基于视觉伺服的珍珠颜色智能分拣系统研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-20页 |
| 1.1 研究目的与意义 | 第9页 |
| 1.2 基于机器视觉的珍珠自动分选系统的研究现状 | 第9-14页 |
| 1.3 视觉工业机器人分拣技术的研究与应用现状 | 第14-16页 |
| 1.4 珍珠颜色检测的难点和问题 | 第16-17页 |
| 1.5 本文研究的主要内容 | 第17-19页 |
| 1.5.1 实验室已有基础 | 第17-18页 |
| 1.5.2 本文的主要工作 | 第18页 |
| 1.5.3 论文章节安排 | 第18-19页 |
| 1.6 本章小结 | 第19-20页 |
| 2 系统基础部件的设计与试验 | 第20-31页 |
| 2.1 引言 | 第20页 |
| 2.2 密封环境搭建 | 第20-21页 |
| 2.2.1 非密封环境下的珍珠颜色变化试验 | 第20页 |
| 2.2.2 密封环境设计 | 第20-21页 |
| 2.3 照明模块 | 第21-25页 |
| 2.3.1 光照均匀性试验 | 第22-23页 |
| 2.3.2 光源位置试验 | 第23-25页 |
| 2.4 珍珠单颗控制上料机构设计与试验 | 第25-26页 |
| 2.4.1 单颗控制上料装置设计 | 第25-26页 |
| 2.4.2 珍珠单颗上料试验 | 第26页 |
| 2.5 图像获取装置的改进设计与试验 | 第26-29页 |
| 2.5.1 图像获取试验 | 第28页 |
| 2.5.2 图像处理试验 | 第28-29页 |
| 2.5.3 颜色均匀性检测试验 | 第29页 |
| 2.6 本章小结 | 第29-31页 |
| 3 珍珠目标提取 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 图像去噪 | 第31-33页 |
| 3.2.1 滤波试验 | 第31-32页 |
| 3.2.2 连通区域操作 | 第32-33页 |
| 3.3 图像分割的试验研究 | 第33-39页 |
| 3.3.1 阈值分割法 | 第33-35页 |
| 3.3.2 阈值结合 K-means 分割算法 | 第35-36页 |
| 3.3.3 基于分类的图像分割方法 | 第36-39页 |
| 3.4 珍珠目标提取 | 第39-42页 |
| 3.4.1 目标提取 | 第39-41页 |
| 3.4.2 反光区域掩模 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 珍珠颜色识别方法试验 | 第43-66页 |
| 4.1 引言 | 第43页 |
| 4.2 珍珠颜色分类依据 | 第43-45页 |
| 4.3 基于图像检索的珍珠颜色分类 | 第45-55页 |
| 4.3.1 颜色特征提取 | 第45-49页 |
| 4.3.2 基于信息熵的权重计算 | 第49-53页 |
| 4.3.3 直方图相似度量 | 第53-54页 |
| 4.3.4 珍珠颜色识别算法 | 第54-55页 |
| 4.3.5 识别结果分析 | 第55页 |
| 4.4 基于GA-SVM的珍珠颜色分类 | 第55-65页 |
| 4.4.1 颜色特征提取 | 第56-58页 |
| 4.4.2 SVM分类器 | 第58-60页 |
| 4.4.3 GA-SVM分类器的构建 | 第60页 |
| 4.4.4 试验与结果分析 | 第60-65页 |
| 4.5 本章小结 | 第65-66页 |
| 5 基于视觉伺服的珍珠分拣的实现 | 第66-76页 |
| 5.1 引言 | 第66页 |
| 5.2 视觉系统及机器人系统简介 | 第66-67页 |
| 5.2.1 视觉系统 | 第66页 |
| 5.2.2 机器人坐标系 | 第66-67页 |
| 5.3 相机标定 | 第67-72页 |
| 5.3.1 标定原理 | 第67-68页 |
| 5.3.2 标定模型 | 第68-69页 |
| 5.3.3 标定试验 | 第69-72页 |
| 5.4 坐标系转换计算 | 第72-74页 |
| 5.5 手眼标定 | 第74页 |
| 5.6 分拣路径规划 | 第74-75页 |
| 5.7 本章小结 | 第75-76页 |
| 6 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 个人简介 | 第84-85页 |
| 致谢 | 第85页 |
