基于支持向量机的规则零件机器视觉检测技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章. 绪论 | 第11-19页 |
| ·引言 | 第11页 |
| ·课题研究的背景 | 第11-12页 |
| ·机器视觉检测技术 | 第12-15页 |
| ·机器视觉概述 | 第12-13页 |
| ·机器视觉的历史与现状 | 第13页 |
| ·机器视觉的发展趋势 | 第13-14页 |
| ·机器视觉检测技术概述 | 第14-15页 |
| ·缺陷检测技术研究现状 | 第15-16页 |
| ·课题研究的意义和内容 | 第16-18页 |
| ·研究意义 | 第16-17页 |
| ·研究内容 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章. 机器视觉检测系统设计 | 第19-26页 |
| ·引言 | 第19页 |
| ·机器视觉检测系统的构成 | 第19-20页 |
| ·系统主要硬件组成 | 第20-24页 |
| ·光源 | 第21-22页 |
| ·相机 | 第22-23页 |
| ·图像采集卡 | 第23-24页 |
| ·系统软件流程 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章. 图像预处理算法研究 | 第26-41页 |
| ·引言 | 第26页 |
| ·灰度直方图 | 第26-28页 |
| ·图像滤波 | 第28-34页 |
| ·邻域平均法 | 第28-30页 |
| ·高斯滤波 | 第30-32页 |
| ·中值滤波 | 第32-34页 |
| ·图像边缘检测 | 第34-40页 |
| ·一阶微分边缘检测算子 | 第34-36页 |
| ·高斯—拉普拉斯算子 | 第36-38页 |
| ·Canny边缘检测算子 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章. 零件缺陷边缘检测 | 第41-50页 |
| ·引言 | 第41页 |
| ·经典边缘跟踪算法 | 第41-43页 |
| ·改进的智能边缘检测算法 | 第43-44页 |
| ·零件缺陷边缘智能检测 | 第44-48页 |
| ·零件位置对准 | 第45-46页 |
| ·智能缺陷边缘提取算法 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第五章. 零件缺陷分类识别 | 第50-70页 |
| ·零件缺陷特征提取 | 第50-52页 |
| ·特征数据处理 | 第52-57页 |
| ·特征数据的前期处理 | 第52-55页 |
| ·数据规格化 | 第55-57页 |
| ·支持向量机 | 第57-62页 |
| ·支持向量机原理 | 第57-60页 |
| ·支持向量机分类方法 | 第60-62页 |
| ·支持向量机进行零件缺陷检测 | 第62-67页 |
| ·核函数及参数选择 | 第62-64页 |
| ·SVM分类器的选择 | 第64页 |
| ·采集样本的测试结果及分析 | 第64-67页 |
| ·分类效果对比 | 第67-69页 |
| ·BP神经网络分类检测 | 第67-68页 |
| ·两种分类结果比较 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章. 总结和展望 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士期间发表论文 | 第77页 |
