基于机器视觉的注塑制品尺寸检测及表面缺陷识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要工作 | 第14-16页 |
| 2 机器视觉检测硬件平台与软件系统设计 | 第16-27页 |
| 2.1 系统的总体结构 | 第16-17页 |
| 2.2 系统关键硬件选型 | 第17-21页 |
| 2.3 软件系统设计与实现 | 第21-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 制品图像处理关键技术 | 第27-44页 |
| 3.1 图像处理及其流程 | 第27页 |
| 3.2 制品图像灰度化 | 第27-29页 |
| 3.3 图像增强 | 第29-31页 |
| 3.4 图像滤波 | 第31-35页 |
| 3.5 图像分割 | 第35-38页 |
| 3.6 边缘检测 | 第38-42页 |
| 3.7 本章小结 | 第42-44页 |
| 4 直线特征检测及尺寸测量 | 第44-55页 |
| 4.1 基于HOUGH变换的直线检测算法 | 第44-48页 |
| 4.2 本文的直线检测算法 | 第48-50页 |
| 4.3 制品尺寸检测 | 第50-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 基于卷积神经网络的表面缺陷识别 | 第55-69页 |
| 5.1 注塑制品常见表面缺陷 | 第55-56页 |
| 5.2 传统缺陷识别方法 | 第56-57页 |
| 5.3 卷积神经网络 | 第57-60页 |
| 5.4 基于卷积神经网络的缺陷识别 | 第60-64页 |
| 5.5 缺陷识别实验 | 第64-68页 |
| 5.6 本章小结 | 第68-69页 |
| 6 全文工作总结与展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 附录 攻读硕士阶段发表论文及成果 | 第77页 |
