二极管玻壳表面缺陷检测技术研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及进展 | 第11-13页 |
| 1.2.1 国外研究研究动向及进展 | 第11-12页 |
| 1.2.2 国内研究动向及进展 | 第12-13页 |
| 1.3 本文主要工作 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 主要创新点 | 第14-15页 |
| 1.4 本章小结 | 第15-17页 |
| 2 二极管玻壳表面缺陷检测系统总体方案设计 | 第17-26页 |
| 2.1 玻壳缺陷检测基本原理 | 第17-18页 |
| 2.2 二极管玻壳表面检测系统结构设计 | 第18-19页 |
| 2.3 玻壳缺陷检测系统硬件设备及选型 | 第19-23页 |
| 2.3.1 相机选型 | 第20-21页 |
| 2.3.2 工业镜头选型 | 第21-22页 |
| 2.3.3 光源选型及照明方式 | 第22-23页 |
| 2.4 玻壳缺陷识别算法设计 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 玻壳图像预处理 | 第26-41页 |
| 3.1 模板匹配概述 | 第26-33页 |
| 3.1.1 灰度值及其相关性匹配 | 第27-29页 |
| 3.1.2 基于几何特征的模板匹配算法 | 第29-32页 |
| 3.1.3 实验效果对比 | 第32-33页 |
| 3.2 玻壳图像滤波算法 | 第33-38页 |
| 3.2.1 邻域平均法 | 第33-34页 |
| 3.2.2 中值滤波 | 第34-35页 |
| 3.2.3 自适应中值滤波 | 第35-36页 |
| 3.2.4 实验效果对比。 | 第36-38页 |
| 3.3 图像增强算法 | 第38-40页 |
| 3.3.1 灰度线性变换 | 第38页 |
| 3.3.2 直方图均衡化 | 第38-39页 |
| 3.3.3 实验效果对比 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 玻壳缺陷图像的特征提取 | 第41-58页 |
| 4.1 灰度特征描述 | 第41-46页 |
| 4.1.1 灰度特征基本概念 | 第41-42页 |
| 4.1.2 灰度特征的特征描述子 | 第42-43页 |
| 4.1.3 灰度特征的计算 | 第43-46页 |
| 4.2 基于纹理的特征提取 | 第46-51页 |
| 4.2.1 纹理特征基本概念 | 第46页 |
| 4.2.2 纹理特征描述子 | 第46-48页 |
| 4.2.3 纹理特征提取 | 第48-51页 |
| 4.3 不变矩特征描述 | 第51-57页 |
| 4.3.1 不变矩特征的基本概念 | 第51页 |
| 4.3.2 不变矩特征描述子 | 第51-53页 |
| 4.3.3 不变矩特征的计算 | 第53-57页 |
| 4.4 特征向量形成 | 第57页 |
| 4.5 本章小结 | 第57-58页 |
| 5 玻壳缺陷图像的分类识别 | 第58-73页 |
| 5.1 模式识别概念 | 第58-60页 |
| 5.1.1 模式识别的基本概念 | 第58页 |
| 5.1.2 模式识别的方法 | 第58-59页 |
| 5.1.3 模式识别的系统构成 | 第59-60页 |
| 5.2 玻壳缺陷分类器设计 | 第60-65页 |
| 5.2.1 BP网络基本概述 | 第61-62页 |
| 5.2.2 神经网络模型构建 | 第62-65页 |
| 5.3 BP算法的改进 | 第65-68页 |
| 5.3.1 传统BP神经网络算法的不足与限制 | 第65-66页 |
| 5.3.2 BP神经网络算法的改进算法 | 第66-68页 |
| 5.4 玻壳分类识别实验及结果分析 | 第68-72页 |
| 5.4.1 分类器初始参数的设定 | 第68-69页 |
| 5.4.2 样本库的制作 | 第69-70页 |
| 5.4.3 样本训练及识别结果 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 6 在线检测系统设计 | 第73-78页 |
| 6.1 系统实现流程 | 第73页 |
| 6.2 实验室硬件平台搭建 | 第73-74页 |
| 6.3 软件系统 | 第74-77页 |
| 6.4 本章小结 | 第77-78页 |
| 总结 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第84页 |
