基于机器视觉的零件表面缺陷检测技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 机器视觉 | 第12-16页 |
| 1.1.1 机器视觉的概述 | 第12-13页 |
| 1.1.2 机器视觉的发展 | 第13页 |
| 1.1.3 机器视觉的国内外现状 | 第13-14页 |
| 1.1.4 机器视觉的应用 | 第14-16页 |
| 1.2 课题的研究背景及意义 | 第16页 |
| 1.3 课题研究的内容及安排 | 第16-18页 |
| 第2章 系统整体方案设计 | 第18-24页 |
| 2.1 零件表面缺陷检测系统总体设计 | 第18-19页 |
| 2.2 系统硬件设计 | 第19-22页 |
| 2.2.1 图像传感器 | 第19页 |
| 2.2.2 摄像机 | 第19-20页 |
| 2.2.3 照明系统 | 第20-22页 |
| 2.3 软件设计 | 第22-23页 |
| 2.3.1 开发环境 | 第22页 |
| 2.3.2 软件流程设计 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 图像预处理 | 第24-36页 |
| 3.1 图像噪声处理 | 第24-31页 |
| 3.1.1 噪声来源及分类 | 第24-25页 |
| 3.1.2 噪声处理 | 第25-29页 |
| 3.1.3 一种改进的中值滤波算法 | 第29-31页 |
| 3.2 图像增强 | 第31-34页 |
| 3.2.1 灰度变换 | 第31-33页 |
| 3.2.2 直方图均衡化 | 第33-34页 |
| 3.2.3 实验及结果分析 | 第34页 |
| 3.3 本章小结 | 第34-36页 |
| 第4章 缺陷检测算法的研究 | 第36-50页 |
| 4.1 缺陷图像分割 | 第36-41页 |
| 4.1.2 迭代阈值分割法 | 第37-38页 |
| 4.1.3 OSTU阈值分割法 | 第38-39页 |
| 4.1.4 二维OSTU阈值分割法 | 第39-40页 |
| 4.1.5 实验结果分析 | 第40-41页 |
| 4.2 本文提出的改进阈值分割算法 | 第41-45页 |
| 4.2.1 小波变换 | 第41-43页 |
| 4.2.2 多分辨率分析 | 第43页 |
| 4.2.3 改进算法的具体步骤 | 第43-44页 |
| 4.2.4 实验结果与分析 | 第44-45页 |
| 4.3 缺陷后处理 | 第45-48页 |
| 4.3.1 图像形态学操作 | 第46-47页 |
| 4.3.2 二值图像的边缘检测 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 缺陷识别与分类 | 第50-68页 |
| 5.1 缺陷的分类 | 第50-51页 |
| 5.2 缺陷特征的提取 | 第51-57页 |
| 5.2.1 几何特征的提取 | 第52-55页 |
| 5.2.2 纹理特征的提取 | 第55-57页 |
| 5.3 建立特征参数库 | 第57-59页 |
| 5.4 缺陷识别与分类 | 第59-67页 |
| 5.4.1 BP神经网络的算法原理 | 第60-61页 |
| 5.4.2 BP神经网络的训练 | 第61-64页 |
| 5.4.3 BP神经网络分类器的设计 | 第64-66页 |
| 5.4.4 实验结果及分析 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文 | 第73-74页 |
| 致谢 | 第74-75页 |
