| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14-17页 |
| 1.2 机器视觉概述 | 第17页 |
| 1.3 国内外研究现状及发展趋势 | 第17-22页 |
| 1.3.1 国内外饮料制造自动化生产线现状 | 第17-21页 |
| 1.3.2 饮料生产线上的罐盖缺陷检测研究现状 | 第21-22页 |
| 1.4 本文研究的课题及内容安排 | 第22-24页 |
| 第2章 罐盖视觉检测系统硬件平台设计 | 第24-36页 |
| 2.1 视觉检测对象及检测需求 | 第24-26页 |
| 2.2 罐盖视觉检测系统总体设计 | 第26页 |
| 2.3 机械系统设计 | 第26-29页 |
| 2.3.1 罐盖传送装置设计 | 第27-28页 |
| 2.3.2 次品分拣机构设计 | 第28-29页 |
| 2.4 电气控制系统设计 | 第29-30页 |
| 2.5 视觉检测系统设计 | 第30-34页 |
| 2.5.1 工业相机和镜头选型 | 第30-32页 |
| 2.5.2 光源成像系统设计 | 第32-34页 |
| 2.6 视觉检测系统的工作流程 | 第34-35页 |
| 2.7 本章小结 | 第35-36页 |
| 第3章 罐盖图像预处理算法研究 | 第36-56页 |
| 3.1 引言 | 第36页 |
| 3.2 罐盖图像增强 | 第36-42页 |
| 3.2.1 基于灰度变换的图像增强 | 第37-39页 |
| 3.2.2 罐盖图像平滑滤波去噪 | 第39-42页 |
| 3.3 罐盖图像分割 | 第42-47页 |
| 3.3.1 罐盖图像边缘检测 | 第43-45页 |
| 3.3.2 罐盖图像区域分割 | 第45-47页 |
| 3.4 罐盖图像定位 | 第47-55页 |
| 3.4.1 重心法 | 第48-49页 |
| 3.4.2 最小二乘拟合圆 | 第49-50页 |
| 3.4.3 以种改进的最小二乘法 | 第50-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 罐盖缺陷检测与识别算法研究 | 第56-73页 |
| 4.1 罐盖缺陷分区域检测算法 | 第56-64页 |
| 4.1.1 基于Blob分析的罐盖内表面缺陷检测算法 | 第57-59页 |
| 4.1.2 最小二乘拟合垂直灰度投影曲线的罐盖环形区域缺陷检测算法 | 第59-64页 |
| 4.2 基于分块PCA和BP神经网络的罐盖缺陷检测算法 | 第64-71页 |
| 4.2.1 基于分块PCA的罐盖图像特征提取 | 第64-67页 |
| 4.2.2 BP神经网络 | 第67-69页 |
| 4.2.3 罐盖缺陷的训练与识别测试 | 第69-71页 |
| 4.3 分区域检测算法与神经网络算法对比 | 第71-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第5章 罐盖视觉检测系统的软件设计 | 第73-79页 |
| 5.1 软件系统需求 | 第73页 |
| 5.2 检测系统软件设计与实现 | 第73-74页 |
| 5.3 软件系统功能结构模块设计 | 第74-78页 |
| 5.3.1 用户信息模块 | 第76-77页 |
| 5.3.2 系统配置模块 | 第77-78页 |
| 5.3.3 数据库管理模块 | 第78页 |
| 5.4 本章小结 | 第78-79页 |
| 总结与展望 | 第79-81页 |
| 参考文献 | 第81-84页 |
| 附录A 攻读学位期间发表的学术论文 | 第84-85页 |
| 附录B 攻读学位期间所参加的科研项目目录 | 第85-86页 |
| 致谢 | 第86页 |
