基于机器视觉的刹车油管镦头缺陷检测系统的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 课题研究背景与意义 | 第9-10页 |
| 1.2 机器视觉缺陷检测技术国内外研究现状及分析 | 第10-12页 |
| 1.2.1 机器视觉缺陷检测技术研究现状 | 第10-12页 |
| 1.2.2 机器视觉缺陷检测技术现状分析 | 第12页 |
| 1.3 主要研究内容 | 第12-14页 |
| 第2章 图像采集系统与标定算法的研究 | 第14-31页 |
| 2.1 图像采集系统的搭建 | 第14-17页 |
| 2.1.1 光源与照明方式的选择 | 第14-15页 |
| 2.1.2 工业摄像机的选择 | 第15页 |
| 2.1.3 光学镜头的选择 | 第15-17页 |
| 2.2 摄像机模型 | 第17-22页 |
| 2.2.1 常用坐标系定义 | 第17-19页 |
| 2.2.2 摄像机线性成像模型 | 第19-21页 |
| 2.2.3 摄像机非线性成像模型 | 第21-22页 |
| 2.3 标定算法的研究 | 第22-29页 |
| 2.3.1 基于定标模板的标定算法 | 第22-25页 |
| 2.3.2 基于灭点的自标定算法 | 第25-26页 |
| 2.3.3 摄像机标定实验 | 第26-28页 |
| 2.3.4 单像素尺寸标定 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 图像预处理算法研究 | 第31-44页 |
| 3.1 刹车油管镦头边界定位算法 | 第31-34页 |
| 3.2 刹车油管镦头光照补偿算法 | 第34-39页 |
| 3.2.1 基于同态滤波的光照补偿算法 | 第34-36页 |
| 3.2.2 基于光场重构的自适应光照补偿算法 | 第36-39页 |
| 3.3 刹车油管镦头去噪算法 | 第39-43页 |
| 3.3.1 传统的滤波算法 | 第39-40页 |
| 3.3.2 自适应中值滤波 | 第40页 |
| 3.3.3 基于决策的自适应滤波 | 第40-41页 |
| 3.3.4 去噪算法的比较与选择 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 刹车油管墩头缺陷检测方案 | 第44-67页 |
| 4.1 刹车油管镦头表面缺陷的分割与标记 | 第44-49页 |
| 4.1.1 颜色空间的分类与转换 | 第44-46页 |
| 4.1.2 基于HSV颜色空间的掉漆检测方案 | 第46-49页 |
| 4.2 刹车油管镦头内轮廓缺陷的分割与标记 | 第49-60页 |
| 4.2.1 阈值分割算法 | 第49-53页 |
| 4.2.2 刹车油管镦头阈值分割结果对比分析 | 第53-54页 |
| 4.2.3 内轮廓圆度检测方案 | 第54-55页 |
| 4.2.4 内轮廓毛刺检测方案 | 第55-60页 |
| 4.3 刹车油管镦头外轮廓缺陷的分割与标记 | 第60-66页 |
| 4.3.1 边缘提取算法 | 第61-63页 |
| 4.3.2 刹车油管镦头外边缘提取结果对比分析 | 第63-64页 |
| 4.3.3 外轮廓破损检测方案 | 第64-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第5章 刹车油管镦头缺陷检测系统的实现及测试 | 第67-73页 |
| 5.1 缺陷检测系统总体设计 | 第67-70页 |
| 5.1.1 用户交互模块 | 第67-68页 |
| 5.1.2 缺陷检测模块 | 第68-70页 |
| 5.2 缺陷检测系统测试 | 第70-72页 |
| 5.2.1 准确率测试 | 第70-71页 |
| 5.2.2 性能测试 | 第71-72页 |
| 5.3 本章小结 | 第72-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录A 攻读学位期间发表的专利 | 第77-79页 |
| 致谢 | 第79页 |
