绝缘子芯棒缺陷在线视觉检测系统研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 绝缘子芯棒传统检测方法回顾 | 第10页 |
| 1.2.2 基于机器视觉的缺陷检测系统发展现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12页 |
| 1.4 论文章节安排 | 第12-15页 |
| 第二章 绝缘子芯棒缺陷检测系统技术基础 | 第15-29页 |
| 2.1 绝缘子芯棒缺陷检测系统关键环节 | 第15-16页 |
| 2.2 缺陷目标提取 | 第16-21页 |
| 2.2.1 高斯模型原理 | 第16-17页 |
| 2.2.2 LBP基本原理 | 第17-19页 |
| 2.2.3 基于游程的标记算法 | 第19-21页 |
| 2.3 缺陷图像特征分析及分类 | 第21-29页 |
| 2.3.1 灰度特征 | 第21-22页 |
| 2.3.2 投影特征 | 第22页 |
| 2.3.3 纹理特征 | 第22页 |
| 2.3.4 特征选择 | 第22-23页 |
| 2.3.5 模式识别技术 | 第23-24页 |
| 2.3.6 基于支持向量机的模式分类 | 第24-29页 |
| 第三章 绝缘子芯棒缺陷图像提取算法研究 | 第29-45页 |
| 3.1 缺陷图像提取算法总体流程 | 第29-30页 |
| 3.2 基于LBP纹理模型的缺陷图像提取算法 | 第30-32页 |
| 3.2.1 模型初始化 | 第30-31页 |
| 3.2.2 在线检测与模型更新 | 第31-32页 |
| 3.2.3 图像分块原则 | 第32页 |
| 3.3 基于高斯模型的缺陷图像提取算法 | 第32-34页 |
| 3.3.1 模型初始化 | 第33页 |
| 3.3.2 在线检测与模型更新 | 第33-34页 |
| 3.4 标记缺陷区域 | 第34-35页 |
| 3.5 缺陷区域定位 | 第35-37页 |
| 3.6 降噪处理 | 第37-40页 |
| 3.7 缺陷区域合并 | 第40-42页 |
| 3.8 芯棒缺陷提取结果融合 | 第42-45页 |
| 第四章 绝缘子芯棒缺陷图像特征分析与分类 | 第45-55页 |
| 4.1 绝缘子芯棒特征提取 | 第45-49页 |
| 4.1.1 提取灰度特征 | 第45-47页 |
| 4.1.2 提取投影特征 | 第47-48页 |
| 4.1.3 提取纹理特征 | 第48-49页 |
| 4.2 基于主成分分析的特征选择 | 第49-51页 |
| 4.3 多类分类器的构造 | 第51-53页 |
| 4.4 分类器参数选择 | 第53-55页 |
| 第五章 绝缘子芯棒缺陷检测系统设计 | 第55-67页 |
| 5.1 系统需求分析 | 第55-57页 |
| 5.1.1 系统硬件需求分析 | 第55-57页 |
| 5.1.2 系统软件需求分析 | 第57页 |
| 5.2 系统硬件选择 | 第57-58页 |
| 5.3 系统软件设计 | 第58-59页 |
| 5.4 系统软件界面 | 第59-61页 |
| 5.5 关键技术实现 | 第61-67页 |
| 第六章 实验结果及分析 | 第67-73页 |
| 6.1 缺陷目标提取算法测试 | 第67-68页 |
| 6.2 特征提取与特征选择测试 | 第68-69页 |
| 6.3 缺陷分类测试 | 第69-73页 |
| 第七章 总结与展望 | 第73-75页 |
| 7.1 总结 | 第73-74页 |
| 7.2 不足与展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士期间发表的学术论文 | 第81页 |
