一种笔管缺陷自动化检测系统研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 引言 | 第7-13页 |
| 1.1 研究背景与研究意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 论文结构 | 第11-13页 |
| 第2章 基础理论介绍 | 第13-21页 |
| 2.1 计算机视觉检测技术 | 第13-16页 |
| 2.1.1 计算机视觉检测系统概述 | 第13页 |
| 2.1.2 计算机视觉检测系统构成 | 第13-15页 |
| 2.1.3 计算机视觉检测技术应用 | 第15-16页 |
| 2.2 图像处理技术 | 第16-20页 |
| 2.2.1 图像滤波 | 第16-17页 |
| 2.2.2 图像增强 | 第17页 |
| 2.2.3 图像边缘检测 | 第17-19页 |
| 2.2.4 图像分割 | 第19页 |
| 2.2.5 图像识别 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 笔管检测与正反分离自动化线系统需求分析 | 第21-27页 |
| 3.1 笔管检测与正反分离自动化线系统设计要求 | 第21-22页 |
| 3.2 笔管缺陷自动化检测系统需求分析 | 第22-25页 |
| 3.2.1 气泡缺陷与检测需求 | 第22-23页 |
| 3.2.2 黑点缺陷与检测需求 | 第23-24页 |
| 3.2.3 残缺缺陷与检测需求 | 第24-25页 |
| 3.3 本章小结 | 第25-27页 |
| 第4章 笔管检测与正反分离自动化线系统设计 | 第27-51页 |
| 4.1 笔管检测与正反分离自动化线硬件系统设计 | 第27-37页 |
| 4.1.1 往复式下笔机构设计 | 第28-30页 |
| 4.1.2 视觉检测系统设计 | 第30-31页 |
| 4.1.3 链轮传送机构与图像采集设计 | 第31-32页 |
| 4.1.4 图像处理与缺陷检测设计 | 第32-33页 |
| 4.1.5 图像处理器的总体设计 | 第33页 |
| 4.1.6 USB主机接口设计 | 第33-34页 |
| 4.1.7 笔管正反向分离系统设计 | 第34-35页 |
| 4.1.8 传送带机构设计 | 第35-36页 |
| 4.1.9 漏斗箱设计 | 第36-37页 |
| 4.2 笔管检测与正反分离自动化线软件系统设计 | 第37-39页 |
| 4.2.1 笔管缺陷自动化检测系统体系架构 | 第37-38页 |
| 4.2.2 笔管缺陷自动化检测系统流程 | 第38-39页 |
| 4.3 笔管缺陷自动化检测系统功能模块 | 第39-49页 |
| 4.3.1 缺陷自动化检测 | 第39-46页 |
| 4.3.2 缺陷分类与识别 | 第46-49页 |
| 4.4 开发环境与开发工具 | 第49-50页 |
| 4.4.1 开发环境 | 第49页 |
| 4.4.2 开发工具 | 第49-50页 |
| 4.4.3 软件界面 | 第50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 实验分析 | 第51-59页 |
| 5.1 实验数据 | 第51页 |
| 5.2 基于多分辨小波分析的图像增强 | 第51-52页 |
| 5.3 基于Canny算子的笔管图像边缘检测 | 第52-53页 |
| 5.4 基于边缘的笔管缺陷区域分割 | 第53-54页 |
| 5.5 基于卷积神经网络的笔管缺陷分类 | 第54-57页 |
| 5.5.1 样本设计 | 第54-55页 |
| 5.5.2 分类精度分析 | 第55-57页 |
| 5.6 笔管缺陷自动化检测系统的有效性分析 | 第57-59页 |
| 5.6.1 缺陷检测准确率 | 第57-58页 |
| 5.6.2 缺陷类型判别准确率 | 第58页 |
| 5.6.3 正反向分离准确率 | 第58页 |
| 5.6.4 系统工作时效性 | 第58-59页 |
| 第6章 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
