缘的提取，达到了预期检测目的；王耀南等提出的基于反向 P-M(Perona-Malik)扩散钢轨表面缺陷检测算法需要控制参数比较多, 而磁环型号繁多以及形状复杂等因素很难利用反向 P-M 扩散提取磁环表面缺陷；王阿力等采用基于多尺度小波变换和单独尺度下的滤波和梯度处理获得梯度总图，并提出了改进的自适应平滑滤波 canny 边缘检测算法，精准的检测出了划痕和刀痕缺陷；2016年，林丽君等提出一种基于平稳小波包和非下采样方向滤波器组构造的轮廓波包变换缺陷提取方法，该方法缺陷提取准确率达到95%；2016年，Chengli Yang等利用 Sobel 操作和平稳小波变换去除磁瓦不均匀背景，消除干扰，平均运算时间 0.519s，磁瓦缺陷正确识别率可达92.86%；LuofengXie等利用Shearlet变换提高磁瓦缺陷表面与正常表面间的对比度，然后通过二值化提取缺陷区域，这种方法提取的磁瓦表面缺陷种类有限，而且Shearlet变换运行时间相对比较长；贺振东等提出的高铁钢轨背景差分表面缺陷检测方法，对于对比度低的磁环表面而言，此方法不能有效凸显铁氧体磁环的表面缺陷；侯海洋和李俊峰提出了一种基于小波变换及边缘检测的缺陷提取算法，在提取小波变换近似系数的基础上消弱高频纹理，再基于纹理熵和Canny参数的关系自适应检测出磁环梯度边缘和杂点即得到磁环缺陷部分边缘，能以较高的准确率检测出裂纹、凹陷、麻面、掉块缺陷, 但是对于其他类型缺陷检测结果并不理想；2017年，侯海洋在之前理论研究的基础上设计了一套经济适用的自动翻面多角度缺陷检测装置；同年，张之祥提出了基于掩模技术磁环表面缺陷提取方法和基于纹理抑制磁环表面缺陷提取方法，磁环尺寸进行测量时是利用对磁环二值图像轮廓边缘点的拟合进行的，对磁环图像进行二值化分割难免会损失部分边缘信息，且用各向异性滤波取代 Canny 算法中的高斯滤波，虽然对磁环表面纹理滤除效果明显，但算法运算时间较长。
3研究任务与内容
3.1图像预处理
王玉槐指出，直接采集得到的图像往往含有很多噪声信息，而噪声对磁环缺陷检测系统来说是个很糟糕的，甚至是致命的问题。张之祥指出，对获取的磁环图像进行预处理是为了提高磁环初始图像的质量为后续提取磁环表面缺陷提供条件，图像预处理是图像信息提取的前期工作，主要包括图像滤波、图像分割和图像形态学处理等操作。
张之祥提到，改进了中值滤波并运用到磁环图像处理中，通过实验对比验证了改进的中值滤波算法的优异性。另外受光照及外部环境影响磁环表面图像灰度不均匀，为此，使用灰度增强突出图像表面特征。磁环图像主要分为磁环区域和背景区域两部分，对磁环图像进行分割能有效区分磁环背景区域和目标区域。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
