1. 研究目的与意义
研究背景：在工业科技自动化水平迅猛发展的今天，现代制造工艺、加工工艺水平节节攀升，生产效率不断提高，产品质量精益求精。产品的检测工作也面临更高的要求。检测工作是把控产品质量的一个重要因索，尤其是在产品的批量生产过程中，更是占有绝对的主导地位。机械加工自动化水平逐渐攀升，加工工艺的精度、效率不断提升以及高等材料的不断涌现。这就迫切要求提高产品质量检测的水平。在传统的机械工件检测过程中，主要依赖人工检测，凭借肉眼观察以及简单的量具来判断，这一方法对工人的技术经验要求极高并且具有一定的主观性。就人工检测而言，长时间重复性的检测动作很容易产生疲劳，造成漏检或误检。相对于传统的高精度测量仪比如轮廓仪来说，固然测量精度高，但对测量的环境要求较高，需要在特定的适宜环境并配备相应的专用设备来完成测量任务，测量成本高。严重影响加工效率的提高，迫切需要研制出更为先进、自动化程度更高的检验测量技术。为了克服传统检测方式中的不足之处，基于机器视觉的非接触测量方式应运而生。
机器视觉(Machine Vision)是获取被测物体的相关信息(包括尺寸、位置、形态信息等)的新手段,主要原理是通过图像采集设备采集被测物体的图像信息，将相关数据输入计算机，再利用数字图像处理技术对数据进行分析、加工，从而获取相关信息，并通过屏幕显示或文件保存以备后用。 机器视觉就是用机器代替人眼来做测量和判断。美国制造工程师协会(SME)的机器视觉分会和美国机器人工业协会(RIA)的自动化视觉分会给机器视觉下的定义为:“机器视觉是通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置”。机器视觉系统就是-个能自动获取一幅或多幅目标物体的图像，对所获取图像的各种特征量进行处理、分析和测量，并对测量结果做出定性分析和定量解释，从而得到有关目标物体的某种认识并做出相应决策的系统。
目前，国际上已经开发了各类视觉系统，其应用在各个领域中。从机器视觉的发展至今，其应用越来越广泛，实际应用价值越来越高。在其发展历程中，一些新的理论、方法、概含不断涌现。相比之下，国内机器视觉起步较晚，但发展也是很迅速的，短短几年之内从最初的概念导入到工业应用普及，使其成为了工业自动化的一项重要技术。国内利用机器视觉来进行检测与定位方面的应用居多，相应的工业产品在国内市场上也是占据了主要地位，相关的技术也是越发成熟。在国外，机器视觉技术早已成功、广泛地应用于工业领域。在汽车领域，意大利的DEA、美国的Peceptron、CogniTens等公司研究开发的激光柔性测量系统可以在线实时测量车身与部件，系统中主要的测量系统为机器视觉系统。该类测量系统在宝马、福特、大众、通用等汽车公司得到了较好的应用。在制造领域，早在上世纪八九十年代，一些学者将机器视觉应用于刀具磨损监测。最初是通过获取刀具二维轮廓分析刀具参数来判断刀具的磨损量，整个检测过程都处于离线状态。随着视觉技术的成熟及对其算法的研究的深入，系统能够经过处理获取刀具的三维立体图像，更加直观地体现磨损情况。现有一些检测系统能够对刀具的磨损情况进行在线监控，检测过程方便而且结果精度高。不仅如此，器视觉还广泛应用于机床加工控制、机床温度在线监控、零件表面粗糙度检测、轴承偏心度检测等方面。
2. 研究内容与预期目标
研究内容：机器视觉是利用计算机对图像或视频进行处理，实现对二维或三维场景的识别、检测、感知和理解。目前，机器视觉已经广泛用于工业测量领域。本题目要求研究基于机器视觉的工件尺寸非接触测量，对影响测量精度和速度的因素进行深入研究。
预期目标：本课题通过一定的硬件系统搭建经验、编程思想、MATLAB的使用经验。以及基于机器视觉硬件系统完成图像的采集、传输、处理、分析等过程。研究出基于机器视觉的工件尺寸非接触测量，对影响测量精度和速度的因素。
3. 研究方法与步骤
1． 研究方法：
（1）利用MATLAB和基于机器视觉硬件系统。
（2）参考各类文献，不断创新。
4. 参考文献
| [1] JONAH S A,IBIKUNLEI K,LI Y.A feasibility study of LEU enrichment uranium fuels forMNSR conversion using MCNP[J]. Annals of Nuclear Energy,2009,36(8):1285-1286. [2] CHRISTINEC.Machine vision advances and applications[J].Assembly Automation,2009,29(2):106-111. ( [3]S.Sudhagar,M.Sakthivel,P.Ganeshkumar. Monitoring of friction stir welding based on vision system coupled with Machine learning algorithm[J].Measurement,2019,10:135-143. [4]郭静，罗华，张涛.机器视觉与应用[J].电子科技，2014，27（7）：185-188. [5]廖强，周忆，米林，徐宗俊.机器视觉在精密测量中的应用[J].重庆大学学报，2002，25（6）：1-4. [6]冯西，吴静静，安伟.基于机器视觉的大尺寸工件自动测量系统[J].传感器与微系统，2019，38（4）：104-107. [7]仲娇月，张新敏，徐阳.基于机器视觉塑料螺母尺寸测量方法研究[J].机械工程师，2019，（3）：37-39. [8]侯艳丽，苏佳，侯卫民，崔佳敏.MATLAB仿真及电子信息应用（第2版）[M].北京：人民邮电出版社，2016，8. [9]Forsyth.D.A,Jean Ponce.Computer Vision[M].Inc:Prentice Hall,2003. [10]Geoffrey D.Effect of sub-pixel spread function of a ct image system[J].Medical engineering and physics.2008,2:503-507. [11]杜红茹.基于机器视觉的齿轮尺寸测量问题研究[D].甘肃：兰州理工大学硕士学位论文，2011. [12]夏良正.数字图像处理[M].南京：东南大学出版社，1999. [13]张宏光，胡德金，徐俊杰.基于视觉图像的机加工零部件亚像素边缘定位[J].机械工程学报，2004，40（6）：179-182.
|
5. 工作计划
（1）1月9日至3月2日(1周前)：根据任务书，明确设计的内容和目的，查阅相关文献材料准备开题报告。
（2）3月3日至3月9日（2周）：根据阅读的资料文献初步了解设计的原理以及实现的方法，开始写开题报告。
（3）3月10日至4月5日（3-6周）：掌握所选择硬件或软件平台的使用方法、开始完成设计的具体内容。
以上是毕业论文开题报告，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。
