基于机器视觉的磁瓦表面缺陷检测技术研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 机器视觉检测技术国内外研究现状 | 第9-12页 |
| 1.2.1 国外的研究现状 | 第9-10页 |
| 1.2.2 国内的研究现状 | 第10-12页 |
| 1.3 磁瓦表面缺陷检测研究现状 | 第12-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 第2章 磁瓦内表面缺陷分析及硬件系统的设计 | 第16-30页 |
| 2.1 磁瓦内表面缺陷分析 | 第16-18页 |
| 2.2 检测原理 | 第18页 |
| 2.3 硬件系统的设计 | 第18-29页 |
| 2.3.1 系统设计原则 | 第18-19页 |
| 2.3.2 硬件设备选型 | 第19-22页 |
| 2.3.3 光源照明模块设计 | 第22-29页 |
| 2.3.4 实验平台的搭建 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 磁瓦图像处理算法研究 | 第30-55页 |
| 3.1 缺陷提取过程分析 | 第30-31页 |
| 3.2 感兴趣区域提取 | 第31-32页 |
| 3.3 图像去噪 | 第32-39页 |
| 3.3.1 磁瓦图像噪声分析 | 第32页 |
| 3.3.2 中值滤波及其改进算法 | 第32-34页 |
| 3.3.3 改进的自适应中值滤波算法 | 第34-36页 |
| 3.3.4 磁瓦图像滤波效果评价 | 第36-39页 |
| 3.4 图像分割 | 第39-52页 |
| 3.4.1 边缘检测 | 第39-45页 |
| 3.4.2 阈值处理 | 第45-52页 |
| 3.5 形态学处理 | 第52-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第4章 磁瓦内表面缺陷提取算法 | 第55-66页 |
| 4.1 明显缺陷的提取算法 | 第55-56页 |
| 4.2 浅裂纹缺陷提取算法 | 第56-60页 |
| 4.2.1 浅裂纹缺陷图像分析 | 第56-57页 |
| 4.2.2 基于纹理特征的缺陷提取算法 | 第57-59页 |
| 4.2.3 实验结果与分析 | 第59-60页 |
| 4.3 压痕缺陷提取算法 | 第60-65页 |
| 4.3.1 压痕缺陷图像分析 | 第60-62页 |
| 4.3.2 基于区域生长的缺陷提取算法 | 第62-65页 |
| 4.3.3 实验结果与分析 | 第65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 磁瓦缺陷特征提取与识别 | 第66-77页 |
| 5.1 概述 | 第66页 |
| 5.2 缺陷特征的提取和选择 | 第66-75页 |
| 5.2.1 缺陷特征的提取 | 第66-72页 |
| 5.2.2 缺陷特征的选择 | 第72-75页 |
| 5.3 缺陷的识别分类 | 第75-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读学位期间的研究成果 | 第84页 |
