带钢表面缺陷视觉检测与算法实现
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题背景与研究意义 | 第8-9页 |
| ·国内外发展状况 | 第9-10页 |
| ·国外发展状况 | 第9-10页 |
| ·国内发展状况 | 第10页 |
| ·带钢表面常见的缺陷 | 第10-11页 |
| ·本文研究的主要内容 | 第11-14页 |
| 第2章 机器视觉表面检测硬件系统 | 第14-18页 |
| ·机器视觉表面检测硬件系统结构概述 | 第14-15页 |
| ·工业CCD摄像机 | 第15-16页 |
| ·CCD工作原理 | 第15页 |
| ·敏通1881EH工业摄像机及镜头 | 第15-16页 |
| ·视场与检测分辨率 | 第16-17页 |
| ·视场计算 | 第16-17页 |
| ·检测分辨率 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第3章 机器视觉照明系统的研究 | 第18-45页 |
| ·机器视觉光源 | 第18-19页 |
| ·照明方式 | 第19-22页 |
| ·机器视觉照明系统数学建模 | 第22-24页 |
| ·基于TracePro光学软件照明系统仿真 | 第24-38页 |
| ·单个LED颗粒建模仿真 | 第25-26页 |
| ·机器视觉照明系统建模与仿真 | 第26-38页 |
| ·均匀度仿真结论分析 | 第38页 |
| ·机器视觉照明系统均匀度实验 | 第38-43页 |
| ·视觉照明系统下缺陷显现力实验 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 摄像机标定技术 | 第45-64页 |
| ·摄像机模型的建立 | 第45-48页 |
| ·基于张正友算法的摄像机标定 | 第48-54页 |
| ·张正友标定算法具体过程阐述 | 第48-51页 |
| ·敏通1881EH工业摄像机标定实验 | 第51-54页 |
| ·标定实验误差分析 | 第54页 |
| ·基于BP神经网络的摄像机标定 | 第54-63页 |
| ·BP神经网络训练样本的采集和选择 | 第56-57页 |
| ·基于BP神经网络的标定实验 | 第57-58页 |
| ·基于均匀设计法的神经网络参数优化及实验 | 第58-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 图像处理算法的研究 | 第64-82页 |
| ·表面缺陷图像处理过程分析 | 第64页 |
| ·带钢表面图像ROI检测 | 第64-65页 |
| ·图像预处理算法 | 第65-71页 |
| ·图像滤波去噪算法 | 第65-68页 |
| ·图像的灰度变换 | 第68-70页 |
| ·图像边缘锐化算法 | 第70-71页 |
| ·图像分割算法 | 第71-77页 |
| ·带钢表面缺陷特征描述方法的研究 | 第77-79页 |
| ·带钢表面缺陷图像处理实验结果 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 第6章 总结与展望 | 第82-84页 |
| ·总结 | 第82-83页 |
| ·展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 攻读学位期间的研究成果 | 第88页 |
