【终稿】毕业设计_推土机变速箱设计【有CAD图纸的哟】

总长度即为所有相邻像素之间的长度之和。

当瑕疵长小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

瑕疵宽的计算法计算瑕疵宽时，仍然对瑕疵做细化操作后，骨架各点所在的瑕疵的位置的宽度反应出瑕疵各段的宽度。

由于骨架曲线是单像素曲线，则个骨架点与相邻点的其他两个骨架点相接，分别求出与相邻点的斜率。

则每个斜率的垂线与瑕疵边缘相交两点，两点的连线的大小即为宽度值。

比较这两个宽度值其中较小的为这个瑕疵的宽度。

设骨架曲线的其中个骨架点用，表示，其相邻骨架点分别为，和，。

骨架线在点的斜率近似用直线的，导师评语率表示，则斜率表示为公式过骨架点斜率为的直线与瑕疵图像边缘交于两点，记为，。

则此瑕疵的宽度表达式为公式同理，骨架线在点的斜率近似用直线表示，同样的原理求出，然后比较与的大小，取较小值作为瑕疵的宽度。

最后结果，。

当瑕疵宽小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

实际的检测效果如下，图密封圈灰度图为相机步骤到的密封原图，图算法最终的处理结果为本算法得到的最终的处理结果，可以看到，所有位于密封圈表面上的瑕疵都被检测出来了图密封圈灰度图图算法最终的处理结果实验结果我们的最终成果如图所示，我们已经搭建出了检测平台包括相机光源嵌入式主板触摸屏显示器等元素。

软件的识别算法也能达到预计的水平。

图成果图本章小结本章主要讲述了密封圈表面识别算法的主要流程。

并对每个步骤用文字公式和图片的方式进行了详细的解说。

第章总结与展望本文讲述了密封圈的图像采集结束后如何通过利用嵌入式图像处理技术，对密封圈上的瑕疵图像进行处理，提取出瑕疵的信息，并对瑕疵的特征参数与密封圈合格标准参数进行比较，筛选出合的像素值，等于时，就亦将该点标记为点，并堆入队列中。

如此依次循环。

在往复的过程中如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。

直循环到队空为止。

此时，则说明条瑕疵的信息遍历结束。

记录下此时的，四个值，并统计好之前的入队的个数。

则有公式公式这样，对于瑕疵信息数组，每个成员都代表的是每个瑕疵在维图像上的所有信息。

瑕疵的判断虽然我们根据全方位拓展法求得了瑕疵数组。

但是并不是所有的瑕疵都会影响产品的合格与否。

所以我们还要通过计算各个瑕疵的特性，排除掉些无关紧要的瑕疵。

对于般密封圈表面来说，些很小的点瑕疵，极短的缝瑕疵，以及位于圆环表面的瑕疵都对密封圈的使用没有任何影响。

所以我们要通过计算，将这些瑕疵排格的密封圈的过程。

根据瑕疵的特有的特征，对比当前流行的图像识别算法，改进出套更加适合密封圈检测的图像识别算法。

算法中对均值滤波和中值滤波图像二值化特征提取等过程均作了改进。

实现了较为快速适合的密封圈识别算法。

当前所有的算法都是用语言在上实现的，但是能否直接用在工业上检测密封圈，该算法还需要在速度上和精确性上得到提高，在之后的这段时间我会继续努力在机器视觉上寻求新的突破。

将来展望机器视觉将完全代替人工肉眼完成所有的检测识别。

参行分区域统计。

遍历图片内存。

统计的区域划分如图所示图分区域法示意图对蓝色区域的共个区域分别进行直方图统计，每个区域都求出相对应的阈值，遍历该区域内的像素点成员当，的像素值与阈值之间的灰度差距大于人为设定的参数时，就说明该点与周围像素环境之间存在着明显的不同。

可将该点的灰度值赋值为。

否则该点赋值为。

公式如下当时当时公式最终从得到的新二值图像内存数组命名为。

该数组的亮度信息如图所示。

图二值图可以在上图中看出，瑕疵的信息因为局部二值化的关系而被很好的保留了下来。

瑕疵特性参数计算瑕疵特征的提取主要包括瑕疵面积长度和宽度的计算等。

为了要提取出这些信息，可以用区域生长法来完成。

区域生长法提取普通的区域生长法是连通法。

就是对个点的上，左上，右上，左，右，下，左下，右下共个方向进行遍历扫描，如果在该遍历方向上也存在与当前遍历点的像素值相同的点时，就将该个点看做都是属于同个瑕疵上的像素点。

但是考虑到当前系统中捕捉到的瑕疵往往是属于狭长的缝。

而用连通法提取狭长缝隙的信息时就很有可能就会造成缝的断裂。

最终会导致将条缝的信息分为了块或多块连通区域信息来处理。

为了避免这现象，我们将区域生长法做了如下改进首先定义下瑕疵的结构体数组用来保存每个瑕疵的信息，结构体成员信息可以是瑕疵长，瑕疵宽，瑕疵面积等等。

本系统采用的是可调节的全方位拓展法求区域生长。

设每个方向上向外拓展个像素。

如图全方位拓展法求所示，点上的每个方向的像素都向外拓展了个像素，即。

入队出队图全方位拓展法求区域生长扫描内存数组信息里的目标圆环区域，如果发现点的像素值，等于时，就将该点标记为点，并堆入队列中。

每次遍历队列，如果发现队列不为空，就让队尾元素出队，出队的同时，记录下当前出队的点的坐标位置并以该点做为基准往个方向连通个像素出去，形成个的窗口如图全方位拓展法求所示。

遍历窗口里的点成员如果该点位于内存数组的目标圆环检测区域内，并且该点对应除在外。

瑕疵面积的计算法在本系统中瑕疵的面积可以直接用来代替，当瑕疵面积小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

瑕疵长的计算法计算瑕疵长时，基于瑕疵的线性特征，首先对瑕疵做细化操作，得到单像素宽的瑕疵骨架曲线。

瑕疵的长度实际上就是骨架图像骨干点之间的长度之和。

骨化后的图像是个单像素宽度的连通性好的骨干图像。

可以分别求取相邻像素之间的长度，然后把所有的相邻像素之间的距离求和即为所得，如下式考文雨量集中，秋季天高气爽。

全县大致 可分为三个气候区。

即平川温和半干旱气候区，年平均气温 无霜期平均天谷盆地盘结 而成，总面积平方公里。

其中，基岩山区面积占总面积 黄土台地丘陵面积占总面积滹沱河河谷盆地面积占总面积 。

主要山峰有草垛山馒头山等。

主要河流有滹沱河 峨河峪河全境，两岸为平川地带，平川于山地之间夹 丘陵区。

全县地形轮廓呈长方形，南北长公里，东西宽公 里。

由于受恒山和五台山山脉走向控制，地势由东北向西南倾斜。

基本地貌由基岩山区黄土台地丘陵和滹沱河河地理坐标为东经，北纬。

东邻繁峙，西接原 平，南界五台，北山阴，东北与应县相接，西北与朔县毗邻。

北 部为恒山山隆起，南部为五台山隆起，中部为滹沱河断陷盆地。

滹沱河由东向西横十个五年计划纲要 核准通过，归档资料。

未经允许，请勿外传，山西省委省政府关于建设雁门关生态畜牧经济区的意见 相关国家标准行业标准地方标准。

项目内容 本项目建设内容主要包括年出栏万只獭兔的养殖基地 个，年加工万只獭兔的兔肉加工龙头企业个。

项目规模 獭兔基地年出栏商品兔万只，带动发展獭兔养殖 户户，户均出栏只，年出栏商品兔万只。

建设兔肉加工企业个，其中 重庆秀山酉阳为左右，贵州铜仁和点产区 之。

全世界每年的生猪存栏量有亿头，中国占了亿头，其中 湖南就有多万头，近乎人养猪，以猪为基础的种养加工业 成为湖南省的支柱产业之，仅唐人神集团家，产值便达数十亿 州农业产业结构调整，进步带动标准化规模养猪 的发展，相关联的饲料业食品业等也将得到进步发展，项目区 农民主要是养猪散户也由此增加收入。

湖南省养猪业历史悠久，生产水平较高，是全国生猪重 发展畜牧业，帮助农民增收致富是我国农业产业的重要内容， 而养猪业是高效农业产业，是促进农民增收的重要途径之，也是 吸纳返乡农民工就业或帮助其显示模块就是用于实现在现场能够对本节点灯设备的设置和监控功能的。

从液晶显示器里不仅可以看到灯的开关状态，还可以看到开关灯的剩余时间。

预期要设计的从节点显示界面效果如图所示。

图从节点显示界面效果从节点液晶显示模块的实现为实现如图所示的显示效果，首先，在液晶的首行显示字符串，然后根据，开关状态变量，更新液晶上的，再根据实际时间刷新时间即可。

从节点液晶显示模块程序流程图如图所示。

程序开始在液晶上显示字符串在液晶的地址显示为开灯在液晶的地址显示为设置的时间符合规则在处显示时在处显示分程序结束图从节点液晶显示程序流程图系统测试测试准备测试条件测试温度由于现在夏天温度较高，室内温度为。

测试距离主从节点距离米左右。

通信介质采用长度为米左右双绞线。

硬件环境计算机，用于单片机语言的编程编译链接调试以及程序加载。

个电源个智能节点个继电器模块及个照明灯设备根约长的双绞线两根供电线两块液晶模块块彩屏液晶模块。

数字万用表个台模拟示波器根转串口的通信线根杜邦线螺丝刀镊子斜口钳吸焊器。

电烙铁把焊锡松香。

软件环境和，用于单片机公式，和，是相邻骨干点的两个点是水平方向的比例因子，即水平方向上的像素个数与实际情况水平长度的比值是垂直方向的比例因子，即水平方向上的像素个数与实际情况垂直长度的比值是两个相邻像素之间的长度。

总长度即为所有相邻像素之间的长度之和。

当瑕疵长小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

瑕疵宽的计算法计算瑕疵宽时，仍然对瑕疵做细化操作后，骨架各点所在的瑕疵的位置的宽度反应出瑕疵各段的宽度。

由于骨架曲线是单像素曲线，则个骨架点与相邻点的其他两个骨架点相接，分别求出与相邻点的斜率。

则每个斜率的垂线与瑕疵边缘相交两点，两点的连线的大小即为宽度值。

比较这两个宽度值其中较小的为这个瑕疵的宽度。

设骨架曲线的其中个骨架点用，表示，其相邻骨架点分别为，和，。

骨架线在点的斜率近似用直线的，导师评语率表示，则斜率表示为公式过骨架点斜率为的直线与瑕疵图像边缘交于两点，记为，。

则此瑕疵的宽度表达式为公式同理，骨架线在点的斜率近似用直线表示，同样的原理求出，然后比较与的大小，取较小值作为瑕疵的宽度。

最后结果，。

当瑕疵宽小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

实际的检测效果如下，图密封圈灰度图为相机步骤到的密封原图，图算法最终的处理结果为本算法得到的最终的处理结果，可以看到，所有位于密封圈表面上的瑕疵都被检测出来了图密封圈灰度图图算法最终的处理结果实验结果我们的最终成果如图所示，我们已经搭建出了检测平台包括相机光源嵌入式主板触摸屏显示器等元素。

软件的识别算法也能达到预计的水平。

图成果图本章小结本章主要讲述了密封圈表面识别算法的主要流程。

并对每个步骤用文字公式和图片的方式进行了详细的解说。

第章总结与展望本文讲述了密封圈的图像采集结束后如何通过利用嵌入式图像处理技术，对密封圈上的瑕疵图像进行处理，提取出瑕疵的信息，并对瑕疵的特征参数与密封圈合格标准参数进行比较，筛选出合的像素值，等于时，就亦将该点标记为点，并堆入队列中。

如此依次循环。

在往复的过程中如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。

直循环到队空为止。

此时，则说明条瑕疵的信息遍历结束。

记录下此时的，四个值，并统计好之前的入队的个数。

则有公式公式这样，对于瑕疵信息数组，每个成员都代表的是每个瑕疵在维图像上的所有信息。

瑕疵的判断虽然我们根据全方位拓展法求得了瑕疵数组。

但是并不是所有的瑕疵都会影响产品的合格与否。

所以我们还要通过计算各个瑕疵的特性，排除掉些无关紧要的瑕疵。

对于般密封圈表面来说，些很小的点瑕疵，极短的缝瑕疵，以及位于圆环表面的瑕疵都对密封圈的使用没有任何影响。

所以我们要通过计算，将这些瑕疵排