基于机器视觉的带钢表面缺陷检测算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·课题的背景和意义 | 第8页 |
| ·课题的研究现状 | 第8-11页 |
| ·带钢表面缺陷检测技术的发展回顾 | 第8-9页 |
| ·带钢表面缺陷检测技术的发展趋势 | 第9-10页 |
| ·国外研究现状 | 第10页 |
| ·国内研究现状 | 第10-11页 |
| ·课题的研究内容与难点 | 第11-12页 |
| ·本文的结构安排 | 第12-14页 |
| 2 带钢表面缺陷检测装置方案设计 | 第14-26页 |
| ·带钢表面缺陷检测装置原理 | 第14-15页 |
| ·带钢表面缺陷检测装置硬件组成 | 第15-16页 |
| ·带钢模拟传动装置 | 第15页 |
| ·图像采集设备的选型及安装 | 第15-16页 |
| ·带钢表面缺陷检测装置软件设计 | 第16-25页 |
| ·算法的总体设计 | 第16-18页 |
| ·系统软件界面介绍 | 第18-20页 |
| ·关键软件技术的实现 | 第20-25页 |
| ·本章小结 | 第25-26页 |
| 3 带钢表面缺陷目标检测提取 | 第26-52页 |
| ·带钢表面缺陷目标检测算法的选取 | 第26-33页 |
| ·基于边缘检测算子的缺陷目标检测的局限性 | 第26-31页 |
| ·基于背景差分算法的缺陷目标检测的原理 | 第31-33页 |
| ·背景差分算法中的背景重构 | 第33-37页 |
| ·灰度归类背景重构算法 | 第33-36页 |
| ·高斯背景重构算法 | 第36页 |
| ·背景建模对比实验结果分析 | 第36-37页 |
| ·背景差分算法中的阈值选取 | 第37-42页 |
| ·大津阈值法 | 第37-38页 |
| ·最大类间、类内方差比法 | 第38-39页 |
| ·迭代阈值算法 | 第39-40页 |
| ·固定阈值法 | 第40页 |
| ·实验结果与分析 | 第40-42页 |
| ·快速贴标签算法 | 第42-45页 |
| ·缺陷区域定位提取算法 | 第45-50页 |
| ·本章小结 | 第50-52页 |
| 4 带钢表面缺陷特征提取和选择 | 第52-64页 |
| ·样本库的建立和预处理 | 第52-54页 |
| ·特征空间的优化原则 | 第54-55页 |
| ·缺陷特征提取 | 第55-60页 |
| ·灰度特征 | 第55-56页 |
| ·形态特征 | 第56-58页 |
| ·纹理特征 | 第58-60页 |
| ·缺陷特征选择 | 第60-63页 |
| ·主成分分析法原理 | 第60-61页 |
| ·实验结果和分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 5 带钢表面缺陷分类识别 | 第64-72页 |
| ·BP神经网络分类器 | 第64-66页 |
| ·BP神经网络的改进学习算法 | 第66-68页 |
| ·实验结果与分析 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-78页 |
