基于机器视觉的电解阴极铜分拣系统的研发
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 课题研究背景 | 第11-15页 |
| 1.2 机器视觉的国内外研究现状 | 第15-17页 |
| 1.2.1 基于机器视觉检测系统的国外发展现状 | 第16页 |
| 1.2.2 基于机器视觉的检测系统的国内发展现状 | 第16-17页 |
| 1.3 数字图像处理技术发展的发展与现状 | 第17-19页 |
| 1.3.1 数字图像处理技术的发展 | 第17-18页 |
| 1.3.2 数字图像处理技术的优点 | 第18页 |
| 1.3.3 数字图像处理技术现状 | 第18-19页 |
| 1.4 课题研究意义 | 第19-20页 |
| 1.5 论文内容和结构编排 | 第20-21页 |
| 1.6 本章小结 | 第21-23页 |
| 第二章 电解阴极铜分拣系统总体结构方案设计 | 第23-39页 |
| 2.1 分拣系统总体方案设计 | 第23-25页 |
| 2.2 分拣系统总体结构布置方式 | 第25-27页 |
| 2.3 分拣机构的设计 | 第27-35页 |
| 2.3.1 机器人的选型 | 第27-29页 |
| 2.3.2 机械夹爪机构的设计 | 第29-35页 |
| 2.4 表面质量检测子系统的结构设计 | 第35-37页 |
| 2.5 本章小结 | 第37-39页 |
| 第三章 电解阴极铜表面质量自动检测子系统的设计 | 第39-49页 |
| 3.1 阴极铜表面质量检测子系统的设计 | 第39-40页 |
| 3.2 检测子系统中硬件的选择 | 第40-44页 |
| 3.2.1 工业相机 | 第40-42页 |
| 3.2.2 光源 | 第42-43页 |
| 3.2.3 USB网卡 | 第43-44页 |
| 3.3 软件的选择和介绍 | 第44-46页 |
| 3.3.1 Matlab软件介绍 | 第44-45页 |
| 3.3.2 OpenCV介绍 | 第45-46页 |
| 3.4 用户界面的设计 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 数字图像处理技术及算法研究 | 第49-71页 |
| 4.1 图像预处理 | 第49-54页 |
| 4.1.1 图像灰度化 | 第50-51页 |
| 4.1.2 图像平滑 | 第51-53页 |
| 4.1.3 边缘检测 | 第53-54页 |
| 4.2 双目测距技术理论和算法研究 | 第54-70页 |
| 4.2.1 双目测距原理介绍 | 第54-56页 |
| 4.2.2 双目相机标定 | 第56-63页 |
| 4.2.3 立体较正 | 第63-65页 |
| 4.2.4 立体匹配 | 第65-68页 |
| 4.2.5 数据计算 | 第68-70页 |
| 4.3 本章小结 | 第70-71页 |
| 第五章 表面质量检测子系统的实验验证 | 第71-99页 |
| 5.1 实验方案设计 | 第71-75页 |
| 5.1.1 实验器材 | 第71-73页 |
| 5.1.2 实验方案的设计 | 第73-75页 |
| 5.2 现场实验图像及数据采集 | 第75-90页 |
| 5.2.1 设备安装和调试 | 第75-80页 |
| 5.2.2 图像采集 | 第80-88页 |
| 5.2.3 数据测量 | 第88-90页 |
| 5.3 检测系统验证 | 第90-98页 |
| 5.3.1 图片预处理 | 第91-93页 |
| 5.3.2 相机标定 | 第93-94页 |
| 5.3.3 立体较正 | 第94页 |
| 5.3.4 立体匹配 | 第94-95页 |
| 5.3.5 数据计算 | 第95-96页 |
| 5.3.6 对比分析 | 第96-98页 |
| 5.4 本章小结 | 第98-99页 |
| 第六章 结论与展望 | 第99-101页 |
| 6.1 结论 | 第99页 |
| 6.2 展望 | 第99-101页 |
| 致谢 | 第101-103页 |
| 参考文献 | 第103-107页 |
| 附录 攻读硕士学位期间发表的论文和科研成果 | 第107页 |
