| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 刀具状态监测技术 | 第10-16页 |
| 1.2.1 刀具状态监测技术发展历程及分类 | 第10-13页 |
| 1.2.2 刀具状态监测技术发展现状及存在问题 | 第13-16页 |
| 1.3 刀具状态视觉监测关键技术 | 第16-19页 |
| 1.3.1 机器视觉技术 | 第16-17页 |
| 1.3.2 基于机器视觉的刀具状态监测方法及发展现状 | 第17-19页 |
| 1.4 本文的主要研究内容 | 第19-21页 |
| 第二章 基于机器视觉的刀具磨损状态检测 | 第21-31页 |
| 2.1 刀具磨损机理 | 第21-27页 |
| 2.1.1 刀具磨损过程的规律及磨钝标准 | 第21-23页 |
| 2.1.2 刀具表面磨损形式及其特征 | 第23-25页 |
| 2.1.3 工件表面纹理形成及其特征 | 第25-27页 |
| 2.2 刀具状态监控实验 | 第27-31页 |
| 第三章 基于区域生长法的后刀面磨损特征值提取 | 第31-53页 |
| 3.1 基于后刀面磨损的刀具磨损状态检测方法 | 第31页 |
| 3.2 图像预处理 | 第31-37页 |
| 3.2.1 自适应中值滤波 | 第32-35页 |
| 3.2.2 顶帽运算 | 第35-37页 |
| 3.3 刀具后刀面磨损特征提取 | 第37-51页 |
| 3.3.1 刀具磨损图像的灰度分析 | 第37-39页 |
| 3.3.2 基于阈值分割法的刀具磨损特征提取 | 第39-43页 |
| 3.3.3 基于区域生长法与最小外接矩形的刀具磨损区特征提取 | 第43-51页 |
| 3.3.3.1 基于区域生长法的刀具磨损区分割 | 第43-49页 |
| 3.3.3.2 基于最小外接矩形的刀具磨损区特征值提取 | 第49-51页 |
| 3.4 刀具磨损区域特征提取方法比较分析 | 第51-53页 |
| 第四章 基于四元数小波变换的工件纹理图像分类 | 第53-69页 |
| 4.1 基于工件表面纹理的的刀具磨损状态检测方法 | 第53-54页 |
| 4.2 基于灰度共生矩阵的工件表面纹理特征分析 | 第54-57页 |
| 4.3 基于四元数小波变换与神经网络的工件表面纹理分类 | 第57-65页 |
| 4.3.1 基于四元数小波变换的工件表面纹理特征分析 | 第57-62页 |
| 4.3.2 基于神经网络的工件表面纹理图像分类 | 第62-65页 |
| 4.4 基于工件表面纹理的刀具磨损状态判定效果对比 | 第65-69页 |
| 第五章 刀具磨损状态视觉监控方法应用案例分析 | 第69-79页 |
| 5.1 刀具磨损状态视觉检测方法的软件平台 | 第69页 |
| 5.2 刀具磨损状态视觉监控方法的应用分析 | 第69-79页 |
| 第六章 结论与展望 | 第79-82页 |
| 参考文献 | 第82-86页 |
| 攻读学位期间所取得的相关科研成果 | 第86-88页 |
| 致谢 | 第88页 |
