基于机器视觉的泡罩药品缺陷检测系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 机器视觉的理论及其发展 | 第9-12页 |
| 1.1.1 机器视觉的概念 | 第9-10页 |
| 1.1.2 机器视觉研究的发展概述 | 第10-11页 |
| 1.1.3 机器视觉检测技术的应用 | 第11-12页 |
| 1.2 药品检测技术国内外发展现状 | 第12-14页 |
| 1.3 课题的研究目的、意义 | 第14-15页 |
| 1.4 论文的主要研究内容 | 第15-17页 |
| 第二章 药品检测系统的硬件方案介绍 | 第17-25页 |
| 2.1 泡罩包装机的运行方式描述 | 第17-18页 |
| 2.2 药品泡罩缺陷检测系统总体构成 | 第18-19页 |
| 2.3 图像采集系统 | 第19-23页 |
| 2.3.1 照明光源的选择 | 第19-21页 |
| 2.3.2 摄像装置的选择 | 第21-23页 |
| 2.4 检测系统运行的工作原理 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 药品表面图像预处理与分割算法的研究 | 第25-45页 |
| 3.1 图像处理算法流程分析 | 第25-26页 |
| 3.2 药品图像的预处理 | 第26-29页 |
| 3.2.1 均值滤波 | 第27-28页 |
| 3.2.2 中值滤波 | 第28-29页 |
| 3.3 药品图像的阈值分割 | 第29-32页 |
| 3.3.1 阈值分割概述 | 第29-30页 |
| 3.3.2 Otsu 阈值分割法 | 第30-32页 |
| 3.4 基于控制标记符的改进分水岭的泡罩药品分割 | 第32-44页 |
| 3.4.1 经典分水岭变换的原理 | 第32-34页 |
| 3.4.2 经典分水岭算法存在的问题分析 | 第34-36页 |
| 3.4.3 基于控制标记符的改进分水岭分割算法 | 第36-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 药品表面的特征选择和提取 | 第45-51页 |
| 4.1 引言 | 第45-46页 |
| 4.2 药品图像的特征提取 | 第46-49页 |
| 4.2.1 面积的测量 | 第46-47页 |
| 4.2.2 边界周长的测量 | 第47页 |
| 4.2.3 圆形度的测量 | 第47-48页 |
| 4.2.4 最小外接矩形 MER 的高度和宽度 | 第48-49页 |
| 4.3 药品图像特征数据的采集 | 第49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 药品表面缺陷识别与分类 | 第51-64页 |
| 5.1 基于 BP 神经网络的药品识别分类 | 第52-58页 |
| 5.1.1 BP 神经网络结构 | 第52-53页 |
| 5.1.2 BP 三层神经网络的学习算法 | 第53-56页 |
| 5.1.3 BP 神经网络设计 | 第56-57页 |
| 5.1.4 BP 神经网络的训练和仿真 | 第57-58页 |
| 5.2 基于 RBF 神经网络的药品检测分类 | 第58-63页 |
| 5.2.1 RBF 神经网络结构 | 第58-59页 |
| 5.2.2 RBF 神经网络的算法 | 第59-60页 |
| 5.2.3 RBF 神经网络结构设计 | 第60-61页 |
| 5.2.4 RBF 网络的训练和仿真 | 第61-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第六章 全文总结与展望 | 第64-66页 |
| 6.1 本文的主要工作 | 第64-65页 |
| 6.2 存在的问题和进一步的工作 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第70页 |
