基于机器视觉的禽蛋外部缺陷检测
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题来源 | 第11页 |
| 1.2 研究背景与意义 | 第11-12页 |
| 1.3 禽蛋外部缺陷检测的国内外研究现状 | 第12-16页 |
| 1.3.1 禽蛋污斑检测的研究现状 | 第12-13页 |
| 1.3.2 禽蛋裂纹检测的研究现状 | 第13-16页 |
| 1.3.3 国内外研究现状总结 | 第16页 |
| 1.4 本文研究内容与技术路线 | 第16-18页 |
| 1.4.1 主要研究内容 | 第16-17页 |
| 1.4.2 技术路线 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 禽蛋图像采集及图像预处理 | 第19-37页 |
| 2.1 引言 | 第19页 |
| 2.2 机器视觉系统的硬件选型 | 第19-25页 |
| 2.2.1 照明系统的设计 | 第19-22页 |
| 2.2.2 摄像机的选择 | 第22-25页 |
| 2.3 禽蛋检测视觉系统搭建 | 第25-27页 |
| 2.4 图像的去噪处理 | 第27-29页 |
| 2.5 禽蛋目标区域提取 | 第29-35页 |
| 2.5.1 单体禽蛋分割 | 第29页 |
| 2.5.2 阈值分割 | 第29-31页 |
| 2.5.3 禽蛋轮廓提取 | 第31-34页 |
| 2.5.4 种子填充 | 第34-35页 |
| 2.6 本章小结 | 第35-37页 |
| 第3章 禽蛋表面污斑检测 | 第37-57页 |
| 3.1 引言 | 第37页 |
| 3.2 禽蛋表面污斑图像分析 | 第37-39页 |
| 3.2.1 禽蛋污斑图像 | 第37-38页 |
| 3.2.2 图像亮度分析 | 第38-39页 |
| 3.3 基于局部纹理特征的污斑增强 | 第39-46页 |
| 3.3.1 图像纹理特征提取方法 | 第39-40页 |
| 3.3.2 局部纹理特征的提取 | 第40-45页 |
| 3.3.3 算法效果分析 | 第45-46页 |
| 3.4 基于快速中值滤波的污斑增强 | 第46-51页 |
| 3.4.1 快速中值滤波 | 第46-47页 |
| 3.4.2 禽蛋污斑区域增强 | 第47-50页 |
| 3.4.3 算法效果分析 | 第50-51页 |
| 3.5 禽蛋污斑二值图的后处理 | 第51-52页 |
| 3.6 脏蛋与干净蛋的识别 | 第52-55页 |
| 3.6.1 污斑及禽蛋表面积的计算 | 第52-54页 |
| 3.6.2 分类方法的确定 | 第54页 |
| 3.6.3 脏蛋检测结果及分析 | 第54-55页 |
| 3.7 本章小结 | 第55-57页 |
| 第4章 禽蛋表面裂纹检测 | 第57-73页 |
| 4.1 引言 | 第57页 |
| 4.2 禽蛋表面裂纹图像分析 | 第57-58页 |
| 4.2.1 禽蛋裂纹图像 | 第57-58页 |
| 4.2.2 图像亮度分析 | 第58页 |
| 4.3 禽蛋表面裂纹增强 | 第58-63页 |
| 4.4 基于双阈值的图像分割 | 第63-64页 |
| 4.5 裂纹目标的识别 | 第64-70页 |
| 4.5.1 误分割边缘的去除 | 第64-65页 |
| 4.5.2 特征参数的选取与计算 | 第65-69页 |
| 4.5.3 裂纹的识别结果 | 第69-70页 |
| 4.6 破损蛋检测结果与分析 | 第70-71页 |
| 4.7 本章小结 | 第71-73页 |
| 第5章 应用软件系统开发 | 第73-81页 |
| 5.1 引言 | 第73页 |
| 5.2 软件整体结构设计 | 第73-74页 |
| 5.3 视觉检测系统软件功能实现 | 第74-80页 |
| 5.3.1 用户管理模块 | 第74-76页 |
| 5.3.2 禽蛋图像采集模块 | 第76-77页 |
| 5.3.3 禽蛋表面缺陷检测模块 | 第77-79页 |
| 5.3.4 检测结果查询模块 | 第79-80页 |
| 5.4 本章小结 | 第80-81页 |
| 第6章 结论与展望 | 第81-83页 |
| 6.1 结论 | 第81-82页 |
| 6.2 创新点 | 第82页 |
| 6.3 展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 攻读学位期间参加的科研项目和成果 | 第89页 |
