| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景及研究目的 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 机器视觉在缺陷检测中的应用现状 | 第10-13页 |
| 1.2.2 支持向量机的研究和应用现状 | 第13-14页 |
| 1.3 论文主要内容 | 第14-15页 |
| 1.4 论文的工作安排 | 第15-17页 |
| 第二章 玻璃平板表面缺陷检测系统技术基础以及整体设计 | 第17-28页 |
| 2.1 机器视觉技术 | 第17-18页 |
| 2.2 暗场散射显微镜在缺陷检测中的应用 | 第18页 |
| 2.3 玻璃平板表面缺陷种类简介 | 第18-22页 |
| 2.3.1 玻璃平板表面缺陷的类别 | 第18-21页 |
| 2.3.2 划痕的反射和散射特征 | 第21-22页 |
| 2.4 图像采集系统整体设计 | 第22-23页 |
| 2.5 支持向量机基本理论 | 第23-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第三章 图像预处理与检测系统设计 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 去噪技术 | 第28-30页 |
| 3.3 图像分割 | 第30-36页 |
| 3.3.1 边缘检测 | 第30-32页 |
| 3.3.2 阈值分割 | 第32-34页 |
| 3.3.3 模板匹配 | 第34-36页 |
| 3.4 玻璃平板表面缺陷检测系统设计 | 第36-43页 |
| 3.4.1 对图像进行分割,定位和分离 | 第36-41页 |
| 3.4.2 玻璃平板表面缺陷检测系统的整体设计 | 第41-43页 |
| 3.5 本章总结 | 第43-44页 |
| 第四章 缺陷类别的自动识别方法研究 | 第44-57页 |
| 4.1 缺陷识别系统整体设计 | 第44-45页 |
| 4.2 原始数据库采集 | 第45-46页 |
| 4.3 数据压缩 | 第46页 |
| 4.4 模型构建 | 第46-47页 |
| 4.5 实验和结果 | 第47-55页 |
| 4.5.1 DDC模型构建 | 第47-51页 |
| 4.5.2 分类实验和结果 | 第51-55页 |
| 4.6 本章总结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士学位期间科研成果 | 第64页 |