基于图像处理的纤维铺放缺陷检测研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 先进复合材料及其低成本制造技术 | 第13-15页 |
| 1.1.1 先进复合材料 | 第13-14页 |
| 1.1.2 复合材料低成本制造技术 | 第14-15页 |
| 1.2 先进复合材料自动铺放技术 | 第15-16页 |
| 1.2.1 自动铺带成型技术 | 第15页 |
| 1.2.2 自动铺丝成型技术 | 第15-16页 |
| 1.3 数字图像处理技术在表面缺陷检测领域应用 | 第16-19页 |
| 1.3.1 数字图像处理技术 | 第17-18页 |
| 1.3.2 国内外研究现状及发展趋势 | 第18-19页 |
| 1.4 课题研究意义及研究内容 | 第19-22页 |
| 1.4.1 课题研究意义 | 第19-21页 |
| 1.4.2 课题主要研究内容 | 第21-22页 |
| 第二章 高质量缺陷图像采集 | 第22-31页 |
| 2.1 高质量图像含义 | 第22-23页 |
| 2.2 光源及照明方案分析 | 第23-25页 |
| 2.2.1 光源选取 | 第23-24页 |
| 2.2.2 照明方式 | 第24-25页 |
| 2.3 均匀漫反射光源建模仿真 | 第25-30页 |
| 2.3.1 圆顶漫反射光源 | 第25-26页 |
| 2.3.2 光源照度分布及其均匀性仿真 | 第26-27页 |
| 2.3.3 检测平面光照度均匀性仿真 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 预浸纱表面缺陷图像处理技术 | 第31-47页 |
| 3.1 预浸纱表面缺陷图像分析 | 第31页 |
| 3.2 预浸纱表面图像预处理 | 第31-35页 |
| 3.2.1 预浸纱图像的灰度补偿 | 第31-34页 |
| 3.2.2 中值滤波原理 | 第34-35页 |
| 3.3 基于图像复杂度的快速检测 | 第35-41页 |
| 3.3.1 图像复杂度及其描述方法 | 第35-37页 |
| 3.3.2 实验结果分析 | 第37-41页 |
| 3.4 预浸纱图像缺陷分割算法 | 第41-45页 |
| 3.4.1 差影分割算法 | 第41页 |
| 3.4.2 改进差影算法 | 第41-43页 |
| 3.4.2.1 标准背景图像的生成 | 第41-43页 |
| 3.4.2.2 二值分割 | 第43页 |
| 3.4.3 实验结果与分析 | 第43-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 预浸纱表面缺陷图像的特征提取 | 第47-54页 |
| 4.1 常见的缺陷类型 | 第47-48页 |
| 4.2 预浸纱缺陷特征提取 | 第48-52页 |
| 4.2.1 灰度特征 | 第48-49页 |
| 4.2.2 形状特征 | 第49页 |
| 4.2.3 HU不变矩特征 | 第49-52页 |
| 4.3 有效特征的选择 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 预浸纱表面缺陷检测识别 | 第54-67页 |
| 5.1 基于神经网络的预浸纱缺陷识别 | 第54-57页 |
| 5.1.1 人工神经网络 | 第54-55页 |
| 5.1.2 BP神经网络的关键参数的确定 | 第55-56页 |
| 5.1.3 BP神经网络在预浸纱缺陷识别中的应用 | 第56-57页 |
| 5.2 基于RBF网络的缺陷识别设计 | 第57-61页 |
| 5.2.1 RBF神经网络结构 | 第57-59页 |
| 5.2.2 RBF神经网络参数确定 | 第59页 |
| 5.2.3 RBF神经网络的训练和仿真 | 第59-61页 |
| 5.3 系统界面设计 | 第61-66页 |
| 5.3.1 系统的总体方案 | 第61-62页 |
| 5.3.2 各模块功能的实现 | 第62-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文工作总结 | 第67页 |
| 6.2 后续工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 在学期间的研究成果及发表的学术论文 | 第74页 |
