| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-24页 |
| 1.1 辊道电机节能控制问题 | 第12-16页 |
| 1.1.1 课题研究背景及意义 | 第12-13页 |
| 1.1.2 辊道电机控制及其研究应用现状 | 第13-15页 |
| 1.1.3 辊道电机控制的主要问题 | 第15页 |
| 1.1.4 辊道电机控制解决方案 | 第15-16页 |
| 1.2 机器视觉及机器视觉检测技术 | 第16-21页 |
| 1.2.1 机器视觉的概念及机器视觉理论发展历程 | 第16-17页 |
| 1.2.2 机器视觉检测技术及在工业检测中的应用 | 第17-19页 |
| 1.2.3 分布式机器视觉的研究现状 | 第19-20页 |
| 1.2.4 机器视觉在轧钢生产线应用 | 第20-21页 |
| 1.3 研究的关键技术及论文结构 | 第21-24页 |
| 1.3.1 研究的主要内容及技术难点 | 第21-22页 |
| 1.3.2 论文结构 | 第22-24页 |
| 2 分布式视觉跟踪检测系统研究 | 第24-36页 |
| 2.1 嵌入式分布视觉检测系统研究的问题 | 第24-25页 |
| 2.2 分布式机器视觉检测系统的总体设计 | 第25-26页 |
| 2.3 嵌入式智能视觉检测节点设计 | 第26-30页 |
| 2.3.1 嵌入式视觉检测模块研究内容 | 第26-27页 |
| 2.3.2 嵌入式智能视觉检测节点硬件系统 | 第27-29页 |
| 2.3.3 嵌入式智能视觉检测节点软件流程 | 第29-30页 |
| 2.4 服务器功能及软件流程 | 第30-31页 |
| 2.5 分布式机器视觉在线检测的实时性分析 | 第31-33页 |
| 2.6 分布式机器视觉的同步 | 第33-36页 |
| 2.6.1 硬件同步 | 第33-35页 |
| 2.6.2 软件同步 | 第35-36页 |
| 3 图像处理快速算法研究 | 第36-64页 |
| 3.1 图像处理算法流程分析 | 第36-37页 |
| 3.2 图像脉冲噪声的快速滤波算法 | 第37-41页 |
| 3.2.1 中值滤波 | 第38-39页 |
| 3.2.2 快速滤波算法 | 第39-41页 |
| 3.3 图像灰度拉伸 | 第41-42页 |
| 3.3.1 灰度修改技术 | 第41页 |
| 3.3.2 灰度变换 | 第41-42页 |
| 3.4 基于灰度阈值法的快速图像二值化 | 第42-48页 |
| 3.4.1 图像分割的定义 | 第42-43页 |
| 3.4.2 灰度阈值法 | 第43-44页 |
| 3.4.3 常用阈值选取方法 | 第44-45页 |
| 3.4.4 一种新的快速阈值选取算法 | 第45-48页 |
| 3.5 基于数学形态学的图像分割快速算法 | 第48-55页 |
| 3.5.1 数学形态学基础 | 第48-50页 |
| 3.5.2 二值形态学腐蚀膨胀运算快速算法 | 第50-55页 |
| 3.6 特征点提取快速算法 | 第55-64页 |
| 3.6.1 Freeman链码 | 第55-57页 |
| 3.6.2 获得Freeman链码的快速算法 | 第57-59页 |
| 3.6.3 图像角点定义及角点检测算法 | 第59-60页 |
| 3.6.4 基于Freeman链码的快速角点检测法 | 第60-64页 |
| 4 分布式视觉跟踪系统CAN通信协议研究 | 第64-79页 |
| 4.1 引言 | 第64-65页 |
| 4.2 CAN现场总线及其应用 | 第65-70页 |
| 4.2.1 CAN现场总线简介 | 第65-66页 |
| 4.2.2 CAN总线协议 | 第66-67页 |
| 4.2.3 CAN通信实时性分析 | 第67-70页 |
| 4.3 分布式机器视觉网络的数据传输特性 | 第70-71页 |
| 4.4 分布式机器视觉网络时间触发CAN调度算法设计 | 第71-75页 |
| 4.4.1 基本周期结构 | 第71-72页 |
| 4.4.2 系统各部分信息处理流程 | 第72-73页 |
| 4.4.3 改进的动态调度方法 | 第73-75页 |
| 4.5 CAN标识符分配 | 第75-76页 |
| 4.6 冗余双总线设计 | 第76-77页 |
| 4.7 CAN通信测试 | 第77-79页 |
| 5 基于分布式视觉反馈的辊道电机控制系统 | 第79-89页 |
| 5.1 中厚板轧制控制技术概述 | 第79-82页 |
| 5.1.1 中厚板生产线工艺流程 | 第79-80页 |
| 5.1.2 中厚板轧制控制技术 | 第80-81页 |
| 5.1.3 轧件跟踪系统及其研究应用现状 | 第81-82页 |
| 5.2 辊道电机控制系统的硬件设计 | 第82-84页 |
| 5.2.1 图像采集方案 | 第83页 |
| 5.2.2 系统通信网络 | 第83-84页 |
| 5.2.3 服务器 | 第84页 |
| 5.3 基于快速图像处理的轧件检测算法 | 第84-87页 |
| 5.3.1 预处理 | 第85页 |
| 5.3.2 图像二值化与图像分割 | 第85-86页 |
| 5.3.3 图像特征点提取 | 第86-87页 |
| 5.4 服务器软件设计及界面 | 第87-89页 |
| 5.4.1 服务器对轧件信息的处理 | 第87-88页 |
| 5.4.2 CAN通信调度 | 第88页 |
| 5.4.3 服务器其它功能 | 第88-89页 |
| 6 全文总结与展望 | 第89-91页 |
| 6.1 全文总结 | 第89页 |
| 6.2 研究展望 | 第89-91页 |
| 参考文献 | 第91-99页 |
| 致谢 | 第99-100页 |
| 作者攻博期间完成的论文及科研工作 | 第100页 |