基于机器视觉的玻璃缺陷在线检测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 玻璃缺陷检测技术国内外研究现状 | 第9-11页 |
| 1.2.2 机器视觉国内外研究现状 | 第11-12页 |
| 1.3 论文主要研究内容 | 第12-14页 |
| 2 基于机器视觉的玻璃缺陷在线检测系统设计 | 第14-24页 |
| 2.1 玻璃缺陷检测原理 | 第14-15页 |
| 2.2 玻璃缺陷检测系统总体方案 | 第15-16页 |
| 2.3 玻璃缺陷检测系统硬件设计 | 第16-23页 |
| 2.3.1 图像采集设备选型 | 第16-20页 |
| 2.3.2 照明装置选型 | 第20-23页 |
| 2.4 玻璃缺陷检测系统软件平台 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 玻璃缺陷图像预处理算法研究 | 第24-40页 |
| 3.1 算法流程 | 第24页 |
| 3.2 气泡/污点缺陷预处理算法 | 第24-33页 |
| 3.2.1 滤波降噪算法 | 第24-29页 |
| 3.2.2 边缘检测算法 | 第29-33页 |
| 3.3 划痕缺陷预处理算法 | 第33-37页 |
| 3.3.1 不均匀光照问题 | 第33-34页 |
| 3.3.2 阈值分割 | 第34-37页 |
| 3.4 玻筋缺陷预处理算法 | 第37-39页 |
| 3.4.1 差影运算 | 第37-38页 |
| 3.4.2 阈值分割 | 第38页 |
| 3.4.3 形态学闭运算 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 玻璃缺陷特征提取和分类 | 第40-52页 |
| 4.1 特征提取 | 第40-47页 |
| 4.1.1 轮廓提取 | 第40-41页 |
| 4.1.2 轮廓筛选 | 第41-42页 |
| 4.1.3 特征选择 | 第42-47页 |
| 4.2 识别分类 | 第47-48页 |
| 4.3 缺陷定位和标记 | 第48-50页 |
| 4.4 本章小结 | 第50-52页 |
| 5 玻璃缺陷检测系统实验 | 第52-64页 |
| 5.1 实验平台搭建 | 第52页 |
| 5.2 系统标定 | 第52-54页 |
| 5.3 系统验证 | 第54-56页 |
| 5.4 玻璃缺陷检测实验 | 第56-57页 |
| 5.5 上位机程序设计 | 第57-63页 |
| 5.5.1 动态链接库的配置 | 第57-58页 |
| 5.5.2 C#上位机软件设计 | 第58-63页 |
| 5.6 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
