臺灣博碩士論文加值系統

塑膠水管為各個家庭在日常生活中使用較廣泛的五金百貨之一，為了讓此產品能在多種同類商品中脫穎而出，除了生產中的設計考量以及產品品質水準一致化外，可利用機械視覺檢測結果分析出螺旋塑膠管之彈回特性，以利業者與消費者對產品的彼此信任，以及作為消費者選購時的一項保障，因此系統化量測之建立成為本研究之目標。
本研究以機械視覺(Machine Vision)之方式，就先期研究的缺失之處進行量測邏輯之改良，增加一外部控制器使其螺旋塑膠管不經過人工移動而達到省時又準確的定位與移動。另外，藉由完全彈回時間估測，使其每次量測彈回後數據之時間能夠一致性，進而提升量測標準化，使得到的實驗數據能更被消費者取得信任與認同。
綜合邏輯測試結果得知，本研究在彈回時間得到共同點，藉由實驗標準化進行量測概念之導入後，量測圓弧曲率半徑值的正負尺寸誤差偏差量均落在0.15mm 以內；並且藉由ATOS 逆向量測設備進行系統驗證，其彈回曲率半徑量測平均誤差值差量為 0.014mm，且經由數據驗證本研究誤差範圍低於先前研究的實驗誤差。綜合以上研究結果可確認本量測系統具有相當的準確度與穩定性，有助於本系統在產業的推展與應用。

Plastic pipes are popular and daily used goods. In order to fabricate a good product, new design concept and quality uniformity are important. Using machine vision technology to analyze the spiral plastic pipe quality such as spring-back property is a good methodology which can facilitate the industries and consumers to trust each other. It also can provide consumers a fair certification in purchasing goods. Therefore, to establish a systematic measurement system has become the research target.
This study used the machine vision technology to improve the deficiencies of the measurement logic. Using an external controller to position and move the plastic tube more accurately. In addition, the estimation of fully spring-back time can improve the measure standard to earn consumer trust and recognition.
According to the experimental results of this study, the spring-back time prediction is acceptable and the measurement error of plastic pipe radius is within a range of ±0.15mm. By using the ATOS reverse measurement equipment to perform the system verification, the error amount of the average radius of spring-back curvature is 0.014mm which is better than the previous study. The accuracy and stability of the proposed system is verified which help promotion and application in plastic pipe industry.

中文摘要 .……………………………………………………………………………..I
Abstract ..……………………………………………………………………………II
誌謝 ..…………………………………………………………………………...III
目錄 ..…………………………………………………………………………...IV
表目錄 ..…………………………………………………………………………...VI
圖目錄 …………………………………………………………………….….......VII
第一章 緒論 1
1-1 前言 1
1-2 文獻回顧 2
1-3 研究動機與目的 9
1-4 論文架構 10
第二章 機械視覺與影像處理 12
2-1 機械視覺概論 12
2-2 光源種類與打光技術 15
2-2-1 正向打光 16
2-2-2 背向打光 16
2-2-3 結構打光 16
2-2-4 光源設備形式 17
2-2-5 光源設備種類 17
2-2-6 選擇照明的主要考量 18
2-2-7 照明物理量 18
2-3 影像處理概論 19
2-3-1 二值化(Binary) 19
2-3-2 灰階影像(Gray-Level Images) 20
2-3-3 空間濾波(Spatial Filtering) 21
2-3-4 邊緣偵測(Edge Detection) 23
2-4 MIL功能說明 25
2-4-1 Blob分析(Blob Analysis) 25
2-4-2 影像辨識(Image Recognition)與圖塊比對(Pattern Matching) 26
2-4-3 邊緣量測(Edge Measurement) 26
第三章 實驗設備 28
3-1 硬體系統架構 28
3-2 軟體建構工具 33
3-2-1 Visual Basic 6.0 33
3-2-2 Matrox Image Library 5.12 33
3-2-3 GOM Inspect V7.5 34
3-3 逆向量測設備 35
第四章 研究架構與方法 37
4-1 檢測邏輯重新審視 37
4-2 系統外部控制 ……………….44
4-3 完全彈回所需時間估測 48
4-4 校正方式改良 63
4-5 人機介面介紹 67
4-6 系統驗證方法 71
4-6-1 CCD-T圓弧曲率半徑量測驗證 71
4-6-2 CCD-R特徵點高度值驗證 73
4-6-3 三維空間中塑膠管圓弧曲率半徑驗證 75
4-6-4 雙CCD攝影機水平度驗證 76
4-7 本研究與先前研究之差異性 77
第五章 結果與討論 78
5-1 實驗量測數據 78
5-2 量測尺寸偏差與彈回率比較 85
5-3 高度值數據比較 89
5-4 GOM檢測系統之準確度比較 92
5-5 整體檢測系統量測準確度比較 93
第六章 結論與建議 96
6-1 結論 96
6-2 建議 98
參考文獻 ..…………………………………………………………………………...99
作者簡介 ..………………………………………………………………………….103

[1] 張文豪，2012，三維螺旋塑膠管彈回曲率半徑量測準確性提升之研究，碩士論文，國立高雄應用科技大學機械與精密工程研究所。
[2] 李國維，2011，應用機械視覺建立塑膠管彈回性能之檢測系統，碩士論文，國立高雄應用科技大學機械系碩士班。
[3] 溫凱翔，2013，螺旋塑膠管之異型孔押出流場特性分析，碩士論文，國立高雄應用科技大學機械系碩士班。
[4] G. Blahusch, W. Eckstein and C. Steger, 2003 “Calibration of Curvature of Field For Depth From Focus”, ISPRS Archives, Vol. 34, pp. 17-19,.
[5] Aaron Wallack and Natick，2004 “System and Methed for Determining the Position of An Object in Three Dimensions Using a Machine Vision System With Two Cameras”，United States Patent，US 6,728,582 B1，。
[6] 莊俊德，2004，針孔成像系統三維量測之誤差分析及系統校正，碩士論文，國立成功大學航空太空工程學系。
[7] 鍾明志，2008，應用結構光與雙照相機於3D座標量測系統，碩士論文，國立成功大學機械工程學系。
[8] 高啟泰，2006，以視覺系統引導機械手臂對移動物進行追蹤之研究，碩士論文，國立成功大學機械工程學系。
[9] 洪全成，2005，光學式三維量測系統之建立及量測效能評估法則之研究，博士論文，國立成功大學機械工程學系。
[10] A. Mavrinac, X. Chen and K. Tepe, 2010“An automatic calibration method for stereo-based 3D distributed smart camera networks”, Computer Vision and Understanding, Vol. 114, pp. 952-962.
[11] Dingrui Wan, Jie Zhou, 2008“Stereo vision using two PTZ cameras”, Computer Vision and Understanding, Vol. 112, pp. 184-194.
[12] C. S. Lin, T. C. Wei, A. T. Lu, S. S. Hung, W. L. Chen and C. C. Chang, 2011“A rehabilitation training system with double-CCD camera and automatic spatial positioning technique”, Optics and Lasers in Engineering , Vol. 49, pp. 457-464,.
[13] 章明、林高輝、張維哲，非接觸式三維空間量測方法，中華民國發明專利，第I234640號，2005。
[14] 黃榮興，2007，應用雙CCD影像定位技術於擠壓中心點之對準，碩士論文，逢甲大學自動控制工程學系碩士班。
[15] 林祺銘，2008，玻璃基板邊緣檢測系統之研發，碩士論文，國立高雄應用科技大學機械與精密工程研究所。
[16] J. A. Throop, D. J. Aneshansley, W. C. Anger and D. L. Peterson ,2005“Quality evaluation of apples based on surface defect : development of an automated inspection system”, Postharvest Biology and Technology, Vol. 36, pp. 281-290,.
[17] 劉新民，2002，膨脹侵蝕法於影像內插運算與三維曲面重建之研究，碩士論文，國立中央大學機械工程研究所。
[18] 謝東成，2006，保留邊緣特性之影像放大方法，碩士論文，國立台灣科技大學電機工程系。
[19] Hui-Fuang Ng“Automatic thresholding for defect detection” , 2006, Pattem Recognition Lrtters, Vol. 27, pp. 1644-1649.
[20] Xin Li and Micnael T. Orchard, , 2011 “New Edge-Directed Interpolation”, IEEE Transactions on Image Processing, Vol. 10, No. 10.
[21] 陳蒼頡，2009，移動人群計數之研究，碩士論文，國立高雄應用科技大學資訊工程碩士班。
[22] 李爵宇、黃立偉、李宗展、李盈儀，2006 影像檢索與相關回饋中區塊對應及區塊表示法之研究，行政院國家科學委員會專題研究計畫 成果報告，國立清華大學資訊工程學系。
[23] 王文聰，2004，逆向工程無順序性三維量測點資料篩檢之研究，碩士論文，國立高雄第一科技大學機械與自動化工程系。
[24] 彭守道、許毅然、蔡明宏，2007，具備自動追蹤與光學放大功能的非校正式智慧型監視系統，南台科大學報32期。
[25] 自動光學檢測概論，http://140.130.15.147/半導體及光電/課程教材/自動化光 學檢測/ch01_概論.pdf。
[26] 蔡雅惠，2008，『機器視覺技術』簡報資料，工業發展研究院。
[27] 范光照，2012，『自動化光學檢測發展趨勢』簡報資料，台灣大學機械系。
[28] 彩色與數位影位概念，http://163.27.124.4/~chang/graphic/1-2.pdf
[29] 江國生，2011，『校園照明節能』簡報資料，教育部。
[30] 張祐慈，2013，非接觸式表面瑕疵檢測精密度提升之研究，碩士論文，國立高雄應用科技大學機械與精密工程研究所。
[31] 彩色與數位影位概念，http://163.27.124.4/~chang/graphic/1-2.pdf
[32] 鍾國亮編著，2008，影像處理與電腦視覺，東華書局股份有限公司。
[33] R.C. Gonzalez and R.E. Woods , ,2002 “Digital Image Processing” ,Second Edition Prentice Hall, pp. 78-79, 610-612, 701-703.
[34] H.D. Cheng, X.J. Shi, 2004, “A simple and effective histogram equalization approach to image enhancement,” Digital Signal Processing, Vol. 14, pp.158-170.
[35] N. Otsu, 1979, “A threshold selection method from gray level histograms,” IEEE Transactions on System, Man, and Cybernetics, Vol. 9, pp. 62-66.
[36] J.N. Kapur, P.K. Sahoo and A.K.C. Wong, 1985, “A new method for gray-level picture thresholding using the entropy of the histogram,” Computing Vision, Graphics, and Image Processing, Vol. 29, pp.273-285.
[37] M. Sonka, V. Hlavac and R. Boyle, 2008, Image Processing, Analysis, and Machine Vision, Third Edition, Thomson.
[38] S.H. Hong, R.H. Park, S. Yang, J.Y. Kim, 2008, “Image interpolation using interpolative classified vector quantization,” Image and Vision Computing, Vol. 26, pp.228-239.
[39] 衛祖賞編著，1989，數位影像處理，全華科技圖書股份有限公司。
[40] Matrox Electronic Systems Ltd., Matrox Imaging Library User Guide, 1998。
[41] Computar MLH-10X規格手冊
[42] SONY XC-77規格手冊
[43] SYN-TEK PCI-V114規格手冊
[44] MIL512功能使用手冊，泰洛科技公司
[45] ATOS光柵投影設備、GOM Inspect簡介，httpwww.rat.com.twhome.html，馬路科技公司。
[46] SG8030D-使用說明書
[47] Nikon MM-40L2 光學顯微鏡