運用類神經網路於工業製程影像定位之研究

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：91

、訪客IP：3.141.27.207

姓名

王耀成(Yao-Cheng Wang) 查詢紙本館藏

畢業系所

機械工程學系在職專班

論文名稱

運用類神經網路於工業製程影像定位之研究
(A Study of Image Navigation in Industrial Process by Artificial Neural Network)

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]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

隨著科技進步與市場型態的改變，自動化生產已經廣泛應用在各種不同的行業，為了更加提升自動化系統在製程上的生產效率，德國於2013年提出工業4.0的高科技計畫，而工業4.0是指將現有的工業技術與市場銷售進行整合，透過物聯網(Internet of Things)與大數據(Big Data)分析來進行即時的狀態監控，建立具有適應能力的智能型工廠。
本研究利用類神經網路系統快速計算的功能，將自動化影像系統處理的流程以智慧型的方式來進行數值的計算，建立一套能提高生產效率且具有二維條碼辨識功能的影像系統，並實際探討影像系統與類神經網路系統未來發展的可能性。

摘要(英)

As technology advances and changes in market patterns, automated production has been widely used in various industries, in order to further enhance the automation system’s production efficiency in the process, Germany proposes a high-tech project for Industry 4.0 in 2013, Industry4.0 refers the integration of existing industrial technology and marketing,through the IE of things and big data for real-time status monitoring, build a smart factory with adaptability.
This study uses a neural network system fast calculation function, The process of automated systems perform numerical calcilations in a smart way, bulid an automated systems have barcode recognition function and improves production efficiency, practical exploration development of image systems and neural network systems in the future.

關鍵字(中)

★ 機器視覺
★ 工業4.0
★ 自動化系統
★ 類神經網路系統

關鍵字(英)

★ Vision Machine
★ Industry4.0
★ Automated System
★ Neural Network

論文目次

中文摘要 I
英文摘要 II
誌謝 III
目錄 IV
圖目錄 VIII
表目錄 XI

第一章緒論 1
1-1 研究動機 1
1-2 研究目的 1
1-3 論文架構 2
1-4 文獻探討 3
1-4-1 機器視覺與影像處理於自動化生產之應用 3
1-4-2 類神經網路系統 4

第二章影像系統 6
2-1 影像系統簡介 6
2-1-1 影像伺服 6
2-1-2 攝影機架設方式 7
2-1-3 空間座標轉換 8
2-2 影像變形 8
2-2-1 影像失真類型 8
2-2-2 影像失真校正 9
2-3 影像處理流程 15
2-3-1 影像二值化 15
2-3-2 影像型態分析 16
2-3-3 膨脹與侵蝕 16
2-3-4 開放運算與封閉運算 17
2-4 邊緣偵測 18

第三章類神經網路系統 20
3-1 類神經網路理論 20
3-2 類神經網路系統分類 23
3-3 倒傳遞類神經網路學習流程 26
3-4 倒傳遞類神經網路演算法 27

第四章實驗設備與方法 32
4-1 實驗設備 32
4-2 硬體設備 32
4-2-1 影像擷取裝置 32
4-2-2 影像系統平台 33
4-3 軟體程式 34
4-3-1 圖形化程式編譯平台 34
4-3-2 類神經網路模擬軟體 35
4-4 實驗流程 36
4-5 影像校正 38
4-5-1 計算像素 38
4-5-2 影像特徵分析 39
4-5-3 特徵座標定位 41
4-5-4 計算位移量 43
4-6 影像系統模擬 45
4-7 類神經網路系統模擬 46

第五章實驗結果與討論 48
5-1 類神經網路系統測試結果 48
5-1-1 不同演算法之數據分析 48
5-1-2 不同演算法之數據準確率 49
5-2 網路參數的調整與測試 50
5-2-1 LM演算法不同神經元數之數值分析 50
5-2-2 BR演算法不同神經元數之數值分析 51
5-2-3 最佳網路學習架構 52

第六章結論與未來展望 54
6-1 結論 54
6-2 未來展望 55

參考文獻 57
附錄一影像系統模擬數據表 63
附錄二 LM演算法神經元數(10)模擬數據表 75
附錄三 BR演算法神經元數(10)模擬數據表 78
附錄四 SCG演算法神經元數(10)模擬數據表 81

參考文獻

[1] J. Hill and W.T. Park,“Real time control of a robot with a mobile camera,”Proc. of the 9th ISIR Washington, D.C. USA, 233-246 (1979)
[2] S. Hutchinson , G.D. Hager and P.I. Corke, “A tutorial on visual servo control,”IEEE Transactions on Robotics and Automation, vol.12, no.5, 651-670 (1996)
[3] R.J. Schalkoff and E.S. Mcvey, “A model and tracking algorithm for a class of video targets,”IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.1, 2-10 (1982)
[4] S.H. Han, W.H. Seo, K.S. Yoon and M.H. Lee,“Real-time control of an industrial robot using image-based visual servoing,”Proc. of the 1999 IEEE/RSJ Int. Conf. Intelligent Robots and Systems, 1762-1796 (1999)
[5] N. Winters and J. Santos-Victor,“Information sampleing for vision -based robot navigation,”Robotics and Autonomous Systems, vol.41, 145-159 (2002)
[6] R.C. Gonzalez and R.E. Woods,“Digital Image Processing,”Addison Wesley Publishing Company (1992)
[7] P.I. Corke,“Visual Control of Robot Manipulators-A Review ,”CSIRO Division of Manufacturing Technology, Victoria Australia, 1-32 (1994)
[8] J.K. Oh and C.H. Lee,“Development of a stereo vision system for industrial robots,”International Conference on Control, Automation and Systems., 659-663 (2007)
[9] K. Hashimoto,“A review on vision-based control of robot manipulators,”Advanced Robotics, vol.17, no.10, 969-991 (2003)
[10] H.A. Bruck, S.R. McNeil, M.A. Sutton and W.H. Peters,“Digital image correlation using Newton-Paphson method of partial different correction.”Experimental Mechanics, vol.29, 261-267 (1989)
[11] R.I. Hartley, amd S.B. Kang,“Parameter-free radial distortion correction with centre of distortion estimation,”IEEE Transacations on Pattern Analysis and Machine Intelligence, vol.29, 1309-1321 (2007)
[12] J. Weng, P. Cohen amd M. Herniou,“Calibration of stereo cameras using a nonlinear distortion model,”International Conference on Pattern Recognition, vol.1, 246-253 (1990)
[13] J. Weng, P. Cohen and M. Herniou,“Camera calibration with distortion models and accuracy evalution,”IEEE Transacations on Pattern Analysis and Machine Intelligence,vol.14, 965-980 (1992)
[14] D. Xu, Y. Li, and M. Tan,“Method for calibrating cameras with large lens distortion,”Optical Engineering, 45(4),043602 (2006)
[15] R.Tsai,“A versatile camera calibration technique for higt-accuracy 3D machine vision metrology using off-the-shelf TV camera and lenses,”IEEE Transactions on Robotics and Automation, vol.3, 323-344 (1987)
[16] H. Sun, Y. Zhang, F. Luo,“A Novel approach for nonlinear distortion correction of industrial endoscope images,”World conference on Nondestructive Testing, 25-28 (2008)
[17] ISO/IEC 24778,“Information Technology-Automatic identification and data capture techniques-Aztec Code bar code symbology specification,”International Organization for Standardization (2008)
[18] H. Hashimoto, T. Kubota, M. Sato and F. Harashima,“Visual control of robotic manipulator based on neural network,”IEEE Trans. on Industrial Electronics, vol.39, 490-496 (1992)
[19] J.A. Freeman and D.M. Skapura,“Nerual Networks：Algorithms, Applications, and Programming Technicques,”(1991)
[20] Wolfram Stadler,“Analytical Robotics and Mechatronics,” McGraw-Hill Companies (1995)
[21] Howard B. Demuth and Mark Beale,“Neural Network Toolbox For Use with MATLAB,”The Math Works Inc. (1998)
[22] 林資凱，“影像伺服控制系統在輪廓影像追蹤之應用”，南臺科技大學機械工程系碩士論文（2016）
[23] 張凱勛，“機械視覺於六軸機械手臂控制之應用”，龍華科技大學機械工程系碩士論文（2014）
[24] 楊遠章，“影像處理應用於手機按鍵語言種類之分類”，國立中央大學機械工程所碩士論文（2015）
[25] 石國慶，“基於像素尺寸之二維影像快速及超大尺度放大與縮小：雙線性內插法與離散餘弦轉換之適應性組合”，國立成功大學資訊工程學系碩士論文（2009）
[26] 蔡福泰，“數位影像相關係數法於鏡頭扭曲校正之應用”，國立高雄大學土木與環境工程學系碩士論文（2012）
[27]郭宜忠，“快速無需校正的非線性畸變修正法於條碼解讀-實現工業級二維條碼Aztec(ISO/IEC24778)解碼器”，亞洲大學生物與醫學資訊學系碩士論文（2011）
[28] 葉峻材，“快速回應碼曲面影像校正技術之研究”，清雲科技大學電機工程所碩士論文（2012）
[29] 蘇哲民，“手持裝置上可傾斜的QRCode辨識”，國立臺北科技大學資訊工程所碩士論文（2007）
[30] 林啟哲，“類神經網路系統應用機械手臂視覺之物件定位可行性之研究”，國立彰化師範大學工業教育學系碩士論文（2001）
[31] 侯駿賢，“以相互式類神經網路概念學習演算法為基礎之雙機器人合作互動”，國立成功大學電機工程學系碩士論文（2015）
[32] 江英政，“結合視覺與控制實現判別與定位夾取任務＂，國立東華大學電機工程研究所碩士論文 (2000)
[33] 馮文民，“應用影像處理技術於生產流程自動檢測之設計＂，中華大學機械與航太工程研究所碩士論文 (2001)
[34] 劉憲翰，“應用機器視覺及影像處理技術結合SPC統計製程管制於BGA底座錫球之檢測設計＂，聖約翰技術學院自動化及機電整合研究所碩士論文 (2004)
[35] 羅盛麟，“一種擷取自照相機的扭曲文件影像之復原方法＂，國立臺灣科技大學資訊工程系碩士論文 (2005)
[36] 蔣典澔，“電腦視覺定位系統設計與實現＂，中華技術學院電子工程研究所碩士論文 (2006)
[37] 林東賦，“應用影像處理技術與類神經網路理論於非織物瑕疵辨識＂，國立臺灣科技大學纖維及高分子工程系碩士論文 (2001)
[38] 魏志驊，“應用人工智慧之機車造型自動化設計系統＂，國立成功大學工業設計學系碩士論文 (2002)
[39] 羅佳明，“GPS/GIS/RS應用於地震災區坡地災害防治工程調查及其風險評估模式之建置與應用＂，國立屏東科技大學土木工程系碩士論文 (2003)
[40] 郭癸蘭，“手寫身分證字號辨識系統＂，國立高雄第一科技大學電腦與通訊工程系碩士論文 (2002)

指導教授

黃衍任

審核日期

2018-6-27

推文