基于机器视觉的玻璃边部磨削缺陷检测的研究与应用
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第10-21页 |
| 1.1 引言 | 第10-11页 |
| 1.2 机器视觉技术概述 | 第11-16页 |
| 1.2.1 机器视觉背景介绍 | 第11页 |
| 1.2.2 机器视觉研究现状与应用 | 第11-12页 |
| 1.2.3 机器视觉系统概述 | 第12-16页 |
| 1.3 平板玻璃边部加工技术研究 | 第16-20页 |
| 1.3.1 玻璃磨边加工技术概述 | 第16-17页 |
| 1.3.2 磨削缺陷分类 | 第17-19页 |
| 1.3.3 玻璃缺陷检测技术现状 | 第19-20页 |
| 1.4 本课题研究目的及主要内容 | 第20页 |
| 1.5 本章小结 | 第20-21页 |
| 2 玻璃磨边缺陷的研究 | 第21-30页 |
| 2.1 玻璃磨边加工过程研究 | 第21-26页 |
| 2.1.1 加工设备 | 第21-22页 |
| 2.1.2 加工过程研究 | 第22-23页 |
| 2.1.3 玻璃边部磨削受力分析 | 第23-26页 |
| 2.2 玻璃磨边缺陷的形成机理研究 | 第26-29页 |
| 2.2.1 亮斑的特点及成因分析 | 第26-27页 |
| 2.2.2 爆边的特点及成因分析 | 第27-28页 |
| 2.2.3 白线的特点及成因分析 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 机器视觉在缺陷检测中的基本理论 | 第30-44页 |
| 3.1 图像采集 | 第30-32页 |
| 3.1.1 感光芯片 | 第30-31页 |
| 3.1.2 感光相机的预设参数 | 第31-32页 |
| 3.2 图像处理 | 第32-43页 |
| 3.2.1 预处理 | 第32-34页 |
| 3.2.2 图像分割 | 第34-35页 |
| 3.2.3 数学形态学 | 第35-38页 |
| 3.2.4 边缘检测 | 第38-42页 |
| 3.2.5 图像文件格式 | 第42-43页 |
| 3.3 结构化图像数据存储 | 第43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 机器视觉检测实验系统设计 | 第44-80页 |
| 4.1 系统总体架构设计 | 第44-46页 |
| 4.2 光源的设计 | 第46-47页 |
| 4.3 缺陷识别算法设计 | 第47-66页 |
| 4.3.1 亮斑的识别算法设计 | 第47-51页 |
| 4.3.2 爆边的识别算法设计 | 第51-56页 |
| 4.3.3 白线的识别算法设计 | 第56-66页 |
| 4.4 硬件的选取 | 第66-67页 |
| 4.5 软件设计 | 第67-75页 |
| 4.5.0 软件系统的数据流程 | 第67-68页 |
| 4.5.1 用例设计 | 第68-71页 |
| 4.5.2 内部结构调用设计 | 第71-73页 |
| 4.5.3 对象交互过程 | 第73-75页 |
| 4.6 系统的开发成果及检测效果 | 第75-78页 |
| 4.7 本章小结 | 第78-80页 |
| 5 结果数据分析和系统评价 | 第80-90页 |
| 5.1 系统的功能评价 | 第80-87页 |
| 5.1.1 缺陷检测能力 | 第80-86页 |
| 5.1.2 统计分析功能 | 第86-87页 |
| 5.2 系统的性能评价 | 第87-89页 |
| 5.2.1 图像传输速率的优化 | 第87-88页 |
| 5.2.2 系统的执行效率评价 | 第88-89页 |
| 5.3 本章小结 | 第89-90页 |
| 6 总结与展望 | 第90-92页 |
| 6.1 总结 | 第90-91页 |
| 6.2 展望 | 第91-92页 |
| 参考文献 | 第92-98页 |
| 攻读硕士学位期间已发表的学术论文目录 | 第98-99页 |
