| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究的背景与意义 | 第13-14页 |
| 1.2 机器视觉的发展概况 | 第14-15页 |
| 1.3 缺陷药片检测研究概况 | 第15-16页 |
| 1.4 本文研究内容与组织结构 | 第16-21页 |
| 第二章 检测系统总体方案设计 | 第21-33页 |
| 2.1 药片生产流程简介 | 第21-22页 |
| 2.2 常见的缺陷类型介绍 | 第22-23页 |
| 2.3 系统的方案设计 | 第23-31页 |
| 2.3.1 系统整体结构与功能 | 第23-26页 |
| 2.3.2 图像采集方案 | 第26-28页 |
| 2.3.3 光照系统设计 | 第28-30页 |
| 2.3.4 系统通讯方案 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 基于连续帧的药片目标获取 | 第33-55页 |
| 3.1 基于连续帧建模的前景获取 | 第33-42页 |
| 3.1.1 VIBE背景减除法 | 第33-36页 |
| 3.1.2 PBAS背景减除法 | 第36-38页 |
| 3.1.3 基于颜色空间波动域改进的背景减除方法设计 | 第38-41页 |
| 3.1.4 对比分析 | 第41-42页 |
| 3.2 前景目标基于OTSU的阴影自动分割 | 第42-45页 |
| 3.3 基于形态学运算的连粘药片目标分割 | 第45-49页 |
| 3.3.1 基于距离计算的方法 | 第46-47页 |
| 3.3.2 基于极限腐蚀的方法 | 第47-49页 |
| 3.4 针对实时需求的图像加速处理 | 第49-52页 |
| 3.4.1 多线程分块设计 | 第49-50页 |
| 3.4.2 GPU并行加速 | 第50-52页 |
| 3.5 药片目标计数方案设计 | 第52-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第四章 药片目标检测算法分析与设计 | 第55-73页 |
| 4.1 基于感知哈希算法的缺陷药片检测 | 第55-64页 |
| 4.1.1 图像感知哈希原理与应用 | 第55-56页 |
| 4.1.2 均值哈希算法 | 第56-58页 |
| 4.1.3 DCT哈希算法 | 第58-59页 |
| 4.1.4 基于局部梯度均值改进的感知哈希算法设计 | 第59-63页 |
| 4.1.5 对比分析 | 第63-64页 |
| 4.2 基于方向梯度直方图特征的缺陷药片检测 | 第64-72页 |
| 4.2.1 方向梯度直方图特征提取 | 第64-66页 |
| 4.2.2 基于SVM的方法 | 第66-68页 |
| 4.2.3 基于BP神经网络的方法 | 第68-70页 |
| 4.2.4 对比分析 | 第70-72页 |
| 4.3 本章小结 | 第72-73页 |
| 第五章 基于深度特征学习的药片表面缺陷定位识别 | 第73-83页 |
| 5.1 基于卷积神经网络的药片缺陷特征提取 | 第73-76页 |
| 5.1.1 建立缺陷药片数据集 | 第73-74页 |
| 5.1.2 特征提取网络结构 | 第74-76页 |
| 5.2 药片目标表面缺陷定位 | 第76-80页 |
| 5.2.1 滑动窗口搜索法 | 第76-77页 |
| 5.2.2 区域建议网络法 | 第77-80页 |
| 5.3 实验结果与分析 | 第80-82页 |
| 5.3.1 模型训练 | 第80页 |
| 5.3.2 性能测试 | 第80-82页 |
| 5.4 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 本文工作总结 | 第83-84页 |
| 6.2 未来研究展望 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 致谢 | 第91-93页 |
| 攻读硕士学位期间取得的研究成果 | 第93-94页 |
| 学位论文评阅及答辩情况表 | 第94页 |