影像處理於渦扇發動機轉子葉片損傷之檢測

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：252

、訪客IP：3.129.247.196

姓名

李益誠(Yi-Chen Lee) 查詢紙本館藏

畢業系所

機械工程學系在職專班

論文名稱

影像處理於渦扇發動機轉子葉片損傷之檢測

相關論文

★ 應用於車身號碼打刻機之號碼辨識	★ 複合式掌紋識別系統
★ 圓形偵測在OLED Panel 檢測上的應用	★ MLCC薄膜厚度即時線上影像檢測技術之研發
★ 全自動微鑽針影像檢測系統之研究	★ 應用類神經網路預測COG製程對於中小尺寸TFT-LCD產生之應力狀態
★ 應用機器視覺系統檢測高滲透壓刀輪切割 TFT-LCD 玻璃後斷面之研究	★ 低成本輕量化機械手臂之研究
★ 應用在同軸電纜加工之雷射光斑導引機構設計與分析	★ 表面電漿波共振-非旋轉方式的新機構設計理論
★ 網路協同式機械設計系統研發	★ 軟膠囊自動辨識系統
★ 心電訊號之擷取與分析	★ 盲人圖樣感知輔助裝置之研發設計
★ 非旋轉式表面電漿共振儀之改良與實現	★ 可攜式無線心電訊號擷取器之設計

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 (2025-8-1以後開放)

摘要(中)

發動機是航空器動力的來源，組成零件眾多，其中葉片可說是發動機中數量最多的一種零組件，其損傷檢查方式主要仍採用人工目視檢查。機器視覺與影像處理常應用於檢測方面，可作為幾何量測、辨識、檢測等。
本研究使用CCD攝影機拍攝擷取葉片的圖像，以MATLAB軟體設計操作介面，透過灰階、二值化等影像處理分離影像，利用凸殼演算法與灰階共生矩陣，提出損傷尺寸與表面狀況特徵參數，發展一套檢測系統可以自動檢查判定葉片種類，並能檢測出葉片輪廓損傷，有助於提升檢測精準度，提升檢測效率，減少人力成本，將來可作為自動化檢測的基礎。

摘要(英)

The engine is the source of aircraft power, and there are many components. Among them, the blade can be said to be the largest number of components in the engine. The visual inspection is still the mainly method of damage inspection. Machine vision and image processing are often used in inspection, and can be used for geometric measurement, identification, and inspection.
In this study, a CCD camera was used to capture the image of the high pressure compressor rotor blades, the operation interface was designed by MATLAB software, and the image was separated through image processing such as grayscale and binarization. The convex hull algorithm and the grayscale co-occurrence matrix were used to propose the damage size and surface condition. The development of a detection system can automatically check and determine the types of blades, and can detect blade contour damage, which will help improve detection accuracy, improve detection efficiency, and reduce labor costs. It can be used as the basis for automated detection in the future.

關鍵字(中)

★ 渦扇發動機
★ 壓縮機
★ 葉片
★ MATLAB
★ 影像處理
★ 凸殼演算法
★ 灰階共生矩陣

關鍵字(英)

★ turbofan engine
★ compressor
★ blade
★ MATLAB
★ image process
★ convex hull
★ grayscale co-occurrence matrix

論文目次

摘要 I
ABSTRACT II
謝誌 III
目錄 IV
圖目錄 VI
表目錄 VIII
第1章緒論 1
1-1 研究背景與動機 1
1-2 研究目的 2
1-3 文獻回顧 3
1-4 論文概述 4
第2章理論說明 5
2-1 渦扇發動機簡介 5
2-1-1渦扇發動機組成 5
2-1-2葉片檢查方式與常見損傷 7
2-2 影像處理 12
2-2-1數位影像與二值化 12
2-2-2凸殼演算法 14
2-2-3灰階共生矩陣 15
第3章實驗設計 18
3-1 實驗規劃 18
3-2 實驗設備 21
3-2-1影像擷取設備 21
3-2-2電腦設備與軟體 21
3-2-3程式執行介面 23
第4章實驗結果與分析 26
4-1 葉片影像拍攝與資料庫建立 26
4-2 葉片種類分類判定 27
4-3 影像前處理 31
4-4 二值化與雜點消除 33
4-5 輪廓損傷檢測 36
4-5-1整體缺損檢測 36
4-5-2翼尖缺損檢測 38
4-5-3邊緣缺損檢測 40
4-6 表面紋理檢查 43
4-7 MATLAB類神經網路工具箱應用 49
第5章結論與未來展望 54
5-1 結論 54
5-2 未來展望 55
參考文獻 56

參考文獻

[1] A. Bhuvanesh and M. M. Ratnam, “Automatic detection of stamping defects in lead-frames using machine vision: Overcoming translational and rotational misalignment”, International Journal of Advanced Manufacturing Technology, vol. 32, pp.1201-1210, 2006

[2] 許志彬，「手背靜脈影像識別之研究」，國立國防大學國防科學研究所，博士論文，2014。

[3] 謝正豪，「應用機器視覺於隱形眼鏡瑕疵檢測之研究」，華梵大學機電學研究所，碩士論文，2013。

[4] 郭志宏，「應用機器視覺於檳榔外觀品質檢測之研究」，華梵大學機電學研究所，碩士論文，2008。

[5] 陳柏安，「背光滑鼠瑕疵機器視覺檢測系統」，國立交通大學工業工程與管理學研究所，碩士論文，2012。

[6] D. B. Perng and S. H. Chen, “Directional textures auto-inspection using discrete consine transform”, International Journal of Production Research, vol. 49, no. 23, pp.7171-7187, 2011

[7] 吳木杏，「彩色濾片表面瑕疵檢測分析」，國立台灣大學資訊工程學研究所，碩士論文，2000。

[8] 蘇培嘉，「鐵蛋缺陷檢測」，國立台灣科技大學機械工程學研究所，碩士論文，2010。

[9] 鄭旭宏，「車用後視鏡之自動化輪廓瑕疵檢驗及尺寸量測」，朝陽科技大學工業工程與管理學研究所，碩士論文，2010。

[10] 周宛瑩，「蝸桿蝸輪-齒承影像辨識與檢測之研究」，國立中央大學機械工程學研究所，碩士論文，2019。

[11] 林曜璋，「彩色濾光片瑕疵特徵選取與分類之研究」，義守大學工業管理學研究所，碩士論文，2012。

[12] 林冠良，「應用灰階共生矩陣於彩色濾光片瑕疵檢測之研究」，義守大學工業管理學研究所，碩士論文，2009。

[13] 陳大達，飛機構造與原理：圖解式飛航原理簡易入門小百科，威秀經典，台北，2015。

[14] J. S. Dumcan, FAA-Airplane Flying Handbook 2016, Federal Aviation Administration, American, 2016

[15] J. S. Dumcan, FAA-pilot’s Handbook od Aeronautical Knowledge, Federal Aviation Administration, American, 2016

[16] 陳大達，民用航空發動機概論：圖解式活塞與渦輪噴射發動機入門，威秀經典，台北，2015。

[17] 中村寬治，知的系列-飛機的構造與飛行原理(圖解版)，簡佩珊譯，晨星，台中，2011。

[18] CF6-80C2 Boeing ENGINE MANUAL GEK92451–Rev 90, General Electric Company, 2020

[19] 陳永增、鄧惠源，非破壞檢測(第四版)，全華圖書，台灣，2011。

[20] B. Sankur and M. Sezgin, “A survey over image thresholding techniques and quantitative performance evaluation”, Journal of Electronic Imaging, vol. 13, no. 1, pp.146-168, 2004

[21] J. H. Xue and Y. J. Zhang, “Ridler and Calvard’s, Kittler and Illingworth’s and Otsu’s methods for image thresholding”, Pattern Recognition Letters, vol. 33, no. 6, pp. 793-797, 2012

[22] N. Otsu, “A Threshold Selection Method from Gray-Level Histograms”, IEEE Transactions on Systems, Man, and Cybernetics, vol. SMC-9, no. 1, pp. 62-66, 1979

[23] O. D. Trier and A. K. Jain, “Goal-directed evaluation of binarization methods”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 17, no. 12, pp.1191-1201, 1995

[24] O. D. Trier and T. Taxt, “Evaluation of binarization methods for document images”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 17, no. 3, pp.312-315, 1995

[25] 江健，「尋找平面上點的凸殼」，蘭州交通大學數理與軟件工程學院，重慶工學院學報(自然科學版)，第21卷，第9期，15-17頁，2007

[26] R. A. Jarvis, “On the identification of the convex hull of a finite set of points in the plan”, Information Processing Letters, vol. 2, no. 1, pp.18-21, 1973

[27] R. L. Graham, “An efficient algorithm for determining the convex hull of a finite planar set”, Information Processing Letters, vol. 1, no. 4, pp.132-133, 1972

[28] A. M. Andrew, “Another efficient algorithm for convex hulls in two dimensions”, Information Processing Letters, vol. 9, no. 5, pp.216-219. 1979

[29] F. P. Preparata and S. J. Hong, “Convex Hulls of Finite Sets of Points in Two and Three Dimensions”, Communications of the ACM, vol. 20, no. 2, pp. 87-93, 1977

[30] C. B. Barber, D. P. Dobkin, and H. Huhdanpaa, “The quickhull algorithm for convex hulls”, ACM Transactions on Mathematical Software, vol. 22, no. 4, pp. 469-483, 1996

[31] 曹又仁，「結合小波轉換與紋理特徵之色彩影像檢索」，國立中山大學機械與機電工程研究所，碩士論文， 2005。

[32] 陈红、夏青、左婷、等，「基於紋理分析的香菇品質分選方法」，農業工程學報，第30卷，第3期，285-292頁，2014。

[33] M. Varma and A. Zisserman, “Unifying statistical texture classification framework”, Image and Vision Computing, vol. 22, no. 14, pp. 1175-1183, 2004

[34] B. Julesz and T. Caelli, “On the limit of Fourier decompositions in visual texture perception” Perception, vol. 8, no.1, pp. 69-73, 1979

[35] S. Baheerathana, F. Albregtsena and H. E. Danielsenb, “New texture features based on the complexity curve”, Pattern Recognition, vol 32, no. 4, pp. 605-618, 1999

[36] L. Armi and F. E. Shervan, “Texture image analysis and texture classification methods – A review”, International Online Journal of Image Processing and Pattern Recognition, vol. 2, no.1, pp. 1-29, 2019

[37] C. Kervrann and F. Heitz, “A Markov random field model-based approach to unsupervised texture segmentation using local and global spatial statistics”, IEEE Transactions on Image Processing, vol. 4, no.6, pp. 856-862, 1995

[38] R. C. Gonzalez, R. E. Woods, and S. L. Eddins，數字圖像處理(MATLAB版)(第二版)，阮秋琦譯，電子工業出版社，北京，2014。

[39] 冯建辉、杨玉静，「基於灰度共生矩陣提取紋理特徵圖像的研究」，北京測繪，第3期，19-21頁，2007。

[40] R. M. Haralick, K. S. Shanmugam and I. Dinstein, “Textural features for image classification”, IEEE Transactions on Systems, Man, and Cybernetics, Vol. SMC-3, pp. 610-621, 1973

[41] M. H. Beale, M. T. Hagan and H. B. Demuth, “Deep Learning Toolbox™ User′s Guide, R2019b,” The MathWorks, Inc.

指導教授

黃衍任(Yean-Ren Hwang)

審核日期

2020-8-13

推文