面向数码产品外壳表面缺陷的适应性智能视觉检测技术研究
摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-15页 |
1.1 课题的研究背景与意义 | 第10-12页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究目的与意义 | 第11-12页 |
1.2 国内外关于表面检测技术的研究现状 | 第12-14页 |
1.3 本文的研究内容 | 第14-15页 |
第二章 成像系统研究 | 第15-27页 |
2.1 引言 | 第15页 |
2.2 手机外壳缺陷分析与检测要求 | 第15-16页 |
2.3 基于机器视觉的解决方案 | 第16-17页 |
2.4 成像研究 | 第17-21页 |
2.4.1 镜头的成像模型 | 第17-18页 |
2.4.2 成像品质的评价 | 第18-19页 |
2.4.3 相机的调制传递分析 | 第19-21页 |
2.5 光学照明研究 | 第21-26页 |
2.5.1 手机外壳材料的光学特性 | 第21页 |
2.5.2 光线波长的特性 | 第21-23页 |
2.5.3 照明方式的评价 | 第23-26页 |
2.6 本章小结 | 第26-27页 |
第三章 区域定位与外壳分类算法研究 | 第27-42页 |
3.1 引言 | 第27页 |
3.2 区域定位的流程 | 第27-28页 |
3.3 定位阈值自动获取 | 第28-31页 |
3.3.1 颜色阈值的人工选取 | 第28页 |
3.3.2 初始阈值获取 | 第28-30页 |
3.3.3 基于像素损失的阈值修正 | 第30-31页 |
3.4 感兴趣区域定位 | 第31-33页 |
3.4.1 最大面积法定位 | 第31-32页 |
3.4.2 运算速度优化 | 第32-33页 |
3.5 手机外壳的智能模式分类 | 第33-41页 |
3.5.1 模式特征提取与优化 | 第33-36页 |
3.5.2 GRNN神经网络分类器 | 第36-38页 |
3.5.3 问题描述与解决思路 | 第38-40页 |
3.5.4 分类模拟的仿真结果 | 第40-41页 |
3.6 本章小结 | 第41-42页 |
第四章 视觉检测算法研究 | 第42-54页 |
4.1 引言 | 第42-43页 |
4.2 基于混合阈值的图像分割技术 | 第43-45页 |
4.2.1 传统阈值分割法的局限 | 第43页 |
4.2.2 混合阈值分割法 | 第43-45页 |
4.3 改进的曲线检测器 | 第45-49页 |
4.3.1 磨砂类表面的检测难题 | 第45-46页 |
4.3.2 频率域下的高通滤波器 | 第46页 |
4.3.3 高斯卷积下的曲线轮廓驻点 | 第46-48页 |
4.3.4 曲线上点的“松弛”归类 | 第48-49页 |
4.4 手机外壳局部微小轮廓的匹配 | 第49-53页 |
4.4.1 几何中的线段匹配 | 第49-50页 |
4.4.2 轮廓曲线的矢量化 | 第50-51页 |
4.4.3 相似度的计算 | 第51-52页 |
4.4.4 平移、尺度和旋转不变性分析 | 第52-53页 |
4.5 本章小结 | 第53-54页 |
第五章实验分析 | 第54-70页 |
5.0 引言 | 第54页 |
5.1 软件系统的开发 | 第54-57页 |
5.1.1 软件系统 | 第54-55页 |
5.1.2 数据结构 | 第55-57页 |
5.2 照明实验 | 第57-61页 |
5.3 实验平台 | 第61页 |
5.4 定位算法实验 | 第61-63页 |
5.4.1 定位的稳定性 | 第61-62页 |
5.4.2 定位精度与速度 | 第62-63页 |
5.5 检测算法实验 | 第63-66页 |
5.5.1 检测算法的稳定性 | 第63-66页 |
5.5.2 检测精度与速度 | 第66页 |
5.6 轮廓匹配算法实验 | 第66-69页 |
5.6.1 匹配稳定性 | 第66-68页 |
5.6.2 手机摄像头孔相似度对比 | 第68页 |
5.6.3 匹配的精度与速度 | 第68-69页 |
5.7 本章小结 | 第69-70页 |
总结与展望 | 第70-72页 |
1 主要研究工作 | 第70页 |
2 工作展望 | 第70-72页 |
参考文献 | 第72-76页 |
攻读硕士学位期间取得的研究成果 | 第76-77页 |
致谢 | 第77-78页 |
附件 | 第78页 |