基于嵌入式GPU的USB插头表面缺陷检测算法研发
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 金属表面缺陷检测现状 | 第13-14页 |
| 1.2.2 GPU在工业检测的应用现状 | 第14-15页 |
| 1.3 本文难点及研究内容 | 第15-17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 2 相关技术概述 | 第19-27页 |
| 2.1 基于机器视觉的缺陷检测概述 | 第19-23页 |
| 2.1.1 参考比较法 | 第19-20页 |
| 2.1.2 非参考校验法 | 第20-23页 |
| 2.2 嵌入式GPU | 第23-26页 |
| 2.2.1 Tegra X1硬件特性 | 第23-25页 |
| 2.2.2 CUDA概述 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 USB插头表面缺陷检测算法分析与研发 | 第27-55页 |
| 3.1 图像预处理 | 第27-34页 |
| 3.1.1 定位 | 第27-30页 |
| 3.1.2 图像平滑 | 第30-34页 |
| 3.2 显著性检测 | 第34-44页 |
| 3.2.1 LC算法 | 第35-38页 |
| 3.2.2 SR算法 | 第38-40页 |
| 3.2.3 AC算法 | 第40-43页 |
| 3.2.4 效果对比与分析 | 第43-44页 |
| 3.3 超像素分割 | 第44-49页 |
| 3.3.1 SLIC分割算法 | 第44-46页 |
| 3.3.2 SEEDS分割算法 | 第46-48页 |
| 3.3.3 效果对比与分析 | 第48-49页 |
| 3.4 USB插头表面缺陷检测算法研发 | 第49-53页 |
| 3.5 本章小结 | 第53-55页 |
| 4 基于CUDA的算法优化 | 第55-65页 |
| 4.1 算法运行时间分析 | 第55-56页 |
| 4.2 定位 | 第56-57页 |
| 4.3 图像平滑 | 第57-59页 |
| 4.4 显著性检测 | 第59-61页 |
| 4.5 超像素分割 | 第61-63页 |
| 4.6 缺陷判断 | 第63页 |
| 4.7 本章小结 | 第63-65页 |
| 5 系统测试及分析 | 第65-72页 |
| 5.1 系统组成 | 第65-68页 |
| 5.1.1 系统硬件组成 | 第65-66页 |
| 5.1.2 系统软件组成 | 第66-68页 |
| 5.2 系统算法测试 | 第68-71页 |
| 5.2.1 测试样本采集环境 | 第68页 |
| 5.2.2 测试内容 | 第68-69页 |
| 5.2.3 测试结果 | 第69-71页 |
| 5.3 本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-81页 |
| 作者简历 | 第81页 |
