基于机器视觉的胶囊缺陷检测与识别系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文主要研究内容及安排 | 第12-14页 |
| 第2章 胶囊缺陷检测平台搭建 | 第14-18页 |
| 2.1 胶囊缺陷检测平台总体方案 | 第14-15页 |
| 2.2 胶囊缺陷检测平台硬件简介 | 第15-16页 |
| 2.3 胶囊缺陷检测平台软件简介 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 胶囊图像的预处理 | 第18-41页 |
| 3.1 胶囊ROI的设定及提取 | 第19页 |
| 3.2 胶囊图像噪声的滤除 | 第19-22页 |
| 3.2.1 胶囊图像噪声 | 第19-20页 |
| 3.2.2 胶囊图像滤波 | 第20-22页 |
| 3.3 胶囊本体图像的提取 | 第22-27页 |
| 3.3.1 二值化 | 第22-25页 |
| 3.3.2 形态学处理 | 第25-27页 |
| 3.3.3 逻辑运算 | 第27页 |
| 3.4 胶囊本体区域分割 | 第27-35页 |
| 3.4.1 胶囊最小外接矩形 | 第27-31页 |
| 3.4.2 胶囊倾斜校正 | 第31-33页 |
| 3.4.3 胶囊区域分割 | 第33-35页 |
| 3.5 胶囊缺陷区域的边缘检测 | 第35-40页 |
| 3.5.1 传统的Canny边缘检测 | 第35-37页 |
| 3.5.2 改进的Canny边缘检测 | 第37-39页 |
| 3.5.3 实验结果及分析 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 胶囊图像特征选择与提取 | 第41-48页 |
| 4.1 常见胶囊缺陷类型 | 第41-42页 |
| 4.2 胶囊缺陷图像的分类特征选取 | 第42-43页 |
| 4.2.1 区域形状特征 | 第42-43页 |
| 4.2.2 图像灰度特征 | 第43页 |
| 4.3 胶囊缺陷图像的分类特征提取 | 第43-47页 |
| 4.3.1 胶囊整体形态特征提取 | 第43-45页 |
| 4.3.2 胶囊缺陷区域特征提取 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 基于BP神经网络的胶囊缺陷分类识别 | 第48-60页 |
| 5.1 模式识别基本理论 | 第48-49页 |
| 5.2 人工神经网络识别算法 | 第49-54页 |
| 5.2.1 人工神经网络模型简介 | 第49-50页 |
| 5.2.2 BP神经网络算法原理 | 第50-52页 |
| 5.2.3 改进的BP神经网络算法 | 第52-54页 |
| 5.3 基于BP神经网络的分类器设计 | 第54-56页 |
| 5.4 分类器训练与测试实验 | 第56-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |
