文献综述
1.1课题背景零件故障是工业零件生产中不可避免的问题，如果不及时发现并处理，将会影响产品外观表面质量及性能，导致企业生产效益下降.目前，针对工业生产线上的工业零件存在尺寸误差和外观缺陷等问题，大多数工厂采用人工方式来测量尺寸和检测缺陷，但人工测量和检测的精度易受外部环境和主观意识的影响，从而会有检测效率低、误检及漏检率高等问题。
为此，本项目设计了一种基于机器视觉的工业零件故障检测系统。
缺陷检测过程可以分为零件图像的获取、零件的检测及预处理、缺陷特征提取、分类识别等阶段，其中特征选择和提取的基本任务是从图像的众多数据中找出最能代表其特征的有效信息，这一步是保证分类器设计能否实现以及性能是否优良的关键基础。
因此，选择特征并对特征进行提取是缺陷检测算法中至关重要的一个环节。
本课题将对工业零件在智能产线中所出现的常见故障的检测方法进行深入研究。
1.2零件缺陷研究故障产生的原因有很多，故障类型也有很多不同的情况。
故障的分类还没形成一个统一的标准，不同的厂家和研究机构都有自己的一套分类方法，一些文献中根据故障产生的机理、部位等来进行分类，较为全面和细致，较为常见的是将有故障的零件分为污损、烧蚀、划痕、碎裂、缺损五种。
污损：污损是最为常见的零件损坏类型，有两种产生的原因:一是在生产过程中受到灰尘或者油污的污染，属于生产故障。
烧蚀：主要发生在电子零件检测过程中。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是文献综述，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。
