基于机器人视觉的饮料瓶质量检测算法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-28页 |
| 1.1 论文研究背景 | 第13-18页 |
| 1.1.1 工业4.0与智能制造 | 第13-15页 |
| 1.1.2 饮料(PET)瓶全自动生产线 | 第15-18页 |
| 1.2 国内外研究现状及其发展趋势 | 第18-22页 |
| 1.2.1 国外发展现状 | 第18-20页 |
| 1.2.2 国内研究现状 | 第20-22页 |
| 1.2.3 PET瓶检测机器人现有不足 | 第22页 |
| 1.3 机器视觉检测关键技术 | 第22-26页 |
| 1.3.1 机器视觉成像系统关键技术 | 第24页 |
| 1.3.2 图像处理关键技术 | 第24-26页 |
| 1.4 研究内容与论文构成 | 第26-28页 |
| 第2章 高速高精度PET瓶检测机器人系统设计 | 第28-36页 |
| 2.1 系统功能分析和硬件方案分析 | 第28-32页 |
| 2.1.1 系统功能分析 | 第28-29页 |
| 2.1.2 检测方案 | 第29-32页 |
| 2.2 图像获取模块及硬件选型 | 第32-35页 |
| 2.2.1 PET光学成像分析 | 第32-33页 |
| 2.2.2 硬件选型分析 | 第33-35页 |
| 2.3 本章小结 | 第35-36页 |
| 第3章 基于机器人视觉的饮料瓶缺陷检测算法 | 第36-61页 |
| 3.1 引言 | 第36-38页 |
| 3.2 图像检测算法衡量指标 | 第38页 |
| 3.3 PET瓶盖缺陷检测算法 | 第38-48页 |
| 3.3.1 PET瓶盖轮廓线检测算法 | 第38-39页 |
| 3.3.2 图像预处理 | 第39-40页 |
| 3.3.3 瓶盖定位和ROI区域提取 | 第40-42页 |
| 3.3.4 瓶盖上方轮廓线定位 | 第42-44页 |
| 3.3.5 改进的瓶盖状态检测算法 | 第44-48页 |
| 3.3.5.1 支撑环简介 | 第44页 |
| 3.3.5.2 支撑定位 | 第44-45页 |
| 3.3.5.3 算法综合 | 第45-46页 |
| 3.3.5.4 瓶盖状态判定 | 第46-47页 |
| 3.3.5.5 瓶盖检测算法结果 | 第47-48页 |
| 3.4 PET防盗环缺陷检测算法 | 第48-54页 |
| 3.4.1 现有的防盗环检测算法 | 第49-51页 |
| 3.4.1.1 轮廓曲率检测法 | 第49-50页 |
| 3.4.1.2 机器学习方法 | 第50-51页 |
| 3.4.2 基于图像角度补偿的防盗环检测算法 | 第51-53页 |
| 3.4.3 防盗环检测算法结果 | 第53-54页 |
| 3.5 PET液位定位检测算法 | 第54-60页 |
| 3.5.1 常见液位定位算法 | 第55-56页 |
| 3.5.1.1 灰度投影梯度扩散法 | 第55-56页 |
| 3.5.1.2 基于Opencv的液位检测算法 | 第56页 |
| 3.5.2 基于连通域的液位定位算法 | 第56-60页 |
| 3.5.2.1 液位ROI区域提取 | 第56-57页 |
| 3.5.2.2 液位定位 | 第57-59页 |
| 3.5.2.3 液位检测算法结果 | 第59-60页 |
| 3.6 三种检测算法联合测试结果 | 第60页 |
| 3.7 本章小结 | 第60-61页 |
| 第4章 饮料检测机器人的软件介绍 | 第61-66页 |
| 4.1 引言 | 第61页 |
| 4.2 软件介绍 | 第61-65页 |
| 4.2.1 软件系统界面 | 第61-63页 |
| 4.2.2 软件操作流程 | 第63-65页 |
| 4.3 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 附录A 攻读学位期间所发表的学术成果目录 | 第73-74页 |
| 附录B 攻读学位期间参加的科研项目 | 第74页 |
