基于图像分割的金属罐内壁缺陷检测方法的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.2 机器视觉技术的现状 | 第16-19页 |
| 1.2.1 机器视觉简介 | 第16-17页 |
| 1.2.2 机器视觉检测技术的发展 | 第17-18页 |
| 1.2.3 金属罐缺陷检测研究状况 | 第18-19页 |
| 1.3 课题来源与问题 | 第19-21页 |
| 1.4 论文各章节安排 | 第21-22页 |
| 2 基于机器视觉的图像采集方案设计 | 第22-37页 |
| 2.1 金属罐产品特点 | 第22-23页 |
| 2.2 照明方案 | 第23-26页 |
| 2.2.1 照明方式 | 第24-25页 |
| 2.2.2 光源选择 | 第25-26页 |
| 2.3 摄像机 | 第26-29页 |
| 2.4 镜头 | 第29-32页 |
| 2.5 光学方案 | 第32-35页 |
| 2.6 本章小结 | 第35-37页 |
| 3 图像处理技术理论基础 | 第37-42页 |
| 3.1 数据结构 | 第37-38页 |
| 3.1.1 区域 | 第37页 |
| 3.1.2 亚像素精度轮廓 | 第37-38页 |
| 3.2 图像处理技术 | 第38-40页 |
| 3.2.1 图像滤波 | 第38页 |
| 3.2.2 阈值分割 | 第38-40页 |
| 3.2.4 图像代数运算 | 第40页 |
| 3.3 Blob分析 | 第40页 |
| 3.4 本章小结 | 第40-42页 |
| 4 金属罐内壁检测算法实现 | 第42-54页 |
| 4.1 机器视觉软件HALCON | 第42-43页 |
| 4.2 缺陷检测技术路线设计 | 第43-44页 |
| 4.3 图像预处理 | 第44-49页 |
| 4.3.1 预处理算法设计 | 第44页 |
| 4.3.2 金属罐定位实验 | 第44-48页 |
| 4.3.3 金属罐目标区域提取 | 第48-49页 |
| 4.4 缺陷检测 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录A 算法实现程序 | 第59-62页 |
| 作者简历 | 第62页 |
