基于机器视觉的太阳能电池片缺陷检测算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究背景与意义 | 第10-11页 |
| 1.3 机器视觉技术概述 | 第11-13页 |
| 1.3.1 机器视觉检测原理 | 第12-13页 |
| 1.3.2 工业生产中的机器视觉技术 | 第13页 |
| 1.4 国内外研究现状 | 第13-17页 |
| 1.4.1 国内外电池片检测技术研究现状 | 第14-15页 |
| 1.4.2 基于机器视觉的缺陷检测技术研究现状 | 第15-16页 |
| 1.4.3 太阳能电池片中心定位研究现状 | 第16-17页 |
| 1.5 研究内容及论文章节安排 | 第17-19页 |
| 第2章 太阳能电池片检测算法系统方案设计 | 第19-27页 |
| 2.1 太阳能电池片表面缺陷检测分析 | 第19-22页 |
| 2.1.1 太阳能电池片外形简介 | 第19-20页 |
| 2.1.2 表面缺陷主要类型 | 第20-21页 |
| 2.1.3 视觉处理系统功能介绍 | 第21-22页 |
| 2.2 表面缺陷检测系统要求 | 第22-23页 |
| 2.3 太阳能电池片表面缺陷检测方案设计 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 图像采集与图像预处理 | 第27-44页 |
| 3.1 图像采集系统 | 第27-32页 |
| 3.1.1 工业相机 | 第27-29页 |
| 3.1.2 镜头选型 | 第29-30页 |
| 3.1.3 照明系统 | 第30-32页 |
| 3.2 图像预处理 | 第32-43页 |
| 3.2.1 灰度变换 | 第32-33页 |
| 3.2.2 图像平滑 | 第33-38页 |
| 3.2.3 图像背景剪除 | 第38-41页 |
| 3.2.4 图像阈值分割 | 第41-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 电池片缺陷检测及中心与偏转角计算 | 第44-67页 |
| 4.1 图像轮廓 | 第44-51页 |
| 4.1.1 轮廓提取 | 第44-50页 |
| 4.1.2 轮廓重心 | 第50-51页 |
| 4.1.3 轮廓面积 | 第51页 |
| 4.2 中心坐标及偏转角计算 | 第51-57页 |
| 4.2.1 传统方式获取中心坐标和偏转角 | 第52-53页 |
| 4.2.2 多重中心坐标的加权处理 | 第53-57页 |
| 4.3 基于仿射变换的姿态调整 | 第57-61页 |
| 4.4 模板图片获取 | 第61页 |
| 4.5 缺陷检测 | 第61-66页 |
| 4.5.1 残片断片 | 第62-63页 |
| 4.5.2 孔洞断栅 | 第63-64页 |
| 4.5.3 边缘破损 | 第64-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第5章 视觉系统与机器人坐标系映射算法设计 | 第67-80页 |
| 5.1 视觉系统坐标提取 | 第67-74页 |
| 5.1.1 传统的视觉系统坐标提取方式 | 第67-68页 |
| 5.1.2 九点对位方式提取视觉系统坐标 | 第68-74页 |
| 5.2 坐标系映射算法设计 | 第74-78页 |
| 5.3 坐标和偏转角换算 | 第78页 |
| 5.4 本章小结 | 第78-80页 |
| 第6章 太阳能电池片检测算法系统搭建与测试 | 第80-92页 |
| 6.1 基于OpenCV视觉库的算法系统搭建 | 第80-81页 |
| 6.2 测试软件系统 | 第81-83页 |
| 6.3 算法测试平台 | 第83-84页 |
| 6.4 表面缺陷检测准确率及精度测试 | 第84-87页 |
| 6.4.1 电池片参数输入及模板图像生成 | 第84-85页 |
| 6.4.2 电池片缺陷检测准确性及精度测试 | 第85-87页 |
| 6.5 坐标系换算准确率测试 | 第87-91页 |
| 6.5.1 坐标系的坐标获取 | 第88-89页 |
| 6.5.2 坐标系换算准确性测试 | 第89-91页 |
| 6.6 本章小结 | 第91-92页 |
| 第7章 总结与展望 | 第92-94页 |
| 7.1 全文总结 | 第92-93页 |
| 7.2 展望 | 第93-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-98页 |
