首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

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

论文共63页,点击 下载论文
上一篇:虹膜图像采集技术及应用
下一篇:四目立体测量中的关键技术研究