摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-20页 |
1.1 医药包片识别系统的研究背景与意义 | 第10-11页 |
1.2 机器视觉技术应用概述 | 第11-18页 |
1.2.1 机器视觉概念 | 第11-12页 |
1.2.2 机器视觉系统 | 第12-13页 |
1.2.3 光源照明技术 | 第13-14页 |
1.2.4 视觉成像系统 | 第14-15页 |
1.2.5 机器视觉在工业检测中的应用 | 第15-18页 |
1.3 基于机器视觉的医药包片识别系统研究现状 | 第18-19页 |
1.4 研究内容与论文构成 | 第19-20页 |
第2章 医药包片识别系统整体设计 | 第20-30页 |
2.1 检测系统要求 | 第20页 |
2.2 系统总体方案设计 | 第20-24页 |
2.2.1 系统功能与结构框架 | 第20-22页 |
2.2.2 系统工作流程 | 第22-24页 |
2.3 视觉成像系统设计 | 第24-27页 |
2.3.1 工业相机和镜头选型 | 第24-26页 |
2.3.2 光学系统设计 | 第26-27页 |
2.4 药包卷绕装置 | 第27-28页 |
2.5 药包均衡器 | 第28页 |
2.6 运动控制 | 第28-29页 |
2.7 本章小结 | 第29-30页 |
第3章 药片图像处理算法 | 第30-51页 |
3.1 药片图像预处理 | 第30-37页 |
3.1.1 噪声模型与经典滤波器 | 第30-31页 |
3.1.2 基于噪声检测的改进自适应中值滤波 | 第31-34页 |
3.1.3 彩色图像预处理 | 第34-35页 |
3.1.4 红外光图像预处理 | 第35-37页 |
3.2 单一药片区域提取 | 第37-44页 |
3.2.1 药片区域标记与边界跟踪 | 第37-40页 |
3.2.2 基于改进弧弦比法的重叠药片分离 | 第40-43页 |
3.2.3 药片区域提取 | 第43-44页 |
3.3 药片图像特征提取 | 第44-49页 |
3.3.1 图像特征与特征提取概述 | 第44页 |
3.3.2 形状特征 | 第44-48页 |
3.3.3 颜色特征 | 第48页 |
3.3.4 特征数据归一化 | 第48-49页 |
3.4 药片特征提取数据分析 | 第49-50页 |
3.5 本章小结 | 第50-51页 |
第4章 基于特征匹配与匹配度评价的药片识别 | 第51-56页 |
4.1 特征匹配与匹配度评价的算法思想 | 第51页 |
4.2 基于特征匹配与匹配度评价的药片识别算法实现 | 第51-54页 |
4.2.1 匹配度计算 | 第51-52页 |
4.2.2 特征权重学习 | 第52-53页 |
4.2.3 匹配度评价 | 第53-54页 |
4.3 药片识别测试 | 第54-55页 |
4.4 本章小结 | 第55-56页 |
第5章 基于SVM分类器的药片识别 | 第56-69页 |
5.1 分类与分类器 | 第56-58页 |
5.1.1 常用分类器及其特点 | 第56页 |
5.1.2 多分类器融合 | 第56-58页 |
5.2 SVM分类器原理 | 第58-62页 |
5.2.1 线性可分最优分类线 | 第58-60页 |
5.2.2 线性不可分 | 第60-61页 |
5.2.3 非线性 | 第61-62页 |
5.3 多类SVM分类器 | 第62-63页 |
5.4 基于自适应加权多分类器融合的药片识别 | 第63-66页 |
5.5 分类测试实验 | 第66-68页 |
5.5.1 算法参数设置 | 第66-67页 |
5.5.2 分类识别结果分析 | 第67-68页 |
5.6 本章小结 | 第68-69页 |
第6章 系统软件设计 | 第69-79页 |
6.1 系统软件架构 | 第69-72页 |
6.2 系统软件具体实现 | 第72-77页 |
6.2.1 药品建模模块 | 第72-73页 |
6.2.2 实时检测模块 | 第73-74页 |
6.2.3 历史记录模块 | 第74-75页 |
6.2.4 错误处理模块 | 第75-77页 |
6.2.5 系统管理模块 | 第77页 |
6.2.6 通信连接模块 | 第77页 |
6.3 软件系统测试 | 第77-78页 |
6.4 本章小结 | 第78-79页 |
总结与展望 | 第79-81页 |
参考文献 | 第81-86页 |
致谢 | 第86-87页 |
附录A 攻读学位期间所发表的学术论文目录 | 第87页 |