| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 GPU的计算优势 | 第9-11页 |
| 1.3 缺陷检测的研究现状 | 第11-14页 |
| 1.3.1 机器视觉应用于缺陷检测 | 第11-13页 |
| 1.3.2 GPU在图像处理中的应用研究 | 第13-14页 |
| 1.4 论文创新点分析 | 第14-15页 |
| 1.5 论文主要工作与内容安排 | 第15-17页 |
| 第2章 系统结构 | 第17-24页 |
| 2.1 检测标准 | 第17页 |
| 2.2 系统硬件结构介绍 | 第17-23页 |
| 2.2.1 光源 | 第19-20页 |
| 2.2.2 相机 | 第20-23页 |
| 2.2.2.1 相机参数 | 第20-21页 |
| 2.2.2.2 线阵工业相机 | 第21-22页 |
| 2.2.2.3 线阵工业相机相机和面阵工业相机对比 | 第22-23页 |
| 2.2.3 镜头 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 CUDA编程简介 | 第24-33页 |
| 3.1 CUDA编程模型 | 第24-27页 |
| 3.2 CUDA存储器模型 | 第27-29页 |
| 3.3 CUDA软件架构 | 第29-30页 |
| 3.4 CUDA并行程序优化方法简介 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 检测算法及其并行化 | 第33-57页 |
| 4.1 形态学滤波 | 第34-44页 |
| 4.1.1 数学形态学的介绍 | 第35-38页 |
| 4.1.2 灰度图像的腐蚀与膨胀 | 第38-40页 |
| 4.1.3 基于CUDA实现的形态学滤波 | 第40-44页 |
| 4.2 边缘检测 | 第44-53页 |
| 4.2.1 边缘检测流程 | 第44-50页 |
| 4.2.2 基于CUDA实现的边缘检测 | 第50-53页 |
| 4.3 阈值化处理 | 第53-55页 |
| 4.3.1 Otsu阈值处理 | 第54-55页 |
| 4.3.2 基于CUDA实现的Otsu阈值化方法 | 第55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 实验结果及分析 | 第57-66页 |
| 5.1 实验平台 | 第57页 |
| 5.2 实验结果及性能分析 | 第57-65页 |
| 5.2.1 擦痕缺陷实验分析 | 第58-60页 |
| 5.2.2 结石缺陷实验分析 | 第60-62页 |
| 5.2.3 其他缺陷实验分析 | 第62-64页 |
| 5.2.4 气线缺陷问题分析 | 第64-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表学术论文情况 | 第74页 |