英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
基于视觉的监控造船区块装配系统
船舶是使用船块建造的，块是造船的基本单位。每个块都单独设计和组装，焊接在一起，形成整个船舶。因此，在制造计划内装配区块对于及时交付船舶非常重要。要维护块程序集计划，必须监视块程序集的当前状态，并将其反馈给计划运算符。目前，装配状态的监视由工作人员手动执行，工作人员根据他的经验确定块的装配状态。因此，在目前的实践中，工作的效率与准确性是无法保证的。为了解决这个问题，本文提出了一个基于视觉的模块组件监控系统。该系统由分割、识别和估计单位组成。摄像机在装配过程中获取块的图像。随后处理图像以提取块的区域。接下来，对提取的块进行标识，并与CAD 数据进行比较，以估计装配进度。估计信息提供给操作员，以便有效地管理块装配计划。通过实际示例测试了建议的系统，这些实例表明在实际装配现场使用的可能性。
船舶使用块建造，这是整个船舶的细分部分。该方法称为块共体法，在世界各地得到广泛应用。在设计阶段计划将船舶分成区块。 每个区块的大小取决于各种因素，例如，在块生产中使用的起重机的容量和工厂的规模等。 因为每艘船都是以单独的设计建造的，因此细分策略各不相同，每个块的装配过程也是如此。完成船舶区块的细分后，将为每个区块准备用于装配的详细图纸。在装配阶段，每个块都根据装配图进行协调。
这些方块通常是建在工厂里。块组件的面积和资源量有限，所需的时间用于组装每个块是不同的。因此，应仔细规划工厂装配区块的生产计划，以最大限度地提高整体生产效率。
应确定每个模块在出厂中的位置以及装配每个模块所需的时间，以便优化装配计划。根据这些信息，可以规划和管理总体装配计划，但实际装配时间可能有所不同。装配时间的变化可能会干扰装配计划，从而降低生产率。因此，应实时监视每个块的当前程序集进度，并将此信息反馈给计划管理器。根据每个块的当前装配状态，可以应用必要的修改来生成新的装配计划以实现最佳生产。
目前，块组件监视由一个外向工作线程执行。此工作人员观察一个块并评估其相对于生产图纸的进度。此手动监视方法在当前装配站点中存在两个问题。首先，没有客观地确定装配进度的量化指标。根据经验水平，对进度的评估可能有所不同，因此，程序集进度的监控将随着时间的推移而保持一致。其次，对所有块进行手动检查通常非常耗时。因为工作人员必须行驶的区域很大，在典型的装配站点中，最大块数可以达到 30 以上。额外的员工可以同时执行此任务，以减少必要的检查时间，但这显然不是公司的具有成本效益的解决方案。因此，对块体进行自动定量监控是解决这些问题的必要条件。
自动监控块体装配的方法有多种，例如基于视觉的方法和基于重量测量的方法。但是，应当考虑若干约束因素，以便作出最佳选择。首先，应尽量减少对现有装配过程所做的更改。更改现有装配流程可能会给公司带来重大风险;相反，应将自动监控的新方法与当前装配流程合并，同时对当前流程进行微小更改。因此，必须针对程序集的最小可修改量。其次，新的监视方法应在不对硬件进行大量更改的情况下引入，以尽量减少新方法可能需要的额外费用。第三，新方法应比现行的手工方法提高效率。与新方法的手动工艺相比，应实现最高效率。
在这项工作中，考虑了一种基于愿景的方法。每个模块的当前程序集状态由使用数码相机捕获的图像进行评估。接下来，对图像进行处理，以提取形成中进行监控。在此步骤中，此方法所需的唯一硬件是摄像机。此外，重新请求的图像处理软件模块很容易与当前装配过程合并。这种基于视觉的方法可以满足前两个约束，并有望满足第三个约束，因为许多基于视觉的方法已经应用于各种过程监控任务，并突出了实现与体力劳动相比的优势。
基于视觉的技术已广泛应用于各个领域的检测。对现有方法的全面审查超出了本文的范围。相反，引入了所选方法的子集，以总结基于视觉的检查的背景。贾庆林介绍了一种基于视觉技术的系统，用于注射器装配线中的检测。该系统由一台电脑、10个带16毫米镜头的单色摄像机和两个LED面板组成。注射器的图像由摄像机拍摄，然后进行处理，以提供用于检查注射器质量的信息。阿克索伊塔尔提出了一种采用归纳式学习方法的模式分类方法，认为利用归纳式学习可以改进该分类，并表明Pham和Aksoy提出的RULES-3归纳算法可以成功地应用于玻璃杯检查的例子。陈和苏提出了一个系统，使用两个摄像头来识别插座的形状，测量尺寸和同心度，以及估计模具磨损。图像处理技术被用来从摄像机获取的图像中获得这种信息，然后反馈给中央计算机系统。Lahajnar等人报告了用于目视炊具电板的机器视觉系统。使用两台相机采集的产品图像自动对人造板进行精确的尺寸测量，然后使用高效的图像处理算法对这些图像进行处理。Sun等人提出了一个用于检查电气触点质量的机器视觉系统。获取并处理了三个电气触点视图，以检测零件中的任何表面缺陷。Kosmopoulos等人讨论了一种基于视觉的检查系统，用于检查汽车生产线上车身和面板的间隙。使用立体视觉和镜面反射检测出间隙。此外，内丁巴罗等人提出了一种用于检测IC铅缺陷的基于视觉的机器人系统。Golnabi和Asadpour的论文讨论了机器视觉系统设计和应用的总体框架，分析了各种工业应用，并介绍了机器视觉系统的设计和开发以及其应用于工业领域的一般方法。Sannen和Brusel解决了视觉质量检测的鲁棒性、准确性和灵活性问题，并指出，这些问题可以解决，即与在检测过程的不同阶段获得的信息进行多层次的信息融合。
不同学科都认识到自动进行视觉检查的潜力。在工业部门采用基于愿景的检查已作出很大努力，。这些领域使用的基于视力的检查调查是可利用的，其中一部分概述如下。Brosnan和Sun对农业和食品的基于视觉的检查和分级进行了审查。计算机视觉方法是一种非接触式方法，适用于处理此类产品。该小组审查了评估水果和谷物等产品的方法，并将其范围扩大到比萨饼等食品。Malamas等人对工业中使用的视觉系统进行了全面调查，根据两个方面对现有系统进行分类：待检查产品或工艺的功能以及独立于检查过程。综述了基于机器视觉的检测技术，并讨论了机器视觉检测的实际应用。 结构缺陷检测是另一种基于视觉的检测应用，Kuma针对此类应用的测量方法和系统，主要关注面料质量检验的理论方面。
汽车和电子设备等产品通常采用相同的设计大量生产。因此，产品的形状和结构保持不变，图像采集的虚拟条件没有变化。这意味着可以为此类产品设计专门的图像处理单元，以产生最佳的检测检测。然而，在船舶建造中，很少尝试用这种方法。第一个原因是要监测的方块的形状和结构是复杂的，并且因船而异。此外，图像环境条件也不利于图像环境条件。因此，对制造过程进行基于视觉的监控的通用化过程是难以消除的。关于在造船业应用基于视觉的方法的论文相对较少。伊博拉等人提出了一个机器人系统用于清洁船体，后来同一研究小组开发了一个用于船体维修的自动化系统。一种基于视觉的利用各种图像处理技术检测船体上的任何缺陷的检测系统被研发。特别的Alcover等人提出了一种算法，通过扭曲引起的扭曲来校正图像。然后，使用小波变换处理校正图像以进行缺陷检测。为了最佳提取缺陷位置，应选择适当级别的小波去找位置，这是使用基于熵的方法获得的。他们还讨论了一种基于视觉的方法，用于船舶生产管理。然而，很少有文件使用基于视觉的方法对船块进行监测。
本文提出了一种新型的基于视觉的块状装配监控系统。数码相机安装在天花板上，以生成块组件当前状态的图像。 处理图像以使用图像处理方法提取每个模块的各个部分，并测试提取的组件进行识别。识别每个块后，将其与其CAD 数据进行比较，以估计装配进度的速率。 估计的资料是为各种目的提供的。 这一提议使用实际示例对过程进行评估，这些示例演示了此方法在实践中使用的潜力。
这项工作的贡献如下。建议的系统提供了自动化块组件的初始步骤。装配区块的装配进度的定量值是管理高效块生产的重要信息。通过比较从图像中提取的功能与从CAD数据中提取的功能来估计此进度值。通过考虑这些信息，可以更有效地在工厂进行区块分配，并且整个船舶建造管理过程可以从收集到的原始数据中受益。
用于自动块分割的抓取切割算法 GrabCut 算法根据用户输入提取感兴趣的对象。该算法是一种迭代学习图像分割方法。输入是图像中感兴趣对象周围的闭合曲线。还指示对象的域和背景，以获得准确的结果。但是，所有这些输入必须由用户手动提供。因此，如果没有自动提供输入的方法，此算法不能直接用于此系统。 在这项工作中，引入了一个过程，用于自动构造用于输入 GrabCut算法的掩码。此过程包括三个步骤：基于HSV 颜色空间的图像二元化、噪声滤波以及具有候选区域的蒙版合成。首先，使用转换公式将输入图像的 RGB 颜色空间转换为 HSV 颜色空间。接下来，在 HSV 颜色空间中定义与图像中的颜色对应的范围。范围包括钢板的颜色。范围中包含的颜色将转换为白色，范围外的颜色设置为黑色，在此过程中可以获取近似的二进制图像。为GrabCut 算法准备输入的最后一步是使用前面步骤的输出组成掩码。滤波图像中的黑色区域被视为背景。同样，白色区域被假定为前景。白色区域中最大的一个被选定为块的候选区。执行侵蚀操作以移除候选区域的高频分量。它是一种形态运算，通常应用于二进制输入图像，以缩小图像的前地。考虑二进制图像I和结构元素H二进制图像，定义周围的任意结构原点像素的H 的 I 的侵蚀操作维护像素 P I，使以 P 为原点的 H 完全包含在 I 中。此操作后，侵蚀区域将设置为前景。接下来，使用Graham等人报告的方法计算候选区域边界的凸包。被凸包包围的区域被视为可能的前景区域，其余区域设置为背景。接下来，创建输入图像的三元映射，作为 GrabCut 算法的输入。图 4 说明了输入图像的三幅图示例。使用三元映射，该算法生成块的分段区域。
当块在某个位置构造时，底板和焊接在板上的部件可能会遮挡在投影图像中，因为某些部件很大，并且可能向内弯曲。在这种情况下，可能无法正确获取块的边界形状，因为添加的组件可能会更改块形状的边界，并且由于添加的组件而更改的照明条件可能会影响图像处理步骤。 此问题可以按照以下方式解决。
拍摄块的图像时，必须识别分段块以估计块程序集的进度。可以通过将每个块的功能与包含各种块的功能的数据库中的要素进行比较来执行此标识过程。如果块的输入功能与数据库中的任何要素匹配，则可以识别该块的 ID。
可以从块的制造计划中获取块装配站点中块的信息，这意味着可以使用装配站点中唯一块的 3D CAD 数据计算数据库。如果块已完成，则已完成块的功能将从数据库中删除。同样，在开始组装新块时，数据库也会更新。因此，考虑进行标识的块数在任何时候都是有限的。在这种情况下，可以有效地执行输入图像中块的标识。
本节介绍用于标识从分段步骤中提取的块的标识的标识的过程。块的分割区域是平面上具有纹理的平面。因此，块不存在 3D 信息，并且仅考虑块的轮廓来标识块图像。在大多数情况下，方块具有独特的轮廓，可用于识别。因此，通过比较轮廓，可以获取块的 ID。在此方法中，将处理边界轮廓以提取每个块的特征。这些功能用于通过将每个块与数据库中从 CAD 数据生成的块进行比较来查找每个块的 D。
在这项工作中，Hu 固定性用于每个块的边界形状的特征进行标识。胡不定作为块的特征，这是捕获整体形状细节的整体属性。它们被广泛用作形状的特征，因为它们与各种变换是不变的。
自动监控造船工厂的区块装配进度对于有效管理船块装配计划至关重要。此类信息完全由工作人员手动获取，但此手动过程被认为是缓慢和不准确的。因此，对采用新技术改进这一过程有着强烈的要求。在这项工作中，提出了一种基于愿景的方法，用于监控工厂中块装配的进度。该方法基于非接触式，需要最少的硬件，并且无需显著更改现有流程即可使用。此外，根据图像采集设备的分辨率和计算单元的性能，对于各种用途来说，都可以轻松获得足够的精度和速度。
本文介绍的方法不仅限于计算机视觉应用，而且可随时扩展到自动检测、图像三维形状重建等，是CAD/CAM社区的重要研究课题。为了进行检查，图像被处理以提取目标的属性，然后与 CAD 数据或其他信息进行比较。建议的块组件监控过程使用与自动检测相同的过程。也就是说，作为获取块组装当前状态的手段，采用了基于愿景的方法。生成图像，处理以提取数据，并与 CAD 模型进行比较，以估计装配工作的当前状态。整个过程是CAD/CAM应用的一个很好的例子。特别是，将 CAD 模型与图像中捕获的当前状态进行比较是本文的关键部分。其次，从图像进行 3D 形状重建是另一种良好的 CAD/CAM 应用，需要本文介绍的基于视觉的方法。获得不同方向拍摄的目标的图像。使用各种图像处理方法处理每个图像以分割目标。然后，使用摄像机方向和方向数据组合分段零件以恢复 3D 形状。此 3D 重建方法可用作 3D 扫描方法的替代方法，用于对大型结构进行建模。基于视觉的监控系统能够自动、高效地估计块组件的当前进度，因此能够简化设计信息流，提供最佳的生产计划，并最终改进整体船舶建造过程。但是，当未清楚地检测到块上添加的组件时，对装配进度的估计可能会变得不准确。这是基于视觉的方法的局限性，应该克服它，以提高估计的鲁棒性。
可以采用几个改进来解决这个问题。一种方法是使用受控照明来改进检测。另一种方法是引入不同的传感器，如重量传感器，以检测组件中块的重量变化。需要考虑包括成本和效率在内的各个方面来选择最佳方法。在拟议系统的实际应用中，必须仔细调整用于各种子流程的参数，以产生最佳结果，因为船厂的环境和条件因船厂而异。无法选择可用于所有情况的一组参数。 因此，应该对系统进行一次全面的测试，并采用各种实际示例来自定义参数。使用受控照明或其他传感器来提高估计精度，并推荐为将来的工作进行彻底的评估和最佳参数选择。
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[240059]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
