基于机器视觉的钢板表面缺陷检测系统研究
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题的意义和前景 | 第7-8页 |
| ·钢板表面缺陷检测的国内外发展现状 | 第8-9页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9页 |
| ·常用钢板表面缺陷检测方法介绍 | 第9-11页 |
| ·钢板表面缺陷检测技术的发展趋势 | 第11-12页 |
| 第二章 钢板表面缺陷系统方案设计 | 第12-18页 |
| ·常见缺陷类型介绍 | 第12-14页 |
| ·系统硬件结构设计 | 第14页 |
| ·系统软件结构设计 | 第14-16页 |
| ·图像采集系统设计 | 第16-18页 |
| 第三章 图像预处理 | 第18-32页 |
| ·图像滤波去噪 | 第18-22页 |
| ·各种算法简介 | 第18-19页 |
| ·算法的选择和描述 | 第19-22页 |
| ·直方图均衡化 | 第22-24页 |
| ·直方图均衡化简介 | 第22-23页 |
| ·算法描述 | 第23-24页 |
| ·图像的分割 | 第24-27页 |
| ·图像分割方法介绍 | 第24-25页 |
| ·基于差影的图像分割 | 第25-27页 |
| ·形态学变换 | 第27-28页 |
| ·基于区域生长的二值图像连通区域标记的快速算法 | 第28-32页 |
| 第四章 缺陷特征的提取和选择 | 第32-40页 |
| ·评判标准 | 第32-33页 |
| ·灰度特征 | 第33-35页 |
| ·形态特征 | 第35-36页 |
| ·纹理特征 | 第36-38页 |
| ·纹理特征 | 第36页 |
| ·基于统计的纹理特征分析 | 第36-38页 |
| ·投影特征 | 第38-40页 |
| 第五章 缺陷识别方法研究 | 第40-58页 |
| ·BP 神经网络与遗传算法的研究 | 第40-49页 |
| ·BP 神经网络简介 | 第40-44页 |
| ·遗传算法简介 | 第44-46页 |
| ·改进的 BP 算法 | 第46-49页 |
| ·BP 神经网络设计 | 第49-57页 |
| ·一级网络设计 | 第50-51页 |
| ·二级网络设计 | 第51-53页 |
| ·BP 神经网络实现 | 第53-55页 |
| ·BP 网络训练 | 第55-57页 |
| ·算法验证与结果分析 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·工作总结 | 第58页 |
| ·研究展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 摘要 | 第62-65页 |
| Abstract | 第65-69页 |
| 致谢 | 第69页 |
