摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第13-21页 |
1.1 课题背景与来源 | 第13-15页 |
1.1.1 手机金属零部件机群式制造的特点 | 第13-14页 |
1.1.2 手机金属零部件在线质量检测遇到的问题 | 第14页 |
1.1.3 课题的来源 | 第14-15页 |
1.2 国内外在目标检测和尺寸测量方面的研究现状 | 第15-18页 |
1.2.1 目标检测研究现状 | 第15-17页 |
1.2.2 尺寸测量研究现状 | 第17-18页 |
1.3 课题研究内容及研究意义 | 第18-21页 |
1.3.1 研究内容 | 第18-20页 |
1.3.2 研究意义 | 第20-21页 |
第二章 面向机群式制造的质量检测系统方案设计与实现 | 第21-36页 |
2.1 图像采集系统总成平台搭建 | 第21-24页 |
2.1.1 检测平台伺服驱动系统搭建 | 第21-22页 |
2.1.2 四轴精确联动硬件组成 | 第22-23页 |
2.1.3 PC与伺服驱动器的链路方式 | 第23-24页 |
2.2 运动平台上位机软件编程 | 第24-30页 |
2.2.1 MemobusRTU协议在伺服驱动控制中的实现 | 第24-25页 |
2.2.2 指令动态库设计及CRC校验实现方式 | 第25-26页 |
2.2.3 关键线程实现方式 | 第26-27页 |
2.2.4 综合应用测试 | 第27-30页 |
2.3 图像采集系统硬件平台搭建 | 第30-34页 |
2.3.1 多套CMOS工业相机及光学镜头选型 | 第30-33页 |
2.3.2 照明光源方案确定 | 第33-34页 |
2.4 视觉测量软件系统设计与开发 | 第34-35页 |
2.5 本章小结 | 第35-36页 |
第三章 基于深度学习MobileNets-SSD网络的手机金属零部件目标检测与性能评估 | 第36-57页 |
3.1 手机金属零部件多目标视觉检测存在的问题描述 | 第36-37页 |
3.2 轻量级深度卷积神经网络MobileNets-SSD原理描述 | 第37-43页 |
3.2.1 网络结构 | 第37-40页 |
3.2.2 宽度因子和分辨率因子 | 第40-41页 |
3.2.3 实验对比 | 第41-43页 |
3.3 手机金属零部件目标检测方案设计 | 第43-44页 |
3.4 训练样本生成及数据集增广 | 第44-48页 |
3.5 手机金属零部件目标检测测试 | 第48-56页 |
3.5.1 MobileNets-SSD网络模型训练 | 第48-50页 |
3.5.2 手机金属零部件目标检测结果分析 | 第50-56页 |
3.6 本章小结 | 第56-57页 |
第四章 手机金属零部件尺寸测量系统的图像处理技术 | 第57-68页 |
4.1 图像预处理 | 第57-59页 |
4.1.1 中值滤波算法及性质 | 第57页 |
4.1.2 图像锐化 | 第57-58页 |
4.1.3 灰度二值化 | 第58-59页 |
4.2 特征提取算法 | 第59-65页 |
4.2.1 边缘检测 | 第59-63页 |
4.2.2 边缘亚像素细化 | 第63页 |
4.2.3 亚像素定位技术概述 | 第63页 |
4.2.4 梯度方向高斯曲线拟合亚像素定位法 | 第63-65页 |
4.3 几何尺寸测量 | 第65-67页 |
4.3.1 最小二乘法计算几何尺寸 | 第65-66页 |
4.3.2 最小二乘法拟合直线 | 第66页 |
4.3.3 圆形的拟合 | 第66-67页 |
4.4 本章小结 | 第67-68页 |
第五章 手机金属零部件尺寸测量实验及误差分析 | 第68-84页 |
5.1 实验硬件平台搭建 | 第68-72页 |
5.1.1 标准量具图像处理 | 第68-70页 |
5.1.2 系统测量精度标定 | 第70-72页 |
5.2 形位尺寸测量实验 | 第72-83页 |
5.2.1 形位尺寸图像处理过程 | 第73-79页 |
5.2.2 尺寸测量结果分析 | 第79-83页 |
5.2.3 误差分析 | 第83页 |
5.3 本章小结 | 第83-84页 |
总结与展望 | 第84-86页 |
6.1 总结 | 第84-85页 |
6.2 展望 | 第85-86页 |
参考文献 | 第86-90页 |
攻读学位期间发表论文 | 第90-92页 |
致谢 | 第92页 |