基于机器视觉齿轮微观缺陷检测技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 机器视觉概述 | 第13-15页 |
| 1.3 机器视觉技术及应用 | 第15页 |
| 1.4 国内外相关的研究概况 | 第15-19页 |
| 1.4.1 齿轮测量技术的发展概况 | 第15-16页 |
| 1.4.2 机器视觉检测技术研究概况 | 第16-18页 |
| 1.4.3 缺陷检测手段及对比分析 | 第18-19页 |
| 1.5 论文主要研究内容 | 第19-24页 |
| 1.5.1 课题来源、目的 | 第19-20页 |
| 1.5.2 课题研究意义 | 第20页 |
| 1.5.3 齿轮制品常见缺陷类型 | 第20-22页 |
| 1.5.4 齿轮检测关键技术 | 第22页 |
| 1.5.5 论文结构 | 第22-24页 |
| 第二章 齿轮缺陷检测系统软硬件组成 | 第24-38页 |
| 2.1 系统硬件组成 | 第24-32页 |
| 2.1.1 光源 | 第24-28页 |
| 2.1.2 工业镜头 | 第28-29页 |
| 2.1.3 工业相机 | 第29页 |
| 2.1.4 相机的固定 | 第29-31页 |
| 2.1.5 工控机 | 第31-32页 |
| 2.1.6 图像采集 | 第32页 |
| 2.2 系统软件环境 | 第32-34页 |
| 2.3 检测系统总体结构 | 第34-36页 |
| 2.4 图像的分割 | 第36页 |
| 2.5 缺陷识别 | 第36-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 齿轮缺陷图像的预处理 | 第38-50页 |
| 3.1 彩色格式转换 | 第38-39页 |
| 3.2 齿轮制品图像的增强 | 第39-49页 |
| 3.2.1 线性变换 | 第39-40页 |
| 3.2.2 分段的线性灰度变换 | 第40页 |
| 3.2.3 直方图均衡化 | 第40-41页 |
| 3.2.4 齿轮图像的增强实验结果对比分析 | 第41-44页 |
| 3.2.5 齿轮图像的去噪处理 | 第44-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第四章 图像分割 | 第50-62页 |
| 4.1 阈值分割方法 | 第51页 |
| 4.2 基于边缘的分割方法 | 第51-55页 |
| 4.2.1 Roberts边缘算子 | 第52页 |
| 4.2.2 Sobel边缘算子 | 第52-53页 |
| 4.2.3 Prewitt边缘算子 | 第53页 |
| 4.2.4 LOG滤波器 | 第53-54页 |
| 4.2.5 Canny算子 | 第54-55页 |
| 4.3 齿轮图像分割实验结果对比分析 | 第55-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 齿轮缺陷的检测与识别 | 第62-74页 |
| 5.1 齿轮在图像中的定位 | 第62页 |
| 5.2 齿轮表面缺陷干扰的排除 | 第62-63页 |
| 5.2.1 局部填充 | 第62-63页 |
| 5.3 缺陷检测试验 | 第63-68页 |
| 5.3.1 齿轮表面缺陷检测识别算法 | 第65页 |
| 5.3.2 传统LOG算子缺陷识别算法 | 第65-66页 |
| 5.3.3 改进的齿轮表面缺陷检测识别算法 | 第66-68页 |
| 5.3.4 改进的检测识别算法流程 | 第68页 |
| 5.4 图像匹配 | 第68-69页 |
| 5.5 轮廓 | 第69-72页 |
| 5.5.1 轮廓的特性 | 第69-70页 |
| 5.5.2 轮廓的矩 | 第70-71页 |
| 5.5.3 轮廓的匹配 | 第71-72页 |
| 5.5.4 轮廓树 | 第72页 |
| 5.6 本章小结 | 第72-74页 |
| 第六章 齿轮表面缺陷的识别实验及缺陷分析 | 第74-80页 |
| 6.1 齿轮常见缺陷的识别 | 第74-79页 |
| 6.2 齿轮缺陷检测实验误差原因分析 | 第79页 |
| 6.3 本章小结 | 第79-80页 |
| 第七章 总结与展望 | 第80-82页 |
| 致谢 | 第82-84页 |
| 参考文献 | 第84-87页 |
