基于机器视觉的装配防错控制系统研究开题报告

1. 研究目的与意义（文献综述）

机器视觉是随着20世纪20年代模式识别的出现、20世纪40年代计算机的出现、20世纪50年代人工智能的兴起而出现的，它是一门交叉性综合学科，融合了图像处理、计算机、模式识别、人工智能、概率论、线性代数等学科。其特点就是通过图像处理提取图像中有用的关键信息并将其传入到算法的接口以得到期望的输出。目前21世纪，机器视觉技术已经越发成熟，早期的非线性问题随着数学理论的完善也已经不再是难题，并且越来越多的互联网企业也开发了各种图像处理、特征提取、分类器、人工神经网络的算法。这些算法已经广泛应用于现代工业生产、人工智能、统计学、现代医学等各个领域。

在工业生产中，机器视觉的方法主要用于产品缺陷检测、瑕疵检测、包装检测、尺寸测量等方面，由于人的专注性是有一定的时间范围的并且机器视觉是一个高度集成化的实时性过程，这都使得采用机器视觉的方法检测产品装配过程要优于人工检测或使用其他传感器检测，其不仅能提高检测效率也能实现柔性制造的目的。比如说在检测螺钉和测量方面，以前大部分螺钉都是通过人眼去检测是否漏装，但效率和正确率都不高；尺寸测量基本上也是通过工人或者工人操作机器测量的，其精度也不高，若是能通过机器视觉的方法去检测螺钉和测量尺寸，可以大大提高检测效率和测量精度，提高企业的自动化生产水平。

在国内，机器视觉主要运用在交通、工业生产、医学、物流方面，而在国外主要体现在半导体及电子行业、2d到3d重建方面的应用。目前机器视觉主要寻求在人工智能上得到突破，想要使它应用于环境复杂多变的场合以得到与人一样的效果，比较典型的列子就是无人驾驶。无人驾驶对算法的要求很高，现阶段主要研究在复杂路段、弯曲路形、障碍物识别，其中车速的快慢又与无人驾驶系统的实时性密切相关，目前制约着无人驾驶的三个关键因素是视觉算法的实时性、鲁棒性和精确性。实时性要求视觉算法的信息交互与车辆的运行速度进行匹配，鲁棒性要求在恶劣天气或者复杂路段等场合视觉算法能够良好的适应，精确性要求在干扰较多的场合视觉算法的输出误差不能太大，这三个因素相互制约，想要完全满足这三个要求还有一定的路要走。

2. 研究的基本内容与方案

基本内容：设计一个软件用于实时在线检测产品装配过程中螺钉是否漏装以及测量产品零件配合面之间的缝隙长度，对不满足要求的产品进行分类计数。

技术方案：

经10多天资料查询和准备，此次系统打算采用vs2017 opencv3.4.1 52单片机 传感器 摄像机 led灯来实现，其方框图及功能如下图2-1所示：

3. 研究计划与安排

1）2020年3.25之前完成开题报告、外文翻译以及摄像机、led、单片机等材料的准备

2）2020年3.25~4.15完成螺钉检测和缝隙测量

3）2020年4.15~5.10完成并调试好上述系统方框图

4. 参考文献（12篇以上）

[1]马忠梅，单片的c语言应用程序设计（第三版） 北京航空航天大学出版社，2003

[2]于海生，微型计算机控制技术，北京，清华大学出版社，1999

[3]刘海波，visual c 数字图像处理技术详解 北京华章图书专营店，1970