基于分类器的液体内微小异物检测技术
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 液体中微小异物检测技术国内研究现状 | 第11-13页 |
| 1.2.2 液体中微小异物检测技术国外研究现状 | 第13-15页 |
| 1.3 异物视觉检测方案及检测难点分析 | 第15-16页 |
| 1.4 论文研究内容与结构安排 | 第16-18页 |
| 第二章 微小异物检测主要相关技术理论 | 第18-34页 |
| 2.1 机器视觉检测技术 | 第18-20页 |
| 2.2 弱小目标检测技术 | 第20-22页 |
| 2.3 液体中可见异物检测技术 | 第22-24页 |
| 2.4 SVM分类器分类技术 | 第24-33页 |
| 2.4.1 分类方法概述 | 第24-27页 |
| 2.4.2 基于SVM的分类原理 | 第27-33页 |
| 2.4.2.1 线性可分支持向量机 | 第27-30页 |
| 2.4.2.2 线性不可分支持向量机 | 第30-31页 |
| 2.4.2.3 非线性可分支持向量机 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 实验系统设计与实现 | 第34-48页 |
| 3.1 实验系统方案设计 | 第34-36页 |
| 3.1.1 第一版实验系统方案设计 | 第34-35页 |
| 3.1.2 第二版实验系统方案设计 | 第35-36页 |
| 3.2 光源及照明方案设计 | 第36-40页 |
| 3.2.1 机器视觉光源选择 | 第36-37页 |
| 3.2.2 机器视觉光源照明技术 | 第37-38页 |
| 3.2.3 实验系统照明方式选择 | 第38-40页 |
| 3.3 图像采集装置选型 | 第40-43页 |
| 3.3.1 工业相机选型 | 第40-41页 |
| 3.3.2 工业相机镜头的选择 | 第41-43页 |
| 3.4 系统机电控制 | 第43-46页 |
| 3.4.1 步进电机动作控制 | 第44-46页 |
| 3.4.2 图像采集控制 | 第46页 |
| 3.5 系统工作过程 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 可见异物检测图像处理算法研究 | 第48-76页 |
| 4.1 引言 | 第48页 |
| 4.2 图像预处理 | 第48-50页 |
| 4.3 图像特征提取 | 第50-56页 |
| 4.3.1 目标形状特征提取 | 第51-54页 |
| 4.3.2 目标灰度特征提取 | 第54-56页 |
| 4.4 分类器算法设计 | 第56-64页 |
| 4.4.1 静止大异物检测算法设计 | 第57-59页 |
| 4.4.2 微小运动异物检测算法设计 | 第59-64页 |
| 4.4.2.1 距离、黑白分类器算法设计 | 第60-62页 |
| 4.4.2.2 SVM分类器算法设计 | 第62-64页 |
| 4.5 SVM分类器参数选择 | 第64-71页 |
| 4.5.1 核函数选择 | 第64-65页 |
| 4.5.2 网格搜索法 | 第65-67页 |
| 4.5.3 基于GA的SVM参数选择 | 第67-68页 |
| 4.5.4 基于PSO的SVM参数选择 | 第68-71页 |
| 4.6 SVM分类器实验结果及结果分析 | 第71-75页 |
| 4.6.1 SVM实验结果 | 第71-73页 |
| 4.6.2 实验结果分析 | 第73-75页 |
| 4.7 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 全文总结 | 第76-77页 |
| 5.2 课题展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间取得的成果 | 第84页 |
