| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究意义和目的 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·机器视觉识别与定位研究现状 | 第11-12页 |
| ·机器视觉外观检测研究现状 | 第12-13页 |
| ·智能电表自动化检测系统 | 第13-15页 |
| 第二章 智能电表身份识别 | 第15-38页 |
| ·智能电表图像去噪 | 第15-17页 |
| ·智能电表图像锐化 | 第17-18页 |
| ·图像二值化 | 第18-19页 |
| ·智能电表身份识别 | 第19-37页 |
| ·基于图像式的一维条码识别 | 第20-30页 |
| ·基于投影直方图匹配的数字识别 | 第30-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 智能电表液晶屏外观检测 | 第38-52页 |
| ·智能电表液晶屏字符区域分割 | 第38-46页 |
| ·液晶屏区域图像提取 | 第39-40页 |
| ·液晶屏区域图像增强 | 第40-45页 |
| ·液晶屏区域字符分割 | 第45-46页 |
| ·智能电表液晶屏字符信息检测 | 第46-47页 |
| ·汉字与符号信息检测 | 第46页 |
| ·数字符号信息检测 | 第46-47页 |
| ·智能电表液晶屏外观检测实验分析 | 第47-51页 |
| ·液晶屏区域图像增强与重构实验分析 | 第48-50页 |
| ·有损液晶屏外观检测实验分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 智能电表编程盖螺钉识别与精确定位 | 第52-76页 |
| ·图像纹理特征 | 第52-54页 |
| ·图像匹配算法 | 第54-68页 |
| ·模板匹配算法 | 第54-56页 |
| ·基于 OpenCV 的 Viola-Jones 分类器算法 | 第56-62页 |
| ·基于 PCA 的 BP 反向神经网络训练算法 | 第62-68页 |
| ·纹理重心法 | 第68-72页 |
| ·八方向的 sobel 算子 | 第69-70页 |
| ·积分图像 | 第70-71页 |
| ·纹理校正 | 第71-72页 |
| ·实验分析 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第五章 总结 | 第76-79页 |
| ·总结 | 第76-77页 |
| ·对后续研究的展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士期间发表的论文 | 第85页 |