首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于机器视觉的汽车门板焊点识别算法研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第10-17页
    1.1 研究背景及意义第10-11页
    1.2 机器视觉发展现状第11-15页
        1.2.1 机器视觉在国外发展现状第12页
        1.2.2 机器视觉在国内发展现状第12-14页
        1.2.3 机器视觉在汽车行业应用现状第14-15页
    1.3 论文的主要工作及内容安排第15-17页
第二章 机器视觉技术的相关理论第17-24页
    2.1 机器视觉概念第17-18页
    2.2 机器视觉的计算理论第18-20页
        2.2.1 计算视觉理论第18-19页
        2.2.2 基于知识的视觉理论第19-20页
        2.2.3 主动视觉理论第20页
    2.3 机器视觉系统构成第20-23页
    2.4 本章小结第23-24页
第三章 焊点图像处理第24-38页
    3.1 焊点图像灰度化第24-25页
    3.2 焊点图像去噪第25-27页
    3.3 焊点图像锐化第27-29页
    3.4 焊点图像边缘提取第29-33页
    3.5 焊点位置提取第33-37页
    3.6 本章小结第37-38页
第四章 焊点图像的特征提取第38-48页
    4.1 图像特征表达方式第38-42页
        4.1.1 颜色特征第38-40页
        4.1.2 形状特征第40-41页
        4.1.3 纹理特征第41-42页
    4.2 焊点纹理特征提取第42-47页
        4.2.1 基于LBP算子纹理特征第42-44页
        4.2.2 基于灰度共生矩阵纹理特征第44-47页
    4.3 本章小结第47-48页
第五章 焊点智能识别第48-69页
    5.1 BP神经网络焊点识别分类器第48-53页
        5.1.1 BP神经网络第48-50页
        5.1.2 BP神经网络分类器设计步骤第50-52页
        5.1.3 BP神经网络分类器实验第52-53页
    5.2 SVM焊点识别分类器第53-60页
        5.2.1 线性SVM分类器第54-56页
        5.2.2 非线性SVM分类器第56-57页
        5.2.3 SVM学习过程第57页
        5.2.4 SVM参数优化第57-58页
        5.2.5 SVM分类器设计步骤第58-59页
        5.2.6 SVM分类器实验第59-60页
    5.3 GA-SVM焊点识别分类器第60-67页
        5.3.1 遗传算法第61-63页
        5.3.2 GA-SVM算法思路第63-64页
        5.3.3 GA-SVM分类器设计步骤第64-66页
        5.3.4 GA-SVM分类器实验第66-67页
    5.4 焊点识别结果第67-68页
    5.5 本章小结第68-69页
总结与展望第69-71页
    总结第69页
    展望第69-71页
参考文献第71-76页
攻读硕士学位期间取得的研究成果第76-77页
致谢第77-78页
附件第78页

论文共78页,点击 下载论文
上一篇:图像/视频压缩感知中基于像素相关性的观测矩阵和重构算法研究
下一篇:基于深度学习的工业机械手抓取检测方法研究