| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.2 机器人自动焊接系统概述 | 第11-13页 |
| 1.2.1 自动焊接技术原理 | 第11页 |
| 1.2.2 焊缝检测装置 | 第11-12页 |
| 1.2.3 卷积神经网络下的焊缝类型识别 | 第12-13页 |
| 1.3 焊缝跟踪技术的发展现状 | 第13-15页 |
| 1.3.1 国外焊缝跟踪技术的发展现状 | 第13-14页 |
| 1.3.2 国内焊缝跟踪技术的发展现状 | 第14-15页 |
| 1.4 课题主要研究内容 | 第15-16页 |
| 第2章 焊缝检测装置的硬件设计 | 第16-28页 |
| 2.1 焊缝检测装置的硬件总体方案 | 第16-17页 |
| 2.2 检测装置硬件的组成与设计 | 第17-27页 |
| 2.2.1 电源模块设计 | 第17-18页 |
| 2.2.2 光路模块设计 | 第18-19页 |
| 2.2.3 CMOS驱动模块设计 | 第19-22页 |
| 2.2.4 FPGA外围电路设计 | 第22页 |
| 2.2.5 图像缓冲模块与VGA/LCD接口设计 | 第22-26页 |
| 2.2.6 RS-485 通信接口设计 | 第26-27页 |
| 2.2.7 硬件平台的实现 | 第27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 焊缝检测装置中的图像处理 | 第28-43页 |
| 3.1 图像处理总体框架设计 | 第28-32页 |
| 3.1.1 传统图像处理流程 | 第28-29页 |
| 3.1.2 实时图像处理方法设计 | 第29-30页 |
| 3.1.3 激光三角法 | 第30-32页 |
| 3.2 图像的预处理 | 第32-38页 |
| 3.2.1 线性与非线性滤波器 | 第32-34页 |
| 3.2.2 光路补偿原理 | 第34-36页 |
| 3.2.3 二值化与形态学运算 | 第36-37页 |
| 3.2.4 传统预处理算法仿真实验 | 第37-38页 |
| 3.3 激光线提取 | 第38-41页 |
| 3.3.1 图像细化 | 第38-39页 |
| 3.3.2 激光线拟合 | 第39-40页 |
| 3.3.3 传统激光线提取算法仿真实验 | 第40-41页 |
| 3.4 焊缝实时特征提取算法 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 焊缝检测装置的软件设计 | 第43-64页 |
| 4.1 软件设计总体思想与方案 | 第43-44页 |
| 4.2 基于VerilogHDL的流水线式图像处理架构 | 第44-45页 |
| 4.3 软件模块实现 | 第45-61页 |
| 4.3.1 图像采集模块 | 第45-47页 |
| 4.3.2 图像预处理模块 | 第47-52页 |
| 4.3.3 特征提取与偏差计算模块 | 第52-56页 |
| 4.3.4 图像缓冲与显示模块 | 第56-59页 |
| 4.3.5 通信协议模块 | 第59-61页 |
| 4.4 实验数据分析 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 卷积神经网络下的焊缝类型识别 | 第64-74页 |
| 5.1 卷积神经网络的建立与硬件加速 | 第64-69页 |
| 5.1.1 Inception结构 | 第64-65页 |
| 5.1.2 网络模型结构设计 | 第65-67页 |
| 5.1.3 FPGA神经网络加速器 | 第67-69页 |
| 5.2 焊缝图像库建立 | 第69-71页 |
| 5.2.1 图像数据采集 | 第69-70页 |
| 5.2.2 样本拓展 | 第70-71页 |
| 5.3 网络模型训练 | 第71-73页 |
| 5.4 本章小结 | 第73-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第79-80页 |
| 致谢 | 第80页 |