基于机器视觉的快速铣刀磨损状态识别研究
摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第17-24页 |
1.1 课题的研究背景 | 第17页 |
1.2 课题研究的目的及意义 | 第17-18页 |
1.3 刀具磨损检测技术概述 | 第18-19页 |
1.4 基于机器视觉的刀具磨损状态识别技术 | 第19-22页 |
1.4.1 机器视觉的概述 | 第19-21页 |
1.4.2 基于机器视觉的刀具状态识别方法 | 第21页 |
1.4.3 基于机器视觉的刀具状态识别技术发展 | 第21-22页 |
1.5 本文研究内容及论文安排 | 第22-24页 |
1.5.1 课题来源 | 第22页 |
1.5.2 主要研究内容 | 第22-23页 |
1.5.3 论文结构安排 | 第23-24页 |
第二章 铣刀磨损状态识别 | 第24-33页 |
2.1 引言 | 第24页 |
2.2 一般刀具的磨损特征及过程分析 | 第24-27页 |
2.2.1 一般刀具的磨损形式及特点 | 第24-25页 |
2.2.2 一般刀具的磨损原因及过程 | 第25-27页 |
2.3 刀具的磨损测量 | 第27-29页 |
2.4 快速铣刀的磨损特点及磨钝标准 | 第29-32页 |
2.4.1 快速铣刀的磨损特点 | 第29-30页 |
2.4.2 快速铣刀的磨钝标准 | 第30-32页 |
2.5 本章小结 | 第32-33页 |
第三章 基于机器视觉的铣刀检测系统的硬件组成 | 第33-48页 |
3.1 概述 | 第33-34页 |
3.2 照明光源的关键技术 | 第34-38页 |
3.2.1 照明光源的作用及类型 | 第34-35页 |
3.2.2 光源的照明方式 | 第35-36页 |
3.2.3 照明光源的配置 | 第36-38页 |
3.3 工业相机的关键技术 | 第38-40页 |
3.3.1 图像传感器的比较 | 第38页 |
3.3.2 工业相机的配置及选型论证 | 第38-40页 |
3.4 工业镜头的关键技术 | 第40-43页 |
3.4.1 工业镜头的类型及技术指标 | 第40-43页 |
3.4.2 工业镜头的配置 | 第43页 |
3.5 工业相机与光源的安装固定 | 第43-44页 |
3.6 铣刀夹持设备的设计 | 第44-47页 |
3.6.1 铣刀夹具的设计 | 第45-46页 |
3.6.2 运动控制平台的设计 | 第46-47页 |
3.7 本章小结 | 第47-48页 |
第四章 铣刀磨损图像预处理方法 | 第48-59页 |
4.1 概述 | 第48页 |
4.2 图像预处理 | 第48-54页 |
4.2.1 图像灰度化处理 | 第48-50页 |
4.2.2 图像去噪处理 | 第50-52页 |
4.2.3 图像边缘检测算子 | 第52-54页 |
4.3 图像预处理实验对比分析 | 第54-58页 |
4.3.1 铣刀图像去噪处理实验 | 第54-56页 |
4.3.2 铣刀图像分割实验 | 第56页 |
4.3.3 边缘检测对比实验 | 第56-58页 |
4.4 本章小结 | 第58-59页 |
第五章 铣刀缺陷检测识别与软件开发 | 第59-75页 |
5.1 概述 | 第59页 |
5.2 图像坐标定位 | 第59-65页 |
5.2.1 铣刀图像中心定位 | 第60-62页 |
5.2.2 铣刀图像周向定位 | 第62-65页 |
5.3 切刃局部图像提取及磨损量计算 | 第65-70页 |
5.3.1 切刃图像的提取 | 第65-66页 |
5.3.2 磨损量的计算 | 第66-70页 |
5.4 检测软件仿真设计 | 第70-74页 |
5.4.1 软件结构设计 | 第70-72页 |
5.4.2 软件界面设计 | 第72-74页 |
5.5 本章小结 | 第74-75页 |
第六章 快速铣刀磨损状态识别实验验证 | 第75-84页 |
6.1 概述 | 第75页 |
6.2 实验方案设计 | 第75-80页 |
6.2.1 系统工作环境 | 第75-76页 |
6.2.2 实验平台 | 第76-78页 |
6.2.3 实验设计 | 第78-80页 |
6.3 实验结果及分析 | 第80-83页 |
6.3.1 实验结果 | 第80-82页 |
6.3.2 实验分析 | 第82-83页 |
6.4 本章小结 | 第83-84页 |
第七章 结论与展望 | 第84-86页 |
7.1 结论 | 第84-85页 |
7.2 展望 | 第85-86页 |
参考文献 | 第86-90页 |
攻读学位期间所取得的相关科研成果 | 第90-92页 |
致谢 | 第92页 |