基于机器视觉的烟支缺陷自动检测技术研究
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第14-19页 |
1.1 研究背景与意义 | 第14-15页 |
1.2 国内外研究现状 | 第15-17页 |
1.2.1 机器视觉检测技术研究现状 | 第15-16页 |
1.2.2 烟支缺陷检测的相关研究现状 | 第16-17页 |
1.3 本文的研究内容及结构安排 | 第17-19页 |
第2章 烟支图像预处理 | 第19-34页 |
2.1 烟支图像样本分析 | 第19-20页 |
2.2 彩色图像灰度化 | 第20-25页 |
2.2.1 彩色空间模型 | 第20-22页 |
2.2.2 基于RGB空间的灰度化 | 第22-23页 |
2.2.3 基于HSV空间的灰度化 | 第23-24页 |
2.2.4 实验结果与分析 | 第24-25页 |
2.3 图像去噪 | 第25-27页 |
2.3.1 均值滤波 | 第25-26页 |
2.3.2 高斯滤波 | 第26页 |
2.3.3 中值滤波 | 第26页 |
2.3.4 实验结果与分析 | 第26-27页 |
2.4 图像二值化 | 第27-31页 |
2.4.1 类间方差法(Otsu法) | 第28-29页 |
2.4.2 迭代法 | 第29页 |
2.4.3 局部阈值法 | 第29页 |
2.4.4 烟支灰度图像分析 | 第29-30页 |
2.4.5 实验结果与分析 | 第30-31页 |
2.5 图像形态学滤波 | 第31-32页 |
2.6 本章小结 | 第32-34页 |
第3章 烟支排列区域提取和定位 | 第34-48页 |
3.1 基于投影法的烟支排列区域提取 | 第34-41页 |
3.1.1 投影法原理 | 第35-36页 |
3.1.2 滤波修正 | 第36-37页 |
3.1.3 边界搜索 | 第37-39页 |
3.1.4 边界校正 | 第39-40页 |
3.1.5 实验与结果 | 第40-41页 |
3.2 基于模型引导的自适应烟支定位 | 第41-47页 |
3.2.1 烟支排列模型 | 第41页 |
3.2.2 局部特征提取 | 第41-43页 |
3.2.3 搜索算法 | 第43-45页 |
3.2.4 实验结果与分析 | 第45-47页 |
3.3 本章小结 | 第47-48页 |
第4章 缺陷检测方法 | 第48-62页 |
4.1 烟支检测内容分析 | 第48-49页 |
4.2 烟支异物检测 | 第49-51页 |
4.2.1 基于模板匹配的烟支异物检测 | 第49-50页 |
4.2.2 模板大小选取 | 第50-51页 |
4.3 烟支排列检测 | 第51-56页 |
4.3.1 排列相似度指标研究 | 第52-55页 |
4.3.2 排列检测门限选取 | 第55-56页 |
4.4 烟支空头检测 | 第56-61页 |
4.4.1 针对烟支空头检测的二值化方法 | 第57-58页 |
4.4.2 二值图像特征分析 | 第58-59页 |
4.4.3 空头相似度指标研究 | 第59-60页 |
4.4.4 空头检测门限选取 | 第60-61页 |
4.5 本章小结 | 第61-62页 |
第5章 烟支缺陷检测系统设计与实现 | 第62-68页 |
5.1 系统硬件结构 | 第62-63页 |
5.2 系统软件设计 | 第63-65页 |
5.2.1 系统软件结构 | 第63-64页 |
5.2.2 检测算法流程 | 第64-65页 |
5.2.3 软件界面简介 | 第65页 |
5.3 实验仿真结果与分析 | 第65-67页 |
5.3.1 检测精度测试 | 第66页 |
5.3.2 检测速度测试 | 第66-67页 |
5.4 本章小结 | 第67-68页 |
结论 | 第68-70页 |
参考文献 | 第70-74页 |
附录A 攻读硕士学位期间所发表的学术论文目录 | 第74-75页 |
致谢 | 第75页 |