| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 绪论 | 第16-37页 |
| 1.1 课题的意义 | 第16-17页 |
| 1.2 课题研究相关背景 | 第17-26页 |
| 1.2.1 雪糕棒缺陷介绍及其自动化检测研究现状 | 第17-24页 |
| 1.2.1.1 雪糕棒缺陷介绍及其形成机理 | 第17-20页 |
| 1.2.1.2 雪糕棒缺陷检测现状 | 第20-24页 |
| 1.2.2 木材缺陷介绍及其自动化检测研究现状 | 第24-26页 |
| 1.2.2.1 木材缺陷介绍及其形成机理 | 第24-25页 |
| 1.2.2.2 木材缺陷自动化检测研究现状 | 第25-26页 |
| 1.3 基于机器视觉的雪糕棒及单板缺陷检测算法现状 | 第26-33页 |
| 1.3.1 雪糕棒缺陷检测算法现状 | 第26-27页 |
| 1.3.2 雪糕棒与单板的关系 | 第27页 |
| 1.3.3 单板表面缺陷检测算法现状 | 第27-33页 |
| 1.3.3.1 从研究目的角度对当前文献进行的总结与分析 | 第27-31页 |
| 1.3.3.2 从研究对象角度对当前文献进行的总结与分析 | 第31-33页 |
| 1.4 当前存在的问题总结及本文研究目的 | 第33-35页 |
| 1.4.1 当前研究存在的问题及分析 | 第33-34页 |
| 1.4.2 本文研究的目的 | 第34-35页 |
| 1.5 本文的研究内容及章节介绍 | 第35-37页 |
| 第2章 图库的建立及图像预处理 | 第37-44页 |
| 2.1 雪糕棒图库的建立 | 第37-38页 |
| 2.1.1 采集设备 | 第37页 |
| 2.1.2 采集的图库有关信息 | 第37-38页 |
| 2.2 雪糕棒图像预处理 | 第38-42页 |
| 2.2.1 基于多阈值分割算法的感兴趣区域定位 | 第38-40页 |
| 2.2.2 目标区域位姿校正 | 第40-42页 |
| 2.2.3 实验与结果分析 | 第42页 |
| 2.3 评价标准 | 第42-43页 |
| 2.4 算法软、硬件平台及参数 | 第43页 |
| 2.5 本章小结 | 第43-44页 |
| 第3章 雪糕棒劈裂缺陷检测 | 第44-68页 |
| 3.1 雪糕棒劈裂概述 | 第44-51页 |
| 3.1.1 劈裂的成因及类别 | 第44-47页 |
| 3.1.2 劈裂特征分析及检测难点 | 第47-51页 |
| 3.1.2.1 劈裂与木纤维纹理区分问题的分析 | 第47-50页 |
| 3.1.2.2 劈裂与矿物线纹理区分问题的分析 | 第50-51页 |
| 3.2 劈裂、木纤维纹理特征对比分析 | 第51-54页 |
| 3.3 基于边缘检测算子的劈裂纹理边缘线条初步提取 | 第54-57页 |
| 3.3.1 劈裂纹理边缘线条初步提取 | 第54-56页 |
| 3.3.2 线条的进一步处理 | 第56-57页 |
| 3.4 劈裂纹理边缘候选线条的提取 | 第57-58页 |
| 3.5 基于纹理主、旁瓣特征的劈裂线条精确检测 | 第58-61页 |
| 3.5.1 纹理主瓣特征提取模型的建立 | 第59-61页 |
| 3.5.2 纹理旁瓣特征提取模型的建立 | 第61页 |
| 3.6 实验与结果分析 | 第61-67页 |
| 3.6.1 算法流程 | 第61-63页 |
| 3.6.2 算法关键参数的确定 | 第63页 |
| 3.6.3 算法效果与对比分析 | 第63-66页 |
| 3.6.4 算法现场验证 | 第66-67页 |
| 3.7 本章小结 | 第67-68页 |
| 第4章 雪糕棒劈裂、矿物线区分 | 第68-93页 |
| 4.1 基于子区域变尺度高斯拟合的劈裂、矿物线类型区分 | 第68-81页 |
| 4.1.1 劈裂、矿物线纹理整体差异性特征分析 | 第68-70页 |
| 4.1.2 子区域变尺度高斯拟合模型的定义与使用 | 第70-78页 |
| 4.1.2.1 高斯拟合数学函数的确定 | 第70-73页 |
| 4.1.2.2 高斯拟合模型的建立 | 第73-74页 |
| 4.1.2.3 基于直线拟合围成法的变尺度高斯拟合模型 | 第74-75页 |
| 4.1.2.4 基于变尺度高斯拟合参数提取纹理整体特征向量 | 第75-78页 |
| 4.1.3 基于BP神经网络的劈裂、矿物线分类模型 | 第78-79页 |
| 4.1.3.1 BP神经网络工作原理 | 第78页 |
| 4.1.3.2 基于BP神经网络的劈裂、矿物线分类模型的建立 | 第78-79页 |
| 4.1.4 实验与结果分析 | 第79-81页 |
| 4.1.4.1 算法流程 | 第79-80页 |
| 4.1.4.2 算法效果及分析 | 第80-81页 |
| 4.1.5 本节小结 | 第81页 |
| 4.2 基于纹理脊线特征的劈裂、矿物线类型区分 | 第81-89页 |
| 4.2.1 劈裂、矿物线纹理内部灰度差异性特征分析 | 第81-83页 |
| 4.2.2 基于纹理脊线特征区分劈裂、矿物线 | 第83-87页 |
| 4.2.2.1 脊线的定义与提取 | 第83-84页 |
| 4.2.2.2 脊线形态特征提取模型的建立与使用 | 第84-87页 |
| 4.2.3 实验与结果分析 | 第87-89页 |
| 4.2.3.1 算法步骤 | 第87-88页 |
| 4.2.3.2 算法效果及分析 | 第88-89页 |
| 4.2.4 本节小结 | 第89页 |
| 4.3 基于子区域变尺度高斯拟合与纹理脊线特征相融合的劈裂、矿物线类型区分 | 第89-91页 |
| 4.3.1 基于BP神经网络的劈裂、矿物线分类模型 | 第90页 |
| 4.3.2 实验与结果分析 | 第90-91页 |
| 4.3.3 算法现场验证 | 第91页 |
| 4.4 本章小结 | 第91-93页 |
| 第5章 雪糕棒污染缺陷检测 | 第93-114页 |
| 5.1 雪糕棒污染概述 | 第93-100页 |
| 5.1.1 污染特征分析 | 第93-94页 |
| 5.1.2 污染检测的难点分析 | 第94-99页 |
| 5.1.2.1 污染检测难点的理论分析 | 第94-97页 |
| 5.1.2.2 污染检测难点的实验分析 | 第97-99页 |
| 5.1.3 本节小结 | 第99-100页 |
| 5.2 基于并查集算法的污染区域分割 | 第100-102页 |
| 5.2.1 并查集算法原理 | 第101页 |
| 5.2.2 基于并查集的污染区域分割 | 第101-102页 |
| 5.3 候选污染区域的确定 | 第102-106页 |
| 5.3.1 候选污染区域的初步提取 | 第102-105页 |
| 5.3.2 污染区域的合并 | 第105页 |
| 5.3.3 污染候选区域的确定 | 第105-106页 |
| 5.4 基于绝对邻域法的污染区域精确提取 | 第106-109页 |
| 5.4.1 局域阈值分割法检测污染的数学分析 | 第106-107页 |
| 5.4.2 基于绝对邻域法的污染区域检测 | 第107-109页 |
| 5.4.2.1 纹理低灰度均值的定义 | 第107-108页 |
| 5.4.2.2 绝对邻域的定义与使用 | 第108-109页 |
| 5.5 实验与分析 | 第109-112页 |
| 5.5.1 实验步骤 | 第109-110页 |
| 5.5.2 实验结果及分析 | 第110-112页 |
| 5.5.3 算法现场验证 | 第112页 |
| 5.6 本章小结 | 第112-114页 |
| 第6章 雪糕棒毛刺缺陷检测 | 第114-137页 |
| 6.1 雪糕棒毛刺缺陷概述 | 第114-116页 |
| 6.1.1 毛刺成因及类型概述 | 第114-116页 |
| 6.1.2 软毛刺特征分析及类型细分 | 第116页 |
| 6.2 基于边缘检测模型融合的外部、中部毛刺检测 | 第116-124页 |
| 6.2.1 边缘检测模型及其在毛刺检测中的应用与效果分析 | 第116-119页 |
| 6.2.2 基于边缘检测模型融合的外部、中部毛刺缺陷检测 | 第119-124页 |
| 6.3 基于灰度序列尾值特征曲线和平行线型模板的内部毛刺检测 | 第124-130页 |
| 6.3.1 内部毛刺投影曲线特征分析 | 第124-126页 |
| 6.3.2 灰度序列尾值特征曲线的生成 | 第126-127页 |
| 6.3.3 基于平行线型模板检测内部毛刺缺陷 | 第127-130页 |
| 6.3.3.1 线型模板的定义、使用 | 第127-128页 |
| 6.3.3.2 基于平行线型模板的内部毛刺缺陷检测 | 第128-130页 |
| 6.4 实验结果与分析 | 第130-135页 |
| 6.4.1 实验步骤 | 第130-132页 |
| 6.4.2 实验结果与分析 | 第132-135页 |
| 6.4.2.1 外部和中部毛刺检测效果与分析 | 第132-134页 |
| 6.4.2.2 内部毛刺检测效果与分析 | 第134-135页 |
| 6.4.3 算法现场验证 | 第135页 |
| 6.5 本章小结 | 第135-137页 |
| 第7章 结论 | 第137-140页 |
| 7.1 结论 | 第137-138页 |
| 7.2 展望 | 第138-140页 |
| 参考文献 | 第140-151页 |
| 在学研究成果 | 第151-152页 |
| 致谢 | 第152页 |
