摘要 | 第1-6页 |
ABSTRACT | 第6-7页 |
致谢 | 第7-11页 |
插图清单 | 第11-12页 |
表格清单 | 第12-13页 |
第一章 前言 | 第13-19页 |
·机器视觉的概述 | 第13-16页 |
·机器视觉的定义及特点 | 第13页 |
·机器视觉国内外发展情况 | 第13-14页 |
·机器视觉在国外的发展 | 第13页 |
·机器视觉在国内的发展 | 第13-14页 |
·机器视觉系统过程 | 第14-15页 |
·机器视觉存在的问题 | 第15页 |
·机器视觉的未来发展趋势 | 第15-16页 |
·本课题研究的背景 | 第16-17页 |
·本课题的来源及意义 | 第16页 |
·本课题研究发展现状 | 第16-17页 |
·本课题研究的内容 | 第17页 |
·本章小结 | 第17-19页 |
第二章 系统总体结构 | 第19-31页 |
·系统设计 | 第19-21页 |
·需求分析 | 第19-20页 |
·系统目标 | 第20页 |
·系统功能图 | 第20-21页 |
·药用玻璃瓶缺陷特征提取的方案设计 | 第21-29页 |
·总体设计方案 | 第21-22页 |
·检测系统硬件选择 | 第22-27页 |
·摄像机的选择与分析 | 第22-23页 |
·镜头的分析与选择 | 第23-25页 |
·光源的选择和照明方式的设计 | 第25-27页 |
·SEED-DVS6467T平台 | 第27页 |
·检测系统软件设计 | 第27-29页 |
·CCS开发环境 | 第27-28页 |
·软件设计 | 第28-29页 |
·药用玻璃瓶缺陷检测系统平台的搭建 | 第29-30页 |
·本章小结 | 第30-31页 |
第三章 药用玻璃瓶图像处理算法的分析及系统测试 | 第31-49页 |
·噪声的分类 | 第31-32页 |
·图像滤波 | 第32-36页 |
·中值滤波 | 第32-33页 |
·邻域均值滤波 | 第33-34页 |
·维纳滤波 | 第34-35页 |
·滤波比较 | 第35-36页 |
·图像分割 | 第36-42页 |
·一维最大类间方差法 | 第37-38页 |
·二维Otsu法 | 第38-40页 |
·传统的二维Otsu法 | 第38-40页 |
·一种快速二维Otsu算法 | 第40页 |
·改进的二维Otsu阈值 | 第40-41页 |
·图像分割算法比较 | 第41-42页 |
·边缘检测 | 第42-47页 |
·Sobel算子 | 第43页 |
·Roberts算子 | 第43-44页 |
·Canny算子 | 第44-45页 |
·拉普拉斯高斯(LOG)算子 | 第45页 |
·数学形态学边缘检测算子 | 第45-47页 |
·边缘检测的实验结果及分析 | 第47页 |
·系统测试 | 第47-48页 |
·本章小结 | 第48-49页 |
第四章 药用玻璃瓶缺陷特征提取和识别 | 第49-61页 |
·特征提取的原理 | 第49页 |
·特征参数的提取 | 第49-51页 |
·药用玻璃瓶缺陷目标面积 | 第49-50页 |
·药用玻璃瓶缺陷目标周长 | 第50页 |
·药用玻璃瓶缺陷目标的圆形度 | 第50-51页 |
·药用玻璃瓶缺陷目标的矩形度 | 第51页 |
·药用玻璃瓶缺陷目标的长宽比 | 第51页 |
·药用玻璃瓶缺陷目标的离散度 | 第51页 |
·药用玻璃瓶缺陷的识别 | 第51-59页 |
·BP神经网络 | 第52-55页 |
·BP神经网络结构 | 第52-54页 |
·BP神经网络的基本原理 | 第54-55页 |
·基于遗传BP神经网络算法在药用玻璃瓶缺陷检测中的应用 | 第55-59页 |
·遗传算法的基本原理及过程 | 第55-56页 |
·基于遗传BP神经网络算法 | 第56页 |
·药用玻璃瓶缺陷检测的遗传BP神经网络算法的设计 | 第56-58页 |
·模式识别的实验分析 | 第58-59页 |
·误差分析 | 第59-60页 |
·本章小结 | 第60-61页 |
第五章 结束语 | 第61-63页 |
·总结 | 第61-62页 |
·展望 | 第62-63页 |
参考文献 | 第63-67页 |
攻读硕士期间发表的论文 | 第67-68页 |