| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·表面检测系统发展现状 | 第11-14页 |
| ·表面检测系统的理论发展现状 | 第11-12页 |
| ·表面检测系统的应用发展现状 | 第12-14页 |
| ·本文的主要工作 | 第14页 |
| ·本文章节安排 | 第14-16页 |
| 第二章 背景知识概述 | 第16-26页 |
| ·引言 | 第16页 |
| ·数字图像处理技术概述 | 第16-19页 |
| ·数字图像颜色模型 | 第16-18页 |
| ·数字图像表示方法 | 第18-19页 |
| ·数字图像处理方法 | 第19页 |
| ·神经网络概述 | 第19-24页 |
| ·人工神经网络的历史 | 第19-20页 |
| ·人工神经网络的基本结构 | 第20-24页 |
| ·神经元模型 | 第20页 |
| ·激活函数 | 第20-22页 |
| ·神经元连接方式 | 第22-23页 |
| ·神经网络学习方式 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 条形码图像检测算法研究 | 第26-42页 |
| ·引言 | 第26页 |
| ·传统图像缺陷检测算法分析 | 第26-27页 |
| ·条形码图像预处理 | 第27-31页 |
| ·条形码旋转校正 | 第28-29页 |
| ·条形码水平分割 | 第29-30页 |
| ·字符垂直分割 | 第30-31页 |
| ·基于字典树的条形码查重算法 | 第31-33页 |
| ·基于误差反向传播神经网络的条形码图像缺陷检测算法研究 | 第33-41页 |
| ·基于BP神经网络条形码图像缺陷检测算法框架 | 第33-35页 |
| ·基于BP神经网络条形码图像缺陷检测算法 | 第35-40页 |
| ·缺陷图像特征提取 | 第35-37页 |
| ·BP神经网络构造 | 第37-39页 |
| ·BP神经网络训练 | 第39-40页 |
| ·基于BP神经网络条形码图像缺陷检测算法流程 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 表面检测系统设计与实现 | 第42-61页 |
| ·引言 | 第42页 |
| ·表面检测系统整体架构 | 第42-44页 |
| ·表面检测系统整体架构图 | 第42-43页 |
| ·全局数据结构设计 | 第43-44页 |
| ·表面检测系统主要模块实现 | 第44-60页 |
| ·图像处理模块实现 | 第44-52页 |
| ·功能分析 | 第44页 |
| ·检测算法模块 | 第44-49页 |
| ·配置文件解析及动态库加载模块 | 第49-50页 |
| ·网络通信模块 | 第50-52页 |
| ·图像控制模块实现 | 第52-60页 |
| ·功能分析 | 第52页 |
| ·用户管理模块 | 第52-53页 |
| ·数据库模块 | 第53-54页 |
| ·内存管理模块 | 第54-58页 |
| ·网络通信模块 | 第58-59页 |
| ·系统日志模块 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 表面检测系统测试 | 第61-70页 |
| ·测试环境 | 第61页 |
| ·内存池效率测试 | 第61-63页 |
| ·图像缺陷检测算法测试 | 第63-69页 |
| ·测试性能指标 | 第63页 |
| ·实验测试及结果分析 | 第63-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·未来研究工作的展望 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士研究生期间发表论文 | 第75页 |