货车滚动轴承内圈滚道面缺陷自动检测系统设计
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第14-21页 |
| 1.1 课题研究概述 | 第14-16页 |
| 1.1.1 课题背景 | 第14-15页 |
| 1.1.2 课题研究目的和意义 | 第15-16页 |
| 1.2 课题相关研究现状 | 第16-20页 |
| 1.3 课题研究主要内容 | 第20-21页 |
| 2 检测系统总体方案 | 第21-25页 |
| 2.1 传动部分结构及原理 | 第21页 |
| 2.2 检测系统总体构成及原理 | 第21-22页 |
| 2.3 绘图工具和图像处理工具 | 第22-25页 |
| 2.3.1 绘图工具----SolidWorks | 第22-23页 |
| 2.3.2 图像处理工具----MATLAB | 第23-25页 |
| 3 图像采集系统设计 | 第25-35页 |
| 3.1 轴承内圈滚道面给定参数 | 第25页 |
| 3.2 系统结构设计及其工作流程 | 第25-28页 |
| 3.3 关键零部件的选择与设计 | 第28-35页 |
| 3.3.1 CCD 摄像机的选择 | 第28-31页 |
| 3.3.2 调速电机的选择 | 第31-33页 |
| 3.3.3 光源的选择 | 第33-34页 |
| 3.3.4 其它零件结构尺寸设计 | 第34-35页 |
| 4 缺陷检测程序设计 | 第35-54页 |
| 4.1 图像预处理 | 第36-40页 |
| 4.1.1 中值滤波 | 第36-38页 |
| 4.1.2 图像二值化 | 第38-40页 |
| 4.2 特征提取 | 第40-43页 |
| 4.2.1 纹理特征 | 第41-43页 |
| 4.2.2 二值比特征 | 第43页 |
| 4.3 人工神经网络的设计 | 第43-53页 |
| 4.3.1 人工神经网络模型的选取 | 第44-46页 |
| 4.3.2 BP 神经网络 | 第46-47页 |
| 4.3.3 BP 神经网络训练样本的选取 | 第47-49页 |
| 4.3.4 BP 神经网络训练次数的确定 | 第49页 |
| 4.3.5 BP 神经网络结构的设计 | 第49-52页 |
| 4.3.6 BP 二值比特征实用性测试 | 第52-53页 |
| 4.4 缺陷检测系统识别率测试 | 第53-54页 |
| 5 缺陷分类程序设计 | 第54-71页 |
| 5.1 缺陷类型 | 第54-57页 |
| 5.2 图像预处理 | 第57-62页 |
| 5.2.1 卷积滤波 | 第58-59页 |
| 5.2.2 开、闭运算 | 第59-61页 |
| 5.2.3 缺陷最小外接矩形 | 第61-62页 |
| 5.2.4 图像裁剪 | 第62页 |
| 5.3 特征提取 | 第62-66页 |
| 5.4 BP 神经网络设计 | 第66-70页 |
| 5.5 缺陷分类系统识别率测试 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 附录A 图像采集系统图纸 | 第78-84页 |
| 附录B 图像处理及人工神经网络程序 | 第84-93页 |
| 在学研究成果 | 第93-94页 |
| 致谢 | 第94-95页 |
