基于机器视觉的湿法薄毡产品质量检测研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 表面缺陷检测研究现状 | 第10-14页 |
| 1.2.1 结构分析法 | 第11页 |
| 1.2.2 统计分析法 | 第11-12页 |
| 1.2.3 频谱分析法 | 第12页 |
| 1.2.4 模型分析法 | 第12-13页 |
| 1.2.5 机器学习法 | 第13-14页 |
| 1.3 存在的问题及发展趋势 | 第14-15页 |
| 1.4 论文介绍 | 第15-17页 |
| 1.4.1 总体工作 | 第15页 |
| 1.4.2 文章结构 | 第15-17页 |
| 第2章 基于迭代Otsu算法的缺陷检测 | 第17-33页 |
| 2.1 湿法薄毡瑕疵种类分析 | 第17-19页 |
| 2.2 图像预处理 | 第19-27页 |
| 2.2.1 平滑滤波 | 第19-22页 |
| 2.2.2 形态学处理 | 第22-23页 |
| 2.2.3 缺陷增强 | 第23-27页 |
| 2.3 基于改进的迭代Otsu的缺陷检测 | 第27-30页 |
| 2.3.1 Otsu算法缺陷分析 | 第27-28页 |
| 2.3.2 自动迭代Otsu算法 | 第28-30页 |
| 2.4 实验结果及分析 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于半监督SVM的缺陷分类 | 第33-48页 |
| 3.1 问题分析 | 第33页 |
| 3.2 缺陷图像特征数据构建 | 第33-38页 |
| 3.2.1 提取缺陷图像HOG特征 | 第34-35页 |
| 3.2.2 提取缺陷图像LBP特征 | 第35-37页 |
| 3.2.3 构建缺陷图像融合特征 | 第37-38页 |
| 3.3 半监督分类器构建 | 第38-41页 |
| 3.3.1 多分类方案设计 | 第38页 |
| 3.3.2 分类器模型设计 | 第38-41页 |
| 3.4 实验结果及分析 | 第41-47页 |
| 3.4.1 实验数据与指标 | 第41-43页 |
| 3.4.2 结果分析 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于差分灰狼算子的S3VM缺陷分类优化 | 第48-61页 |
| 4.1 差分灰狼优化算子 | 第48-53页 |
| 4.1.1 灰狼优化算子缺陷分析 | 第48-50页 |
| 4.1.2 差分进化算法缺陷分析 | 第50-52页 |
| 4.1.3 差分灰狼优化算子 | 第52-53页 |
| 4.2 差分灰狼优化QN-S3VM | 第53-55页 |
| 4.3 实验结果及分析 | 第55-60页 |
| 4.3.1 实验设计 | 第55页 |
| 4.3.2 结果分析 | 第55-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 全文总结 | 第61-62页 |
| 5.2 未来展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读学位期间获得与学位论文相关的科研成果 | 第69页 |
