基于机器视觉的机器人涂胶质量在线检测技术研究
摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-19页 |
1.1 课题来源及研究背景 | 第10-12页 |
1.1.1 课题来源 | 第10页 |
1.1.2 课题研究背景 | 第10-11页 |
1.1.3 课题研究意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-18页 |
1.2.1 机器视觉技术应用 | 第12-14页 |
1.2.2 图像处理方法 | 第14-16页 |
1.2.3 神经网络应用 | 第16-17页 |
1.2.4 研究现状简析 | 第17-18页 |
1.3 研究内容 | 第18-19页 |
第2章 涂胶质量在线检测系统设计 | 第19-31页 |
2.1 引言 | 第19页 |
2.2 在线检测系统总体设计 | 第19-24页 |
2.2.2 系统性能要求及分析 | 第19-20页 |
2.2.3 检测技术研究难点 | 第20-22页 |
2.2.4 检测技术原理分析 | 第22-23页 |
2.2.5 检测系统框架设计 | 第23-24页 |
2.3 机器视觉硬件系统设计 | 第24-28页 |
2.3.1 硬件平台系统方案 | 第24-25页 |
2.3.2 系统关键设备选型设计 | 第25-28页 |
2.4 在线质检软件架构设计 | 第28-30页 |
2.5 本章小结 | 第30-31页 |
第3章 涂胶质量视觉检测中的图像处理技术 | 第31-43页 |
3.1 引言 | 第31页 |
3.2 图像处理流程 | 第31页 |
3.3 图像ROI裁剪 | 第31-32页 |
3.4 图像滤波 | 第32-35页 |
3.4.1 滤波方法比较 | 第33-34页 |
3.4.2 滤波效果分析 | 第34-35页 |
3.5 图像分割 | 第35-38页 |
3.5.1 分割方法比较 | 第36页 |
3.5.2 分割效果分析 | 第36-38页 |
3.6 数学形态学处理 | 第38-40页 |
3.6.1 膨胀与腐蚀 | 第38页 |
3.6.2 开启运算与闭合运算 | 第38-39页 |
3.6.3 修正效果分析 | 第39-40页 |
3.7 图像边缘检测 | 第40-42页 |
3.7.1 边缘检测方法比较 | 第40-41页 |
3.7.2 边缘检测效果分析 | 第41-42页 |
3.8 本章小结 | 第42-43页 |
第4章 涂胶质量在线检测算法研究 | 第43-68页 |
4.1 引言 | 第43页 |
4.2 相机标定分析 | 第43-47页 |
4.2.1 相机成像模型 | 第43-46页 |
4.2.2 标定方法分析 | 第46-47页 |
4.3 标定物直径与位置信息检测算法 | 第47-57页 |
4.3.2 标定物交点坐标确定 | 第48-49页 |
4.3.3 标定物中心线搜索 | 第49-52页 |
4.3.4 标定物直径信息检测 | 第52-54页 |
4.3.5 标定物位置信息检测 | 第54-56页 |
4.3.6 检测算法效果分析 | 第56-57页 |
4.4 基于神经网络的涂胶信息预测算法 | 第57-66页 |
4.4.1 BP神经网络 | 第59-60页 |
4.4.2 广义回归神经网络 | 第60-64页 |
4.4.3 神经网络预测性能分析 | 第64-66页 |
4.5 基于标准库的涂胶质量分析算法 | 第66-67页 |
4.6 本章小结 | 第67-68页 |
第5章 涂胶质量在线检测技术的实现与验证 | 第68-90页 |
5.1 引言 | 第68页 |
5.2 涂胶在线质检系统硬件平台实现 | 第68-69页 |
5.3 涂胶在线质检系统应用软件实现 | 第69-74页 |
5.3.1 图像采集与处理分析程序 | 第69-70页 |
5.3.2 机器人控制器通信程序 | 第70-71页 |
5.3.3 神经网络预测程序 | 第71-72页 |
5.3.4 相机标定操作程序 | 第72-73页 |
5.3.5 数据库读写程序 | 第73-74页 |
5.3.6 应用软件主界面 | 第74页 |
5.4 系统性能验证实验 | 第74-89页 |
5.4.1 图像采集系统参数实验 | 第75-81页 |
5.4.2 视觉质检系统在线运行实验 | 第81-89页 |
5.5 本章小结 | 第89-90页 |
结论 | 第90-92页 |
参考文献 | 第92-95页 |
攻读学位期间发表过的学术论文 | 第95-97页 |
致谢 | 第97页 |