基于机器视觉的弹片质量在线检测系统
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·课题背景与意义 | 第8-10页 |
| ·机器视觉的发展 | 第10-13页 |
| ·机器视觉应用 | 第13-14页 |
| ·课题研究内容 | 第14-15页 |
| 2 系统总体设计 | 第15-20页 |
| ·系统结构和工作原理 | 第15-18页 |
| ·机器视觉检测系统工作流程 | 第15-17页 |
| ·系统结构 | 第17-18页 |
| ·传统检测系统误差分析 | 第18-19页 |
| ·关键技术 | 第19页 |
| ·本章小结 | 第19-20页 |
| 3 检测系统中的摄像机标定 | 第20-39页 |
| ·标定原理 | 第20-24页 |
| ·摄像机标定的意义 | 第20页 |
| ·摄像机标定线性模型 | 第20-22页 |
| ·摄像机标定非线性模型 | 第22-24页 |
| ·标定方法 | 第24-25页 |
| ·传统标定 | 第24-25页 |
| ·自标定 | 第25页 |
| ·主动视觉摄像机标定 | 第25页 |
| ·神经网络用于摄像机标定 | 第25-31页 |
| ·神经网络 | 第25-27页 |
| ·BP 神经网络 | 第27-29页 |
| ·BP 神经网络与摄像机标定 | 第29-31页 |
| ·蚁群算法优化神经网络 | 第31-35页 |
| ·基本蚁群算法 | 第31-33页 |
| ·基本蚁群算法优化神经网络 | 第33-35页 |
| ·用于摄像机标定的随机蚂蚁蚁群算法 | 第35-38页 |
| ·算法框架 | 第35页 |
| ·算法模型 | 第35-36页 |
| ·试验仿真 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 检测系统的图像采集和处理 | 第39-52页 |
| ·图像的采集 | 第39-42页 |
| ·图像采集原理 | 第39页 |
| ·弹片图像的采集 | 第39-42页 |
| ·几种边缘检测算法比较 | 第42-46页 |
| ·图像阈值分割 | 第46-49页 |
| ·边缘提取 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 5 检测系统的实现及应用 | 第52-60页 |
| ·软件开发环境及各模块实现功能 | 第52-56页 |
| ·软件开发环境及界面介绍 | 第52-56页 |
| ·弹片的检测 | 第56-58页 |
| ·检测流程 | 第56页 |
| ·测量结果 | 第56-57页 |
| ·误差分析 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 6 总结与展望 | 第60-61页 |
| ·总结 | 第60页 |
| ·展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |
