啤酒空瓶检测机器人的瓶身缺陷检测算法研究及应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-27页 |
| 1.1 论文研究背景和意义 | 第14-20页 |
| 1.1.1 工业4.0与智能制造 | 第14-17页 |
| 1.1.2 工业4.0中的饮料智能制造生产线 | 第17-20页 |
| 1.2 国内外研究现状及发展趋势 | 第20-25页 |
| 1.2.1 国外研究现状 | 第20-23页 |
| 1.2.2 国内研究现状 | 第23-25页 |
| 1.3 空瓶检测机器人瓶身检测难点 | 第25-26页 |
| 1.4 论文研究内容和结构安排 | 第26-27页 |
| 第2章 啤酒空瓶检测机器人瓶身缺陷检测方案设计 | 第27-34页 |
| 2.1 啤酒空瓶检测机器人系统平台介绍 | 第27-30页 |
| 2.1.1 系统总体介绍 | 第27-29页 |
| 2.1.2 系统功能介绍 | 第29-30页 |
| 2.2 啤酒空瓶瓶身图像缺陷检测系统功能需求分析 | 第30-33页 |
| 2.2.1 成像方案 | 第30-32页 |
| 2.2.2 工业相机和光源选型 | 第32-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 空瓶检测机器人瓶身定位算法 | 第34-43页 |
| 3.1 边缘点重心法 | 第35-39页 |
| 3.1.1 边缘点检测 | 第35-37页 |
| 3.1.2 边缘点重心求取 | 第37-39页 |
| 3.2 灰度投影极值点法 | 第39-42页 |
| 3.3 定位实验结果与分析 | 第42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 啤酒空瓶瓶身缺陷检测算法 | 第43-71页 |
| 4.1 确定瓶身模型 | 第43-44页 |
| 4.2 图像预处理 | 第44-46页 |
| 4.3 整体检测 | 第46-49页 |
| 4.3.1 基于阈值分割的检测方法 | 第46-47页 |
| 4.3.2 基于边缘的检测方法 | 第47-49页 |
| 4.4 分区域检测 | 第49-70页 |
| 4.4.1 区域划分 | 第49-51页 |
| 4.4.2 光滑区域的检测方法 | 第51-58页 |
| 4.4.3 耐磨带区域的检测方法 | 第58-60页 |
| 4.4.4 LOGO区域的检测方法 | 第60-68页 |
| 4.4.5 整瓶实验结果 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 结论与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录 A 攻读学位期间所获论文和专利 | 第77-78页 |
| 附录 B 攻读学位期间所参加的科研项目 | 第78-79页 |
| 致谢 | 第79页 |
