基于机器视觉的机床火灾自动报警技术研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的目的及意义 | 第11页 |
| 1.2 传统的火焰检测技术 | 第11-12页 |
| 1.3 国内外研究现状及发展趋势 | 第12-15页 |
| 1.4 研究目标及研究内容 | 第15-16页 |
| 1.4.1 研究目标 | 第15页 |
| 1.4.2 研究内容 | 第15-16页 |
| 1.5 本文主要内容安排 | 第16-17页 |
| 第2章 机器视觉采集系统与图像预处理 | 第17-29页 |
| 2.1 机器视觉检测系统的整体布局 | 第17-18页 |
| 2.2 视频采集系统 | 第18-20页 |
| 2.2.1 传感器芯片性能比较 | 第18-19页 |
| 2.2.2 镜头分类 | 第19-20页 |
| 2.3 图像预处理算法 | 第20-26页 |
| 2.3.1 图像滤波 | 第20-22页 |
| 2.3.2 图像形态学处理 | 第22-26页 |
| 2.4 图像增强 | 第26-28页 |
| 2.5 本章小节 | 第28-29页 |
| 第3章 运动目标检测 | 第29-39页 |
| 3.1 颜色检测 | 第29-31页 |
| 3.2 移动物体检测 | 第31-37页 |
| 3.2.1 背景减除介绍 | 第31页 |
| 3.2.2 高斯背景减除 | 第31-35页 |
| 3.2.3 差分法 | 第35-36页 |
| 3.2.4 光流分析 | 第36-37页 |
| 3.3 红外光谱火焰检测 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 火焰特征与识别 | 第39-57页 |
| 4.1 火焰特征描述 | 第39-40页 |
| 4.2 火焰特征融合 | 第40-41页 |
| 4.3 支持向量机 | 第41-53页 |
| 4.3.1 支持向量机概述 | 第41-42页 |
| 4.3.2 线性可分支持向量机 | 第42-51页 |
| 4.3.3 线性不可分支持向量机 | 第51-53页 |
| 4.4 多特征融合的火焰图像检测算法 | 第53-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第5章 机床火灾探测系统的提出与实现 | 第57-67页 |
| 5.1 火灾探测系统的架构 | 第57-58页 |
| 5.2 软件系统 | 第58-62页 |
| 5.3 硬件系统 | 第62-64页 |
| 5.4 性能测试 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 结论 | 第67-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第73-74页 |
| 致谢 | 第74-75页 |
