发动机缸套外观视觉检测
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 机器视觉技术简介 | 第11-12页 |
| 1.2 机器视觉技术发展历程 | 第12-13页 |
| 1.3 国内外机器视觉技术发展现状 | 第13-17页 |
| 1.3.1 产业地区分布情况 | 第13页 |
| 1.3.2 北美机器视觉产业 | 第13-14页 |
| 1.3.3 欧洲机器视觉产业 | 第14-15页 |
| 1.3.4 日本机器视觉产业 | 第15-16页 |
| 1.3.5 中国机器视觉产业 | 第16-17页 |
| 1.4 机器视觉技术的发展趋势 | 第17-19页 |
| 1.5 课题研究背景及意义 | 第19-21页 |
| 第二章 缸套外观检测系统总体方案设计 | 第21-27页 |
| 2.1 视觉检测系统检测对象及难点分析 | 第21-22页 |
| 2.1.1 系统检测对象 | 第21-22页 |
| 2.1.2 检测系统检测技术难点 | 第22页 |
| 2.2 硬件平台总体设计 | 第22-25页 |
| 2.2.1 机械传动平台设计 | 第22-23页 |
| 2.2.2 硬件平台主要结构介绍 | 第23-25页 |
| 2.3 缸套视觉检测系统软件实现流程 | 第25-26页 |
| 2.3.1 缸套视觉检测系统软件模块 | 第25-26页 |
| 2.3.2 检测系统软件的技术路线 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 视觉检测系统视觉检测方案设计 | 第27-35页 |
| 3.1 视觉检测系统技术要求 | 第27页 |
| 3.2 视觉检测系统硬件选型 | 第27-31页 |
| 3.2.1 工业相机选型 | 第27-28页 |
| 3.2.2 镜头选型 | 第28-29页 |
| 3.2.3 光源单元选型 | 第29-31页 |
| 3.3 图像获取方案设计 | 第31-33页 |
| 3.3.1 外表面图像获取方案 | 第31-32页 |
| 3.3.2 端面图像获取方案 | 第32-33页 |
| 3.3.3 内表面图像获取方案 | 第33页 |
| 3.4 视觉检测系统软件构架 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 检测图像预处理 | 第35-47页 |
| 4.1 灰度直方图 | 第35-36页 |
| 4.1.1 直方图的概念 | 第35-36页 |
| 4.1.2 直方图监测 | 第36页 |
| 4.2 检测图像增强 | 第36-42页 |
| 4.2.1 均值滤波方法 | 第37-38页 |
| 4.2.2 中值滤波方法 | 第38-39页 |
| 4.2.3 高斯低通滤波 | 第39-42页 |
| 4.3 边缘检测 | 第42-46页 |
| 4.3.1 一阶微分（梯度运算）边缘提取 | 第42-43页 |
| 4.3.2 二阶微分（拉普拉斯运算）边缘提取 | 第43页 |
| 4.3.3 基于模板匹配的边缘检测 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 视觉检测系统算法设计 | 第47-61页 |
| 5.1 外观边缘标定 | 第47-48页 |
| 5.2 一种改进的图像增强缺陷检测方法 | 第48-50页 |
| 5.3 线性插值算法 | 第50-54页 |
| 5.3.1 最近邻插值 | 第51-52页 |
| 5.3.2 双线性插值 | 第52-54页 |
| 5.4 基于专家决策算法的外观缺陷辨识 | 第54-59页 |
| 5.4.1 缺陷特征参数的设定 | 第55页 |
| 5.4.2 缺陷区域的周长 | 第55-56页 |
| 5.4.3 缺陷区域的面积 | 第56页 |
| 5.4.4 缺陷区域的最大长宽值 | 第56-57页 |
| 5.4.5 专家决策算法实现 | 第57-59页 |
| 5.5 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录A 攻读硕士学位期间参与的科研项目及成果 | 第67页 |
