基于机器视觉的永磁铁氧体磁铁转子表面缺陷检测方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题背景 | 第10-14页 |
| ·引言 | 第10-11页 |
| ·基于机器视觉技术国内外研究现状 | 第11-14页 |
| ·课题来源、研究意义及技术指标 | 第14-15页 |
| ·磁铁转子表面检测系统关键问题 | 第15-16页 |
| ·本文内容章节安排 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 永磁铁氧体磁铁转子图像的获取 | 第18-35页 |
| ·系统硬件平台的搭建 | 第18-19页 |
| ·永磁铁氧体磁铁转子常见缺陷分析 | 第19-21页 |
| ·采集系统参数计算 | 第21-23页 |
| ·图像采集系统的搭建 | 第23-28页 |
| ·相机的选型 | 第23-25页 |
| ·镜头的选型 | 第25页 |
| ·光源的选型 | 第25-28页 |
| ·表面缺陷检测系统照明方案的设计 | 第28-34页 |
| ·常见照明方案分析 | 第29-32页 |
| ·系统照明方案的确定 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 缺陷图像预处理与边缘检测 | 第35-54页 |
| ·图像预处理 | 第35-45页 |
| ·剔除转子两端白色竖条状区域 | 第36-38页 |
| ·图像滤波处理 | 第38-45页 |
| ·缺陷边缘检测 | 第45-50页 |
| ·引言 | 第45页 |
| ·基于多尺度边缘检测的算法研究 | 第45-50页 |
| ·基于数学形态学的边缘细化 | 第50-53页 |
| ·数学形态学基本概念和运算 | 第51-52页 |
| ·形态学细化运算及应用 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 缺陷特征提取与识别 | 第54-75页 |
| ·缺陷区域的跟踪 | 第54-55页 |
| ·缺陷特征提取与降维 | 第55-61页 |
| ·形态特征提取 | 第56-58页 |
| ·灰度特征提取 | 第58-59页 |
| ·投影特征提取 | 第59-61页 |
| ·缺陷特征数据降维分析 | 第61-66页 |
| ·基于主成分分析法的数据降维 | 第61-63页 |
| ·PCA算法的应用 | 第63-66页 |
| ·缺陷识别算法分析 | 第66-74页 |
| ·引言 | 第66-67页 |
| ·基于支持向量机算法识别分析 | 第67-69页 |
| ·缺陷识别多分类问题 | 第69-71页 |
| ·本文识别模型的选择 | 第71-72页 |
| ·参数的确定 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 磁铁转子表面缺陷检测方法的实现 | 第75-81页 |
| ·系统开发环境 | 第75-77页 |
| ·软件平台的实现 | 第77-78页 |
| ·实验分析 | 第78-79页 |
| ·本章小结 | 第79-81页 |
| 第六章 总结与展望 | 第81-83页 |
| ·全文总结 | 第81页 |
| ·工作展望 | 第81-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-87页 |
