基于视觉检测技术的织物瑕疵检测与智能识别研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 织物瑕疵检测简介 | 第8-11页 |
| 1.1.1 织物与织物瑕疵 | 第8-9页 |
| 1.1.2 机器视觉检测技术 | 第9-11页 |
| 1.2 国内外研究现状及发展 | 第11-13页 |
| 1.3 课题研究意义及内容 | 第13-16页 |
| 第二章 检测系统总体设计方案 | 第16-21页 |
| 2.1 系统设计思路 | 第16-17页 |
| 2.2 检测系统的组成 | 第17-18页 |
| 2.3 检测算法设计要求 | 第18-19页 |
| 2.4 织物检测平台结构 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 系统软硬件设计 | 第21-31页 |
| 3.1 系统硬件设计 | 第21-24页 |
| 3.1.1 关键器件选型 | 第21-23页 |
| 3.1.2 检测平台电气控制原理 | 第23-24页 |
| 3.2 系统软件开发 | 第24-30页 |
| 3.2.1 系统程序流程图 | 第24-26页 |
| 3.2.2 通信及电机控制 | 第26-29页 |
| 3.2.3 用户界面设计 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 基于自适应图像分割的网眼织物瑕疵检测 | 第31-51页 |
| 4.1 数字图像处理技术及原理 | 第31-32页 |
| 4.2 算法设计思路分析 | 第32-33页 |
| 4.3 网眼织物瑕疵检测算法 | 第33-44页 |
| 4.3.1 算法基本流程 | 第33-34页 |
| 4.3.2 织物纹理频谱分析 | 第34-36页 |
| 4.3.3 基于图像纹理特性的频域滤波 | 第36-39页 |
| 4.3.4 自适应区域生长法分割 | 第39-43页 |
| 4.3.5 形态学去噪 | 第43-44页 |
| 4.4 实验及结果分析 | 第44-50页 |
| 4.4.1 算法检测结果及分析 | 第44-46页 |
| 4.4.2 图像滤波算法的比较 | 第46-47页 |
| 4.4.3 图像分割算法的比较 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 基于支持向量机的平纹织物瑕疵检测 | 第51-75页 |
| 5.1 模式识别技术及原理 | 第51-52页 |
| 5.2 算法设计思路分析 | 第52-53页 |
| 5.3 平纹织物瑕疵检测算法 | 第53-68页 |
| 5.3.1 算法基本流程 | 第53-54页 |
| 5.3.2 支持向量机理论 | 第54-58页 |
| 5.3.3 特征向量的选择及联合检测方法 | 第58-63页 |
| 5.3.4 基于PCA的特征空间优化 | 第63-65页 |
| 5.3.5 基于粒子群算法的SVM参数寻优 | 第65-68页 |
| 5.4 实验及结果分析 | 第68-74页 |
| 5.4.1 实验过程简介 | 第68页 |
| 5.4.2 单类SVM检测结果与分析 | 第68-71页 |
| 5.4.3 算法通用性验证 | 第71页 |
| 5.4.4 特征向量组联合检测方法分析 | 第71-72页 |
| 5.4.5 多类SVM检测结果与分析 | 第72-74页 |
| 5.5 本章小结 | 第74-75页 |
| 总结与展望 | 第75-78页 |
| 总结 | 第75-77页 |
| 工作展望 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-85页 |
| 个人简历 | 第85页 |
| 在读期间已发表和录用的论文 | 第85页 |
