| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题背景与来源 | 第11-13页 |
| 1.1.1 课题背景 | 第11-13页 |
| 1.1.2 课题来源 | 第13页 |
| 1.2 课题的意义 | 第13-14页 |
| 1.3 基于机器视觉的检测系统的发展和研究现状 | 第14-15页 |
| 1.3.1 机器视觉技术的得以快速发展的原因 | 第14页 |
| 1.3.2 我国机器视觉技术的现状分析 | 第14-15页 |
| 1.4 数字图像处理技术的发展与研究现状 | 第15-19页 |
| 1.4.1 数字图像处理技术概述 | 第15-16页 |
| 1.4.2 数字图像处理技术的发展 | 第16-17页 |
| 1.4.3 数字图像处理技术的主要内容和特点 | 第17-19页 |
| 1.5 表面质量合格的标准与课题的研究内容 | 第19-20页 |
| 1.5.1 表面质量的国家标准 | 第19页 |
| 1.5.2 课题研究的内容与研究方案 | 第19-20页 |
| 1.6 本章小结 | 第20-21页 |
| 第二章 基于机器视觉表面质量检测系统的设计 | 第21-35页 |
| 2.1 基于机器视觉的检测系统的概念 | 第21-22页 |
| 2.2 基于机器视觉的检测系统的性能要求 | 第22页 |
| 2.3 检测系统结构中硬件的选用 | 第22-30页 |
| 2.3.1 光源的选用 | 第22-26页 |
| 2.3.2 工业摄像机的选用 | 第26-28页 |
| 2.3.3 镜头的选择 | 第28-29页 |
| 2.3.4 采集卡 | 第29页 |
| 2.3.5 硬件结构的设计及安装 | 第29-30页 |
| 2.4 图像处理工具设计方案 | 第30-33页 |
| 2.4.1 OpenCV的介绍 | 第31页 |
| 2.4.2 Matlab的介绍 | 第31-32页 |
| 2.4.3 Halcon的介绍 | 第32-33页 |
| 2.5 基于机器视觉的检测系统原理 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 阴极铜表面图像处理技术研究 | 第35-71页 |
| 3.1 阴极铜表面图像的预处理 | 第35-49页 |
| 3.1.1 图像灰度化 | 第35-37页 |
| 3.1.2 图像平滑(image smoothing) | 第37-46页 |
| 3.1.3 图像增强 | 第46-49页 |
| 3.2 阴极铜表面图像的目标识别——图像分割 | 第49-65页 |
| 3.2.1 图像分割(image segmentation) | 第49-50页 |
| 3.2.2 基于边缘检测的图像识别算法 | 第50-60页 |
| 3.2.3 基于阈值分割的图像识别方法 | 第60-65页 |
| 3.3 阴极铜表面图像的目标识别——数学形态学处理 | 第65-68页 |
| 3.4 阴极铜表面图像的目标识别——特征提取 | 第68-70页 |
| 3.5 本章小结 | 第70-71页 |
| 第四章 阴极铜表面质量识别实验 | 第71-85页 |
| 4.1 实验方案的设计 | 第71-72页 |
| 4.2 自动识别系统误检率及漏检率实验 | 第72-81页 |
| 4.3 自动识别系统的时效性实验 | 第81-84页 |
| 4.4 本章小结 | 第84-85页 |
| 第五章 人机交互界面及控制系统的开发 | 第85-93页 |
| 5.1 上位机与下位机间的信息传递 | 第85页 |
| 5.2 C | 第85-86页 |
| 5.3 PLC控制系统 | 第86-88页 |
| 5.3.1 开发平台 | 第86页 |
| 5.3.2 可编程控制器(PLC) | 第86-87页 |
| 5.3.3 程序的编写和下载 | 第87-88页 |
| 5.4 下位机的介绍 | 第88-91页 |
| 5.4.1 机械手 | 第88页 |
| 5.4.2 控制柜 | 第88-91页 |
| 5.5 本章小结 | 第91-93页 |
| 第六章 结论与展望 | 第93-95页 |
| 6.1 结论 | 第93-94页 |
| 6.2 不足与展望 | 第94-95页 |
| 致谢 | 第95-97页 |
| 参考文献 | 第97-101页 |
| 附录 攻读硕士学位期间发表学术论文 | 第101页 |
