基于机器视觉的杂物识别的关键技术研究与应用
摘要 | 第1-5页 |
Abstract | 第5-11页 |
第一章 绪论 | 第11-16页 |
·研究背景及意义 | 第11-12页 |
·国内外研究现状 | 第12-15页 |
·异物检测的方法 | 第12-13页 |
·烟草异物检测剔除系统现状 | 第13-15页 |
·本课题的主要内容 | 第15页 |
·本章小结 | 第15-16页 |
第二章 异物剔除系统总体方案 | 第16-30页 |
·机器视觉系统 | 第16-19页 |
·机器视觉系统构成 | 第16-17页 |
·机器视觉系统的应用 | 第17-19页 |
·机器视觉系统的应用前景 | 第19页 |
·异物剔除系统整体方案 | 第19-24页 |
·系统组成 | 第20-21页 |
·系统工艺流程 | 第21-22页 |
·系统工作原理 | 第22-23页 |
·系统控制结构 | 第23-24页 |
·现场使用情况 | 第24页 |
·现有的软件方案 | 第24-28页 |
·RGB 颜色空间 | 第24-25页 |
·现有的颜色算法 | 第25-26页 |
·色度图 | 第26-27页 |
·基于色度图对现有算法的分析评价 | 第27-28页 |
·对现有系统的评价和总结 | 第28-29页 |
·本章小结 | 第29-30页 |
第三章 系统软件部分算法研究 | 第30-46页 |
·基于支持向量机的异物检测算法概述 | 第30-31页 |
·Laws 预分类 | 第31-34页 |
·Laws 滤波 | 第31-32页 |
·Laws 预分类 | 第32-34页 |
·纹理分析 | 第34-38页 |
·纹理 | 第34-35页 |
·纹理分析的方法 | 第35-36页 |
·傅里叶频谱 | 第36页 |
·采用频谱法的课题分析 | 第36-38页 |
·机器学习与分类 | 第38-44页 |
·机器学习 | 第38页 |
·机器学习系统 | 第38-39页 |
·机器学习方法分类 | 第39-40页 |
·支持向量机 | 第40-41页 |
·课题基于支持向量机的学习 | 第41-43页 |
·课题基于支持向量机的分类 | 第43-44页 |
·算法仿真测试结果与分析 | 第44-45页 |
·本章小结 | 第45-46页 |
第四章 系统硬件设计研究 | 第46-51页 |
·实时性要求 | 第46-47页 |
·现场的实时性要求 | 第46页 |
·算法的实时性验证 | 第46页 |
·选择处理速度更高的平台 | 第46-47页 |
·基于 DSP 的改进 | 第47-49页 |
·DSP | 第47-48页 |
·选择合适的 DSP 处理卡 | 第48-49页 |
·算法的改进 | 第49页 |
·改进的中央处理结构 | 第49-50页 |
·在现有系统上实现测试平台 | 第50页 |
·本章小结 | 第50-51页 |
第五章 现场测试 | 第51-57页 |
·检验方法 | 第51-52页 |
·测试过程 | 第52-55页 |
·算法的训练 | 第52-54页 |
·算法的测试 | 第54-55页 |
·测试结果与分析 | 第55-56页 |
·本章小结 | 第56-57页 |
第六章 总结与展望 | 第57-59页 |
·本文总结 | 第57页 |
·课题展望 | 第57-59页 |
参考文献 | 第59-62页 |
致谢 | 第62-63页 |
在校期间发表的学术论文及科研项目 | 第63页 |