1、汽車零部件質(zhì)量對汽車整體性能有著重要影響。汽車零部件在生產(chǎn)加工完成后，需要對其質(zhì)量進(jìn)行檢測。傳統(tǒng)對零部件質(zhì)量的檢測主要是通過人工或者輔助某種機(jī)器完成的。受限于人本身狀況的限制，檢測精度不高，同時無法實(shí)現(xiàn)大規(guī)模的自動化生產(chǎn)。伴隨著這種需求，機(jī)器視覺技術(shù)被引入到汽車零部件檢測中。機(jī)器視覺檢測技術(shù)通過工業(yè)相機(jī)采集目標(biāo)物件的圖像，用圖像處理軟件對其處理得到檢測結(jié)果，并由控制器采取相應(yīng)的執(zhí)行操作。該技術(shù)具有非接觸、實(shí)時、精度高、便于自動化管理的特

2、點(diǎn)。
　　針對汽車油泵支撐桿這一汽車零部件的檢測，我們提出了用機(jī)器視覺技術(shù)來代替原來傳統(tǒng)的人工檢測。本文從系統(tǒng)的軟硬件架構(gòu)設(shè)計(jì)、圖像清晰度評價、基于亞像素的支撐桿幾何尺寸測量、以及分揀控制設(shè)備等方面進(jìn)行研究，完成了完整的支撐桿的實(shí)時檢測系統(tǒng)。
　　系統(tǒng)結(jié)構(gòu)采用特殊的光源單元模塊和圖像采集模塊，組成機(jī)器視覺系統(tǒng)。同時，提出了無參考圖像清晰度評價算法NRFSIM(No-Reference Feature Similarity)。

3、由于實(shí)時檢測系統(tǒng)的機(jī)械震動以及支撐桿的相對運(yùn)動導(dǎo)致了成像的模糊，嚴(yán)重影響了后續(xù)測量。依據(jù)二次模糊圖像清晰度檢測原理，本文將有參考的圖像質(zhì)量評價算法FSIM(Feature Similarity Index for Image Quality Assessment)應(yīng)用到無參考圖像清晰度評價算法，提出了NRFSIM算法。該算法在多場景圖像和該系統(tǒng)支撐桿圖像清晰度判斷上的算法性能遠(yuǎn)優(yōu)于基于圖像梯度的清晰度評價算法。
　　提出了基于亞像