| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 粗糙度识别的研究背景与意义 | 第14页 |
| 1.2 粗糙度测量的方法和研究现状 | 第14-18页 |
| 1.2.1 接触式测量 | 第14-15页 |
| 1.2.2 非接触式测量 | 第15-18页 |
| 1.3 模式识别方法的研究现状 | 第18-19页 |
| 1.3.1 无监督的模式识别方法 | 第18页 |
| 1.3.2 有监督的模式识别方法 | 第18-19页 |
| 1.4 本文研究思路与主要研究内容 | 第19-22页 |
| 1.4.1 问题的提出 | 第19页 |
| 1.4.2 本文的主要内容及章节安排 | 第19-22页 |
| 第2章 检测平台的实验设计和硬件选型 | 第22-35页 |
| 2.1 引言 | 第22页 |
| 2.2 实验设计 | 第22-26页 |
| 2.2.1 成像机理分析 | 第22-26页 |
| 2.2.2 实验方案 | 第26页 |
| 2.3 工件准备 | 第26-28页 |
| 2.3.1 指标可行性分析样件 | 第27页 |
| 2.3.2 粗糙度识别样件 | 第27-28页 |
| 2.4 相机选型及参数介绍 | 第28-30页 |
| 2.4.1 像素及分辨率 | 第28-29页 |
| 2.4.2 相机接口方式 | 第29-30页 |
| 2.4.3 帧速率 | 第30页 |
| 2.4.4 相机选型介绍 | 第30页 |
| 2.5 光源 | 第30-33页 |
| 2.5.1 发光类别 | 第31页 |
| 2.5.2 照明方式 | 第31-32页 |
| 2.5.3 评价参数 | 第32页 |
| 2.5.4 光源选型介绍 | 第32-33页 |
| 2.6 本章小结 | 第33-35页 |
| 第3章 基于彩色分布统计矩阵的矩阵指标设计 | 第35-49页 |
| 3.1 引言 | 第35-36页 |
| 3.2 灰度共生矩阵 | 第36-38页 |
| 3.3 彩色分布统计矩阵 | 第38-39页 |
| 3.4 基于彩色分布统计矩阵的矩阵指标设计 | 第39-48页 |
| 3.4.1 矩阵非零点个数 | 第39-42页 |
| 3.4.2 同质性 | 第42-44页 |
| 3.4.3 对比度 | 第44-45页 |
| 3.4.4 信息熵 | 第45-46页 |
| 3.4.5 能量 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于变量预测模型的粗糙度识别 | 第49-59页 |
| 4.1 引言 | 第49页 |
| 4.2 基于变量预测模型的识别算法 | 第49-53页 |
| 4.2.1 变量预测模型的概念 | 第50-51页 |
| 4.2.2 基于变量预测模型的识别算法 | 第51-52页 |
| 4.2.3 算法的适用范围 | 第52-53页 |
| 4.3 实验结果展示 | 第53-57页 |
| 4.3.1 试验流程介绍 | 第53页 |
| 4.3.2 实验结果展示 | 第53-57页 |
| 4.4 与神经网络方法的对比 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 跨平台粗糙度识别设备开发 | 第59-65页 |
| 5.1 设备软件介绍 | 第59-60页 |
| 5.1.1 Lab VIEW软件介绍 | 第59页 |
| 5.1.2 Matlab软件介绍 | 第59页 |
| 5.1.3 Lab VIEW与Matlab混合编程分析 | 第59-60页 |
| 5.2 系统硬件介绍 | 第60页 |
| 5.3 粗糙度识别系统实现 | 第60-63页 |
| 5.3.1 图像采集模块 | 第60-61页 |
| 5.3.2 图像识别模块 | 第61-63页 |
| 5.4 系统评价 | 第63-64页 |
| 5.4.1 准确率 | 第63页 |
| 5.4.2 响应时间 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 附录A 攻读学位期间发表和录用的论文目录 | 第72-73页 |
| 附录B 攻读学位期间参与的科研项目 | 第73页 |