基于机器视觉的瓷环表面缺陷检测系统研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 目录 | 第10-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 机器视觉检测技术 | 第13-15页 |
| 1.2.1 机器视觉概念及应用 | 第13页 |
| 1.2.2 机器视觉检测技术 | 第13-15页 |
| 1.3 机器视觉检测关键技术综述 | 第15-17页 |
| 1.3.1 图像采集 | 第15页 |
| 1.3.2 图像处理 | 第15-16页 |
| 1.3.3 图像理解 | 第16-17页 |
| 1.4 本课题的研究内容 | 第17-19页 |
| 1.4.1 本课题的目标和难点 | 第17页 |
| 1.4.2 本文的内容组织安排 | 第17-19页 |
| 第二章 瓷环缺陷检测系统的总体设计 | 第19-29页 |
| 2.0 需求分析 | 第19页 |
| 2.1 总体方案设计 | 第19-22页 |
| 2.1.1 系统组成 | 第19-20页 |
| 2.1.2 系统检测总流程 | 第20-22页 |
| 2.2 系统硬件结构设计 | 第22-28页 |
| 2.2.1 照明模块设计 | 第22-24页 |
| 2.2.2 采集模块设计 | 第24-27页 |
| 2.2.3 电气控制模块 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 瓷环图像处理 | 第29-52页 |
| 3.1 瓷环图像特点分析 | 第29-31页 |
| 3.2 图像滤波 | 第31-34页 |
| 3.3 瓷环缺陷的快速检测 | 第34-37页 |
| 3.3.1 缺陷快速检测 | 第35页 |
| 3.3.2 针对瓷环缺陷的快速检测 | 第35-37页 |
| 3.4 瓷环图像分割 | 第37-47页 |
| 3.4.1 分割算法简介 | 第37-39页 |
| 3.4.2 瓷环区域分割 | 第39-42页 |
| 3.4.3 缺陷区域检测 | 第42-47页 |
| 3.5 瓷环图像后处理 | 第47-51页 |
| 3.5.1 数学形态学 | 第47-48页 |
| 3.5.2 基于自适应形态学的后处理 | 第48-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 瓷环缺陷分类及识别 | 第52-69页 |
| 4.1 缺陷特征的提取 | 第52-57页 |
| 4.1.1 瓷环缺陷分析 | 第52页 |
| 4.1.2 图像的特征选取 | 第52-57页 |
| 4.2 基于规则的缺陷分类法 | 第57-59页 |
| 4.3 基于支持向量机的分类法 | 第59-65页 |
| 4.3.1 支持向量机简介 | 第59-60页 |
| 4.3.2 支持向量机用于两类分类 | 第60-64页 |
| 4.3.3 支持向量机用于多类分类 | 第64-65页 |
| 4.4 基于 DAG-SVM 的瓷环缺陷分类 | 第65-68页 |
| 4.4.1 缺陷特征的标准化处理 | 第65-66页 |
| 4.4.2 瓷环缺陷分类 | 第66-67页 |
| 4.4.3 误差因素分析 | 第67-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结和展望 | 第69-71页 |
| 5.1 工作总结 | 第69-70页 |
| 5.2 后续研究内容 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间已发表或录用的论文 | 第76页 |
