钢板表面缺陷在线视觉检测系统关键技术研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-27页 |
| ·视觉检测系统概述 | 第9-15页 |
| ·视觉检测技术概述 | 第9-11页 |
| ·视觉检测系统基本构成 | 第11-13页 |
| ·Marr视觉检测理论框架 | 第13-15页 |
| ·钢板表面缺陷检测技术综述 | 第15-22页 |
| ·传统检测方法 | 第15页 |
| ·自动检测方法 | 第15-17页 |
| ·计算机视觉检测方法 | 第17-22页 |
| ·课题背景及研究意义 | 第22-24页 |
| ·钢板表面缺陷在线视觉检测系统关键技术分析 | 第24-25页 |
| ·论文主要研究内容 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第二章 钢板表面缺陷视觉检测系统研究 | 第27-35页 |
| ·视觉检测系统结构概述 | 第27-29页 |
| ·视觉检测系统方案确立 | 第27-28页 |
| ·线阵CCD扫描视觉检测系统结构 | 第28-29页 |
| ·光学成像子系统 | 第29-31页 |
| ·光源照明模块 | 第29-30页 |
| ·成像系统模块 | 第30-31页 |
| ·图像实时采集子系统 | 第31-32页 |
| ·图像准实时处理子系统 | 第32-33页 |
| ·缺陷分类子系统 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 钢板表面缺陷图像处理算法研究 | 第35-53页 |
| ·图像处理算法流程分析 | 第35-36页 |
| ·原始图像ROI检测 | 第36-37页 |
| ·图像预处理及增强算法 | 第37-42页 |
| ·图像背景校正 | 第37-40页 |
| ·保边缘低通滤波算法 | 第40-41页 |
| ·图像灰度拉伸 | 第41-42页 |
| ·图像分割处理算法 | 第42-52页 |
| ·图像边缘检测新算法 | 第43-48页 |
| ·阈值分割算法研究 | 第48-49页 |
| ·分水岭分割算法 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 钢板表面缺陷特征描述算法研究 | 第53-68页 |
| ·引言 | 第53-56页 |
| ·目标二维几何形状特征定义 | 第56-61页 |
| ·面积和周长 | 第56-58页 |
| ·最小外接矩形MER | 第58页 |
| ·密集度和形态比 | 第58-60页 |
| ·轮廓的傅立叶描述子 | 第60-61页 |
| ·欧拉数 | 第61页 |
| ·目标不变矩特征 | 第61-63页 |
| ·目标灰度统计特征定义 | 第63-65页 |
| ·有效特征选择 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 钢板表面缺陷模式分类算法研究 | 第68-91页 |
| ·模式识别分类器综述 | 第68-70页 |
| ·决策树分类算法研究 | 第70-72页 |
| ·贝叶斯决策理论 | 第72-75页 |
| ·基于最小错误率的贝叶斯决策理论 | 第72-73页 |
| ·贝叶斯最优分类器 | 第73-74页 |
| ·概率密度函数参数估计 | 第74-75页 |
| ·BP神经网络分类算法 | 第75-86页 |
| ·BP神经网络基本结构 | 第76-78页 |
| ·标准的BP算法 | 第78-83页 |
| ·改进BP算法的实用技术 | 第83-86页 |
| ·多分类器融合技术 | 第86-90页 |
| ·分类器并联集成技术 | 第86-88页 |
| ·分类器串联集成技术 | 第88-89页 |
| ·多级分类器识别性能的讨论 | 第89-90页 |
| ·本章小结 | 第90-91页 |
| 第六章 钢板表面缺陷视觉检测系统软件设计 | 第91-99页 |
| ·软件系统框图 | 第91-95页 |
| ·采集应用程序框图设计 | 第92-93页 |
| ·准实时处理应用程序框图设计 | 第93页 |
| ·数据库设计 | 第93-95页 |
| ·软件系统界面设计 | 第95-98页 |
| ·本章小结 | 第98-99页 |
| 第七章 钢板表面缺陷视觉检测系统实验结果 | 第99-113页 |
| ·实验系统概述 | 第99页 |
| ·摄像机平场校正实验 | 第99-100页 |
| ·钢板运动速度同步实验分析 | 第100-102页 |
| ·系统分辨率实验 | 第102页 |
| ·缺陷特征参数部分数据 | 第102-106页 |
| ·钢板表面缺陷模式分类算法实验 | 第106-112页 |
| ·二叉决策树实验结果 | 第107-108页 |
| ·贝叶斯分类器实验结果 | 第108-109页 |
| ·BP神经网络实验结果 | 第109-112页 |
| ·本章小结 | 第112-113页 |
| 全文总结与展望 | 第113-115页 |
| 参考文献 | 第115-123页 |
| 发表论文和科研情况说明 | 第123-124页 |
| 致谢 | 第124页 |
