柱状二极管表面缺陷检测系统研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-13页 |
| 1.1 课题的研究背景与意义 | 第11页 |
| 1.2 机器视觉的发展与瓶颈 | 第11-12页 |
| 1.3 本论文研究的主要内容 | 第12-13页 |
| 第二章 系统方案及视觉平台设计 | 第13-25页 |
| 2.1 机器视觉系统简介 | 第13-14页 |
| 2.1.1 系统硬件 | 第13-14页 |
| 2.1.2 组态软件 | 第14页 |
| 2.2 系统方案确定 | 第14-15页 |
| 2.3 工业相机及镜头选型 | 第15-20页 |
| 2.3.1 工业相机介绍 | 第15-17页 |
| 2.3.2 工业相机选型 | 第17-18页 |
| 2.3.3 镜头介绍 | 第18-19页 |
| 2.3.4 镜头选型 | 第19-20页 |
| 2.4 光学平台设计 | 第20-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 二极管图像预处理 | 第25-38页 |
| 3.1 研究对象介绍和重难点分析 | 第25-26页 |
| 3.2 管体分割算法 | 第26-31页 |
| 3.2.1 直角顶点粗略 ROI 确定 | 第26-28页 |
| 3.2.2 角点检测 | 第28-30页 |
| 3.2.3 ROI 分割 | 第30-31页 |
| 3.3 图像预处理 | 第31-33页 |
| 3.3.1 Otsu 算法 | 第31-33页 |
| 3.3.2 Otsu 算法应用 | 第33页 |
| 3.4 基于 SWT 的文字分割 | 第33-35页 |
| 3.5 缺陷 ROI 分割 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 特征提取 | 第38-67页 |
| 4.1 纹理的基本概念 | 第38-40页 |
| 4.1.1 纹理定义 | 第38-39页 |
| 4.1.2 纹理特性 | 第39-40页 |
| 4.2 纹理特征描述 | 第40-56页 |
| 4.2.1 基于统计方法的特征 | 第41-45页 |
| 4.2.2 信号处理法 | 第45-53页 |
| 4.2.3 模型方法 | 第53页 |
| 4.2.4 结构方法 | 第53页 |
| 4.2.5 基于模式化梯度方向和幅值的直方图特征 | 第53-56页 |
| 4.3 纹理特征数据分析及选取 | 第56-57页 |
| 4.4 外形特征的基本概念 | 第57页 |
| 4.5 外形特征描述 | 第57-59页 |
| 4.5.1 几个常见外形特征[29] | 第57-59页 |
| 4.5.2 空间边缘方向直方图特征 | 第59页 |
| 4.6 外形特征数据分析及选取 | 第59-63页 |
| 4.7 主成分分析法及其应用 | 第63-66页 |
| 4.7.1 主成分分析原理 | 第64页 |
| 4.7.2 计算主成分 | 第64-65页 |
| 4.7.3 主成分实现 | 第65-66页 |
| 4.8 本章小结 | 第66-67页 |
| 第五章 分类器设计与验证 | 第67-76页 |
| 5.1 决策树分类器设计 | 第67页 |
| 5.2 欧氏距离分类器 | 第67-68页 |
| 5.3 BP 神经网络分类器 | 第68-72页 |
| 5.3.1 BP 神经网络理论基础 | 第68-69页 |
| 5.3.2 BP 算法学习机制 | 第69-72页 |
| 5.4 实现结果分析 | 第72-75页 |
| 5.4.1 欧氏距离分类 | 第73-74页 |
| 5.4.2 BP 神经网络分类 | 第74-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士期间参加项目、录用发表论文和完成的专利 | 第81页 |
