| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的来源 | 第10页 |
| 1.2 课题背景与研究意义 | 第10-11页 |
| 1.2.1 课题的背景 | 第10-11页 |
| 1.2.2 研究的意义 | 第11页 |
| 1.3 研究现状 | 第11-13页 |
| 1.3.1 机器视觉检测技术的应用概况 | 第11-12页 |
| 1.3.2 复杂背景下目标识别技术国内外研究现状 | 第12-13页 |
| 1.3.3 复杂背景下目标识别的关键技术分析 | 第13页 |
| 1.4 研究内容及结构安排 | 第13-15页 |
| 1.4.1 本课题研究的内容介绍 | 第13-14页 |
| 1.4.2 本课题总体结构安排 | 第14-15页 |
| 第2章 视觉检测系统概要 | 第15-21页 |
| 2.1 视觉检测系统的组成 | 第15-16页 |
| 2.2 视觉系统的标定 | 第16-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 复杂背景边缘检测识别技术研究 | 第21-41页 |
| 3.1 传统边缘检测技术研究 | 第21-23页 |
| 3.1.1 边缘的概念 | 第21页 |
| 3.1.2 传统边缘检测算法 | 第21-22页 |
| 3.1.3 传统边缘检测算法效果对比分析 | 第22-23页 |
| 3.2 复杂背景下目标识别问题的提出 | 第23-25页 |
| 3.3 基于改进PCNN算法的边缘检测方法的提出 | 第25-33页 |
| 3.3.1 PCNN的原理 | 第25-27页 |
| 3.3.2 PCNN在边缘提取中的应用 | 第27-29页 |
| 3.3.3 改进PCNN算法与仿真实验验证 | 第29-31页 |
| 3.3.4 基于改进PCNN算法的边缘检测方法的实现 | 第31-33页 |
| 3.4 基于图像深度信息的边缘检测方法的提出 | 第33-40页 |
| 3.4.1 基于图像深度信息的边缘检测方法的提出意义 | 第33-34页 |
| 3.4.2 图像深度信息应用概况 | 第34-35页 |
| 3.4.3 图像深度信息的提取 | 第35-39页 |
| 3.4.4 基于图像深度的边缘检测方法的实现 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 继电器盖在线检测识别系统技术研究 | 第41-51页 |
| 4.1 引言 | 第41-42页 |
| 4.2 检测系统的总体设计原理 | 第42页 |
| 4.3 检测系统硬件的构成 | 第42-46页 |
| 4.3.1 视觉系统硬件构成 | 第43-45页 |
| 4.3.2 执行机构硬件构成 | 第45-46页 |
| 4.4 检测系统软件的设计 | 第46-47页 |
| 4.4.1 系统软件的开发平台 | 第46页 |
| 4.4.2 系统软件 | 第46-47页 |
| 4.5 实验验证与结果分析 | 第47-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第5章 轮胎带束层在线视觉检测系统技术研究 | 第51-59页 |
| 5.1 引言 | 第51-53页 |
| 5.1.1 国内外轮胎缺陷检测技术 | 第51-52页 |
| 5.1.2 轮胎带束层的主要缺陷 | 第52-53页 |
| 5.2 视觉检测系统设计 | 第53-56页 |
| 5.2.1 视觉系统选型 | 第53-54页 |
| 5.2.2 软件系统设计 | 第54-56页 |
| 5.3 实验调试与验证 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 研究总结与展望 | 第59-61页 |
| 6.1 课题的研究总结 | 第59-60页 |
| 6.2 未来研究展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 在学期间科研成果情况 | 第65页 |