基于机器视觉罐装食品瓶盖字符识别与缺陷检测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 光学文本识别的研究动态及发展趋势 | 第9-10页 |
| 1.3 本章小结 | 第10-11页 |
| 2 瓶体字符检测系统的硬件组成 | 第11-16页 |
| 2.1 机器视觉硬件系统介绍 | 第11-12页 |
| 2.2 相机和镜头 | 第12-13页 |
| 2.2.1 工业相机 | 第12页 |
| 2.2.2 镜头 | 第12-13页 |
| 2.3 图像采集卡 | 第13-14页 |
| 2.4 光源系统 | 第14-15页 |
| 2.5 本章小结 | 第15-16页 |
| 3 瓶体图像校正与拼接算法研究 | 第16-25页 |
| 3.1 柱面坐标变换校正方法 | 第16-17页 |
| 3.2 基于三维标定的校正方法 | 第17-22页 |
| 3.2.1 相机安装示意图 | 第17-18页 |
| 3.2.2 相机标定 | 第18-19页 |
| 3.2.3 瓶体位姿确定 | 第19-20页 |
| 3.2.4 瓶体半径的确定 | 第20页 |
| 3.2.5 瓶体模型的建立 | 第20-21页 |
| 3.2.6 模型点与图像之间的映射 | 第21页 |
| 3.2.7 实验结果 | 第21-22页 |
| 3.3 图像拼接算法研究 | 第22-24页 |
| 3.3.1 图像的对准 | 第23-24页 |
| 3.3.2 重叠区域的融合 | 第24页 |
| 3.3.3 实验结果 | 第24页 |
| 3.4 本章小结 | 第24-25页 |
| 4 字符识别与缺陷检测算法研究 | 第25-45页 |
| 4.1 图像预处理 | 第25-27页 |
| 4.1.1 图像增强 | 第25-27页 |
| 4.1.2 图像二值化 | 第27页 |
| 4.2 字符分割 | 第27-30页 |
| 4.2.1 形态学操作 | 第29-30页 |
| 4.3 字符的识别(OCR) | 第30-34页 |
| 4.3.1 字符特征提取 | 第30-31页 |
| 4.3.2 字符识别算法研究 | 第31-34页 |
| 4.4 字符识别实验 | 第34-38页 |
| 4.4.1 样本训练 | 第34-37页 |
| 4.4.2 字符识别 | 第37-38页 |
| 4.5 字符检测算法研究 | 第38-44页 |
| 4.5.1 基于灰度的模板匹配方法 | 第39-40页 |
| 4.5.2 基于边缘的模板匹配方法 | 第40-42页 |
| 4.5.3 基于形状的模板匹配 | 第42-43页 |
| 4.5.4 基于特征的模板匹配方法 | 第43页 |
| 4.5.5 基于模板对比的字符检测算法 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 5 软件系统设计 | 第45-57页 |
| 5.1 图像处理算法开发包介绍 | 第45-46页 |
| 5.1.1 OpenCV图像处理库介绍 | 第45页 |
| 5.1.2 Halcon图像开发库介绍 | 第45-46页 |
| 5.1.3 Qt介绍 | 第46页 |
| 5.2 软件系统设计 | 第46-56页 |
| 5.2.1 主窗体模块 | 第49-51页 |
| 5.2.2 模板制作模块 | 第51-52页 |
| 5.2.3 相机模块 | 第52-55页 |
| 5.2.4 数据库设计 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 7 参考文献 | 第59-64页 |
| 8 致谢 | 第64页 |
