| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 齿轮齿面粗糙度测量方法研究概况 | 第15-17页 |
| 1.3 基于机器视觉的表面粗糙度检测方法综述 | 第17-18页 |
| 1.3.1 基于激光光源的表面粗糙度测量方法研究进展 | 第17-18页 |
| 1.3.2 基于普通光源的表面粗糙度测量方法研究进展 | 第18页 |
| 1.4 论文主要研究内容及章节安排 | 第18-22页 |
| 1.4.1 问题的提出 | 第18-19页 |
| 1.4.2 本文研究内容 | 第19-22页 |
| 第2章 基于机器视觉的齿轮齿面粗糙度检测理论分析和检测方案设计 | 第22-36页 |
| 2.1 引言 | 第22页 |
| 2.2 齿轮齿面粗糙度的定义及其评定 | 第22-25页 |
| 2.2.1 齿轮齿面粗糙度的定义 | 第22-23页 |
| 2.2.2 齿轮齿面粗糙度的产生原因与工程意义 | 第23页 |
| 2.2.3 齿轮齿面粗糙度的评定 | 第23-24页 |
| 2.2.4 表面粗糙度的滤波处理 | 第24-25页 |
| 2.3 粗糙表面的光散射机理简述 | 第25-27页 |
| 2.4 齿轮齿面粗糙度机器视觉检测方案 | 第27-34页 |
| 2.4.1 图像采集模块 | 第28-31页 |
| 2.4.2 图像处理模块 | 第31-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第3章 基于形状特征的齿轮齿面粗糙度检测方法 | 第36-52页 |
| 3.1 引言 | 第36页 |
| 3.2 形状特征提取过程 | 第36-37页 |
| 3.3 基于形状特征的齿轮齿面粗糙度检测方法 | 第37-42页 |
| 3.3.1 基于形状特征的散射程度特征指标设计 | 第38-39页 |
| 3.3.2 基于形状轮廓特征的离心率特征指标设计 | 第39-41页 |
| 3.3.3 基于图像区域特征的结构信息和强度信息特征指标设计 | 第41-42页 |
| 3.4 实验系统设计 | 第42-47页 |
| 3.4.1 实验试样准备 | 第42-44页 |
| 3.4.2 实验模型设计 | 第44页 |
| 3.4.3 实验装置设计 | 第44-45页 |
| 3.4.4 实验步骤 | 第45页 |
| 3.4.5 实验数据 | 第45-47页 |
| 3.5 粗糙度与形状特征的关系模型构建 | 第47-49页 |
| 3.6 指标性能评估 | 第49-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第4章 基于支持向量机的齿轮齿面粗糙度预测模型 | 第52-62页 |
| 4.1 引言 | 第52页 |
| 4.2 表面粗糙度预测方法简介 | 第52-53页 |
| 4.3 支持向量机相关理论 | 第53-56页 |
| 4.3.1 支持向量机基本思想 | 第53-54页 |
| 4.3.2 支持向量机回归模型 | 第54-56页 |
| 4.4 基于支持向量机的齿轮齿面粗糙度预测模型建立 | 第56-60页 |
| 4.4.1 数据预处理 | 第56-57页 |
| 4.4.2 核函数及参数的选择 | 第57-58页 |
| 4.4.3 基于支持向量机齿轮齿面粗糙度预测模型的建立步骤 | 第58-60页 |
| 4.5 基于支持向量机的齿轮齿面粗糙度预测模型结果分析 | 第60-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第5章 基于机器视觉的齿轮齿面粗糙度测量系统开发 | 第62-72页 |
| 5.1 引言 | 第62页 |
| 5.2 LabVIEW简介 | 第62-63页 |
| 5.3 基于LabVIEW和MATLAB间的数据通信 | 第63-64页 |
| 5.4 系统软件总体方案设计 | 第64-65页 |
| 5.5 基于机器视觉的齿轮粗糙度检测系统的设计与实现 | 第65-70页 |
| 5.5.1 用户登录模块 | 第65-68页 |
| 5.5.2 测量系统模块 | 第68-70页 |
| 5.6 测量系统的调试与运行 | 第70-71页 |
| 5.7 本章小结 | 第71-72页 |
| 结论与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
