基于机器视觉的塑料制品缺陷检测算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11页 |
| 1.2 机器视觉技术概述 | 第11-12页 |
| 1.3 机器视觉检测技术的研究现状 | 第12-14页 |
| 1.4 本文主要研究内容 | 第14-19页 |
| 1.4.1 课题来源 | 第14-15页 |
| 1.4.2 塑料制品常见的缺陷类型 | 第15-16页 |
| 1.4.3 塑料制品缺陷检测的难点 | 第16-17页 |
| 1.4.4 论文结构 | 第17-19页 |
| 第二章 机器视觉表面缺陷检测系统软硬件组成 | 第19-27页 |
| 2.1 系统硬件组成 | 第19-24页 |
| 2.1.1 光源 | 第19-20页 |
| 2.1.2 摄像机 | 第20-22页 |
| 2.1.3 镜头 | 第22-23页 |
| 2.1.4 计算机图像采集系统 | 第23-24页 |
| 2.2 系统软件环境 | 第24页 |
| 2.3 视觉系统的总体结构 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 塑料制品图像的预处理 | 第27-47页 |
| 3.1 彩色格式转换 | 第27-29页 |
| 3.2 塑料制品图像的增强 | 第29-39页 |
| 3.2.1 全局线性变换 | 第30-31页 |
| 3.2.2 分段的线性灰度变换 | 第31-33页 |
| 3.2.3 对数变换 | 第33-35页 |
| 3.2.4 直方图均衡化 | 第35-36页 |
| 3.2.5 塑料制品图像的增强实验结果对比分析 | 第36-39页 |
| 3.3 塑料制品图像的去噪处理 | 第39-46页 |
| 3.3.1 塑料制品图像的噪声来源 | 第39-41页 |
| 3.3.2 均值滤波 | 第41-42页 |
| 3.3.3 中值滤波 | 第42-44页 |
| 3.3.4 Wiener 滤波 | 第44页 |
| 3.3.5 塑料制品图像的去噪声实验结果对比 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 图像分割 | 第47-55页 |
| 4.1 边缘分割算法 | 第47-53页 |
| 4.1.1 Roberts 边缘算子 | 第48页 |
| 4.1.2 Sobel 边缘检测算子 | 第48-49页 |
| 4.1.3 Prewitt 边缘算子 | 第49-50页 |
| 4.1.4 LOG 边缘算子 | 第50-51页 |
| 4.1.5 Canny 边缘算子 | 第51-53页 |
| 4.2 塑料制品图像分割实验结果对比分析 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 塑料制品缺陷的检测与识别 | 第55-75页 |
| 5.1 塑料制品倾斜图像的校正 | 第55-58页 |
| 5.1.1 Hough 变换算法 | 第55-56页 |
| 5.1.2 塑料制品校正算法的实现与实验结果分析 | 第56-58页 |
| 5.2 塑料制品在图像中的定位 | 第58-61页 |
| 5.2.1 模板匹配算法 | 第59-60页 |
| 5.2.2 塑料制品定位算法的实现与实验分析 | 第60-61页 |
| 5.3 塑料制品表面规则干扰的排除 | 第61-65页 |
| 5.3.1 局部填充 | 第62-63页 |
| 5.3.2 塑料制品局部填充算法的实现与实验分析 | 第63-65页 |
| 5.4 塑料制品的缺陷识别算法 | 第65-73页 |
| 5.4.1 传统的 LOG 算子缺陷检测算法 | 第65-68页 |
| 5.4.2 改进的 LOG 缺陷检测算法 | 第68-71页 |
| 5.4.3 改进算法的实现与实验分析 | 第71-73页 |
| 5.5 本章小结 | 第73-75页 |
| 第六章 塑料制品常见缺陷的识别实验与分析 | 第75-87页 |
| 6.1 塑料制品常见缺陷识别实验 | 第75-81页 |
| 6.2 缺陷的特征描述 | 第81-83页 |
| 6.3 各种缺陷的检测实验数据 | 第83-84页 |
| 6.4 实验数据的误差分析 | 第84-86页 |
| 6.5 本章小结 | 第86-87页 |
| 结论与展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 攻读硕士学位期间取得的研究成果 | 第92-93页 |
| 致谢 | 第93-94页 |
| 附件 | 第94页 |
