基于机器视觉的铜板带表面缺陷检测方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·选题的背景及研究意义 | 第10-12页 |
| ·课题选题的背景 | 第10页 |
| ·课题研究的意义 | 第10-12页 |
| ·基于机器视觉的表面缺陷检测现状 | 第12-16页 |
| ·机器视觉技术概述 | 第12页 |
| ·机器视觉在表面缺陷检测应用中的关键技术 | 第12-14页 |
| ·国内外的研究现状 | 第14-16页 |
| ·研究内容与论文体系 | 第16-18页 |
| ·研究内容 | 第16-17页 |
| ·论文体系 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第2章 表面缺陷图像预处理 | 第19-34页 |
| ·铜板带表面主要缺陷类型 | 第19-21页 |
| ·图像滤波 | 第21-24页 |
| ·铜板带表面图像的噪声类型 | 第22-23页 |
| ·铜板带表面图像滤波 | 第23-24页 |
| ·形态学处理 | 第24-26页 |
| ·形态学理论 | 第24-25页 |
| ·铜板带表面图像顶帽处理 | 第25-26页 |
| ·目标检测 | 第26-29页 |
| ·目标检测方法概述 | 第26-27页 |
| ·一种目标检测算法 | 第27-29页 |
| ·实验结果与分析 | 第29页 |
| ·图像分割 | 第29-33页 |
| ·图像分割方法概述 | 第29-30页 |
| ·一种改进的Canny算子边缘检测图像分割方法 | 第30-32页 |
| ·实验结果与分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 表面缺陷特征提取和选择 | 第34-48页 |
| ·特征提取和选择概述 | 第34-35页 |
| ·表面缺陷特征提取 | 第35-41页 |
| ·几何特征 | 第35-36页 |
| ·灰度特征 | 第36-37页 |
| ·形状特征 | 第37-39页 |
| ·纹理特征 | 第39-41页 |
| ·表面缺陷特征选择 | 第41-45页 |
| ·表面缺陷特征选择概述 | 第41-42页 |
| ·基于主成分分析方法的特征选择 | 第42-45页 |
| ·实验结果与分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 表面缺陷分类器设计 | 第48-60页 |
| ·图像识别概述 | 第48-49页 |
| ·数据规格化 | 第49-50页 |
| ·数据规格化概述 | 第49页 |
| ·数据规格化方法 | 第49-50页 |
| ·极限学习机 | 第50-54页 |
| ·极限学习机的发展与应用 | 第50-51页 |
| ·极限学习机理论 | 第51-53页 |
| ·在线序列极限学习机 | 第53-54页 |
| ·表面缺陷分类器设计 | 第54-59页 |
| ·表面缺陷分类器的设计过程 | 第54-56页 |
| ·基于改进的在线序列极限学习机表面缺陷分类器设计 | 第56-58页 |
| ·实验结果与分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 基于机器视觉的铜板带表面缺陷检测系统实现 | 第60-73页 |
| ·系统功能需求 | 第60-61页 |
| ·系统结构 | 第61-68页 |
| ·硬件体系设计 | 第62-66页 |
| ·软件结构设计 | 第66-68页 |
| ·系统功能实现 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 第6章 结论与展望 | 第73-75页 |
| ·工作总结 | 第73-74页 |
| ·工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间参加的科研项目和成果 | 第80页 |
