首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

机器视觉检测在医药液杂质识别中的应用

摘要第5-6页
Abstract第6-7页
第1章 绪言第14-25页
    1.1 论文选题背景和意义第14页
    1.2 机器视觉检测技术概述第14-16页
    1.3 机器视觉检测技术国内外应用现状第16-20页
    1.4 机器视觉检测发展历史及技术未来发展方向第20-21页
    1.5 国内外医药液检测机器视觉发展现状第21-23页
    1.6 论文主要内容与重难点介绍第23-25页
        1.6.1 论文主要内容第23页
        1.6.2 论文重难点分析第23-25页
第2章 医药液杂质机器视觉检测平台第25-35页
    2.1 机器视觉检测平台基本模块介绍第25-28页
        2.1.1 照明光源第25-26页
        2.1.2 光学系统与工业相机第26-28页
        2.1.3 分析与处理软件第28页
    2.2 医药液杂质机器视觉检测硬件环境第28-32页
        2.2.1 医药液杂质机器视觉检测机械结构第28-30页
        2.2.2 医药液杂质机器视觉检测传送结构第30-31页
        2.2.3 医药液杂质机器视觉检测电气结构第31-32页
    2.3 医药液杂质检测软件环境第32-34页
        2.3.1 系统软件环境第32页
        2.3.2 系统软件设计目标第32页
        2.3.3 软件总体结构介绍第32-33页
        2.3.4 软件使用流程第33-34页
    2.4 本章小结第34-35页
第3章 基于尺度不变特征变换(SIFT)的时间序列图像位置矫正算法第35-46页
    3.1 局部特征提取算法介绍第35-37页
    3.2 预处理核心算法多尺度特征变换(SIFT)及其改进第37-40页
        3.2.1 SIFT尺度空间最值检测第38页
        3.2.2 SIFT关键点二次筛选与方向选择第38-39页
        3.2.3 SIFT特征点配对及其改进第39-40页
    3.3 序列图像位置矫正实验与分析第40-45页
        3.3.1 SIFT测算特征量第40-43页
        3.3.2 最小二乘法对齐矫正第43-44页
        3.3.3 实验结果对比与分析第44-45页
    3.4 本章小结第45-46页
第4章 基于脉冲耦合神经网络(PCNN)的杂质异物分割算法第46-56页
    4.1 基本PCNN介绍第46-48页
        4.1.1 PCNN背景介绍第46-47页
        4.1.2 PCNN模型介绍第47-48页
    4.2 基于最小交叉熵的PCNN改进模型第48-51页
        4.2.1 最小交叉熵基本概念第48页
        4.2.2 基本PCNN模型的改进模型1第48-49页
        4.2.3 最小交叉熵改进型PCNN分割结果第49-51页
    4.3 基于区域增长的PCNN改进模型第51-55页
        4.3.1 区域增长的基本概念第51-52页
        4.3.2 基本PCNN模型的改进模型2第52-53页
        4.3.3 区域增长改进型PCNN分割实验结果第53-55页
    4.4 本章小结第55-56页
第5章 基于运动轨迹的医药液杂质检测识别算法第56-73页
    5.1 医药液杂质传统检测方法及杂质分类介绍第56-57页
        5.1.1 医药液杂质传统检测方法第56页
        5.1.2 医药液可见异物的来源第56-57页
    5.2 医药液杂质轨迹的受力分析与运动方程第57-59页
    5.3 小目标检测问题TBD(Track-before-Detect)第59-60页
    5.4 隐马尔科夫算法的轨迹跟踪第60-67页
        5.4.1 HMM模型介绍第60-63页
        5.4.2 形态学图像预处理第63页
        5.4.3 HMM在图像目标跟踪的应用第63-66页
        5.4.4 HMM滤波器组与单个HMM滤波器实验结果第66-67页
    5.5 无迹卡尔曼滤波算法的轨迹跟踪第67-72页
        5.5.1 卡尔曼滤波简介第67-68页
        5.5.2 无迹卡尔曼滤波算法第68-70页
        5.5.3 UKF与EKF的实验对比第70-72页
    5.6 本章小结第72-73页
总结与展望第73-75页
参考文献第75-80页
附录A 攻读学位期间发表的论文情况第80-81页
附录B 攻读学位期间参与科研工作情况第81-82页
致谢第82页

论文共82页,点击 下载论文
上一篇:基于Fisher判别法的模拟电路故障诊断
下一篇:医药微弱异物双目视觉检测技术研究