基于机器视觉的金属罐内壁缺陷检测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 论文研究背景与意义 | 第8-10页 |
| 1.2 论文研究内容 | 第10-11页 |
| 1.3 论文组织结构 | 第11-12页 |
| 2 机器视觉技术研究 | 第12-19页 |
| 2.1 机器视觉技术概述 | 第12-14页 |
| 2.1.1 机器视觉系统构成 | 第12页 |
| 2.1.2 机器视觉特点 | 第12-13页 |
| 2.1.3 机器视觉的优越性 | 第13-14页 |
| 2.2 基于机器视觉的国内外研究发展现状 | 第14-17页 |
| 2.2.1 机器视觉在国外的应用现状 | 第14页 |
| 2.2.2 机器视觉在国内的应用现状 | 第14-16页 |
| 2.2.3 机器视觉的应用 | 第16-17页 |
| 2.3 本章小结 | 第17-19页 |
| 3 金属罐内壁缺陷检测的总体结构设计 | 第19-29页 |
| 3.1 主要缺陷特征及产生原因 | 第19页 |
| 3.2 系统组成 | 第19-20页 |
| 3.3 基于机器视觉技术的金属罐内壁检测流程 | 第20-21页 |
| 3.4 系统环境设计 | 第21-26页 |
| 3.4.1 光源 | 第21-22页 |
| 3.4.2 摄像机 | 第22-24页 |
| 3.4.3 镜头选择 | 第24-25页 |
| 3.4.4 采集系统 | 第25-26页 |
| 3.5 软件设计环境及介绍 | 第26-28页 |
| 3.5.1 Visual Studio简介 | 第26-27页 |
| 3.5.2 OpenCV简介 | 第27-28页 |
| 3.6 本章小结 | 第28-29页 |
| 4 图像处理技术 | 第29-42页 |
| 4.1 图像预处理 | 第29-34页 |
| 4.1.1 灰度变换 | 第29-30页 |
| 4.1.2 边缘检测 | 第30-34页 |
| 4.1.3 图像分割 | 第34页 |
| 4.2 图像定位 | 第34-38页 |
| 4.2.1 边缘点提取方法 | 第34-35页 |
| 4.2.2 最小二乘圆拟合算法及平移匹配 | 第35-38页 |
| 4.3 极坐标及转换 | 第38-39页 |
| 4.4 霍夫直线检测 | 第39-40页 |
| 4.5 本章小结 | 第40-42页 |
| 5 金属罐内壁缺陷检测系统的设计与实现 | 第42-58页 |
| 5.1 检测范围的确定 | 第42-47页 |
| 5.1.1 罐口区域定位 | 第43-44页 |
| 5.1.2 焊缝区域定位 | 第44-46页 |
| 5.1.3 金属罐内壁区域定位 | 第46-47页 |
| 5.2 缺陷检测算法 | 第47-55页 |
| 5.2.1 罐口缺陷检测 | 第47-50页 |
| 5.2.2 金属罐内壁焊缝检测 | 第50-51页 |
| 5.2.3 金属罐内壁瑕疵的检测算法 | 第51-55页 |
| 5.3 实验结果 | 第55-58页 |
| 6 结论与展望 | 第58-60页 |
| 6.1 工作总结 | 第58页 |
| 6.2 工作展望 | 第58-60页 |
| 7 参考文献 | 第60-66页 |
| 8 攻读硕士学位期间论文发表情况 | 第66-67页 |
| 9 致谢 | 第67页 |
