| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 绝缘子芯棒缺陷检测技术现状 | 第10页 |
| 1.2.2 基于机器视觉的缺陷检测技术现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 论文章节安排 | 第13-14页 |
| 第二章 绝缘子芯棒缺陷检测算法理论技术基础 | 第14-35页 |
| 2.1 绝缘子芯棒缺陷检测关键技术 | 第14-16页 |
| 2.2 图像预处理 | 第16-21页 |
| 2.2.1 灰度化图像 | 第16页 |
| 2.2.2 图像分割算法 | 第16-19页 |
| 2.2.3 Hough变换直线检测 | 第19-21页 |
| 2.3 基于显著性的区域检测 | 第21-24页 |
| 2.3.1 显著性区域 | 第21-24页 |
| 2.4 图像特征提取及分类 | 第24-35页 |
| 2.4.1 颜色特征 | 第25-26页 |
| 2.4.2 纹理特征 | 第26页 |
| 2.4.3 形状特征 | 第26-27页 |
| 2.4.4 特征选择 | 第27-29页 |
| 2.4.5 模式分类 | 第29-31页 |
| 2.4.6 BP人工神经网络 | 第31-35页 |
| 第三章 绝缘子芯棒缺陷区域分割算法研究 | 第35-48页 |
| 3.1 缺陷图像前景背景分割 | 第35-38页 |
| 3.1.1 基于灰度直方图的图像分割 | 第35-36页 |
| 3.1.2 基于最大类间方差(Otsu)的分割阈值补偿方法 | 第36-38页 |
| 3.2 视觉显著图计算 | 第38-39页 |
| 3.3 缺陷区域阈值分割 | 第39-41页 |
| 3.4 连通域标记 | 第41-43页 |
| 3.5 缺陷区域分割 | 第43-45页 |
| 3.6 缺陷分割算法测试 | 第45-48页 |
| 第四章 绝缘子芯棒缺陷图像特征分析与分类 | 第48-54页 |
| 4.1 绝缘子芯棒特征选择与提取 | 第48-50页 |
| 4.2 BP神经网络分类器结构设计 | 第50-54页 |
| 4.2.1 BP神经网络结构设计 | 第50-51页 |
| 4.2.2 隐藏层的设计 | 第51页 |
| 4.2.3 激活函数选择 | 第51-52页 |
| 4.2.4 神经网络学习算法 | 第52页 |
| 4.2.5 神经网络构建与测试 | 第52-54页 |
| 第五章 绝缘子芯棒缺陷检测系统设计及实现 | 第54-62页 |
| 5.1 实验平台 | 第54页 |
| 5.2 软件系统方案 | 第54-55页 |
| 5.2.1 芯棒图像获取 | 第54页 |
| 5.2.2 芯棒缺陷定位分割 | 第54-55页 |
| 5.2.3 芯棒缺陷分类模块 | 第55页 |
| 5.3 软件界面 | 第55页 |
| 5.4 运行与开发环境 | 第55-56页 |
| 5.5 系统实现及关键问题 | 第56-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 不足与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67页 |