冷轧钢板表面质量在线监测系统研究
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·表面监测技术的发展 | 第9-15页 |
| ·离线抽检与人工目测相结合的检测阶段 | 第9-10页 |
| ·基于单纯机电技术或光电技术的检测方式 | 第10-12页 |
| ·基于光机电一体化的机器视觉检测技术 | 第12-15页 |
| ·表面监测技术的研究现状 | 第15-16页 |
| ·表面监测技术的意义 | 第16-17页 |
| 第二章 冷轧钢板表面质量在线监测系统的设计 | 第17-37页 |
| ·冷轧钢板表面缺陷图像及成因分析 | 第17-18页 |
| ·冷轧钢板表面质量在线监测系统性能需求 | 第18-19页 |
| ·系统的硬件结构设计 | 第19-32页 |
| ·整体结构设计 | 第19-20页 |
| ·计算机硬件系统 | 第20页 |
| ·摄像系统的确定 | 第20-27页 |
| ·照明方式 | 第27-31页 |
| ·其他辅助装置 | 第31-32页 |
| ·系统的软件结构设计 | 第32-37页 |
| ·客户机软件系统 | 第33-34页 |
| ·服务器软件系统 | 第34-36页 |
| ·控制台软件 | 第36-37页 |
| 第三章 人工神经网络 | 第37-43页 |
| ·人工神经元 | 第37-38页 |
| ·人工神经网络的优点 | 第38-39页 |
| ·径向基函数(RBF)神经网络的基本概念 | 第39-43页 |
| ·RBF 神经网络中心选取方法 | 第39-40页 |
| ·基于高斯核的RBF 神经网络拓扑结构 | 第40-43页 |
| 第四章 冷轧钢板表面缺陷的特征提取研究 | 第43-50页 |
| ·几何特征提取 | 第43-46页 |
| ·简单描述符 | 第43-44页 |
| ·形状描述符 | 第44-45页 |
| ·不变矩 | 第45-46页 |
| ·灰度特征提取 | 第46-47页 |
| ·纹理特征提取 | 第47-50页 |
| 第五章 冷轧钢板表面缺陷的分类技术研究 | 第50-71页 |
| ·基于RBF 网络的分类器设计 | 第50-54页 |
| ·RBF 网络训练 | 第51-54页 |
| ·RBF 网络分类器的网络结构 | 第54页 |
| ·冷轧钢板表面缺陷分类识别过程 | 第54-55页 |
| ·RBF 网络分类器实验 | 第55-60页 |
| ·RBF 网络训练样本的获取 | 第55-56页 |
| ·RBF 网络分类器的识别结果 | 第56-60页 |
| ·BP 网络分类器实验 | 第60-65页 |
| ·BP 网络训练样本的获取 | 第60-61页 |
| ·BP 网络分类器的识别结果 | 第61-65页 |
| ·RBF 与BP 网络对比 | 第65-71页 |
| ·RBF 与BP 网络训练结果对比 | 第65-69页 |
| ·RBF 与BP 网络缺陷识别结果对比 | 第69-71页 |
| 第六章 全文总结和展望 | 第71-73页 |
| ·论文总结 | 第71-72页 |
| ·工作展望 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75页 |
