基于机器视觉的带钢表面缺陷检测装置研发
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·课题的背景和意义 | 第7页 |
| ·带钢表面缺陷检测技术发展概况 | 第7-11页 |
| ·人工检测方法 | 第7-8页 |
| ·传统无损检测方法 | 第8-10页 |
| ·基于机器视觉的带钢表面缺陷检测方法 | 第10页 |
| ·我国在机器视觉检测技术领域的研究现状 | 第10-11页 |
| ·本文的主要内容 | 第11-12页 |
| 2 带钢表面缺陷检测装置方案设计 | 第12-17页 |
| ·带钢表面缺陷检测装置原理 | 第12-13页 |
| ·带钢表面缺陷检测装置硬件组成 | 第13-15页 |
| ·带钢模拟传动装置 | 第13-14页 |
| ·图像采集设备的选型及安装 | 第14-15页 |
| ·带钢表面缺陷检测软件流程 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 3 带钢表面缺陷提取算法研究 | 第17-40页 |
| ·带钢图像去噪 | 第17-22页 |
| ·图像系统常见噪声 | 第17-18页 |
| ·图像去噪算法介绍 | 第18-20页 |
| ·带钢图像去噪算法评价 | 第20-22页 |
| ·带钢图像增强 | 第22-24页 |
| ·算法简介 | 第22-23页 |
| ·图像增强效果实例 | 第23-24页 |
| ·带钢图像分割 | 第24-33页 |
| ·常见图像分割算法 | 第25-31页 |
| ·图像分割算法比较 | 第31-33页 |
| ·缺陷区域定位 | 第33-39页 |
| ·轮廓跟踪 | 第33-34页 |
| ·连通区域标记 | 第34-38页 |
| ·缺陷区域定位实例 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 4 带钢表面缺陷提取软件开发 | 第40-46页 |
| ·对图像采集卡的调用 | 第40页 |
| ·使用OpenCv对图像采集卡进行二次开发 | 第40-41页 |
| ·OpenCv简介 | 第40页 |
| ·利用OpenCv进行视频捕获 | 第40-41页 |
| ·带钢表面缺陷提取软件设计 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 5 带钢表面缺陷识别算法研究 | 第46-68页 |
| ·缺陷图像特征提取 | 第46-56页 |
| ·样本库的建立 | 第46-47页 |
| ·特征空间的优化原则 | 第47-48页 |
| ·缺陷图像原始特征 | 第48-53页 |
| ·基于主成分分析和Fisher准则的特征提取 | 第53-56页 |
| ·带钢表面缺陷分类 | 第56-67页 |
| ·BP神经网络分类器 | 第57-60页 |
| ·BP神经网络的改进学习算法 | 第60-61页 |
| ·几种改进型BP网络的性能分析 | 第61-64页 |
| ·多神经网络用于带钢表面缺陷分类 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-72页 |
