基于机器视觉的圆锥滚子外观缺陷检测系统研究与设计
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究目的与意义 | 第11-13页 |
| 1.1.1 机器视觉 | 第11-12页 |
| 1.1.2 滚子外观检测 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 视觉检测技术 | 第13-14页 |
| 1.2.2 机器视觉开发工具 | 第14页 |
| 1.2.3 视觉检测在滚子缺陷检测中的应用 | 第14-16页 |
| 1.3 研究内容和方法 | 第16-20页 |
| 1.3.1 本文相关算法 | 第17页 |
| 1.3.2 本文研究内容 | 第17-19页 |
| 1.3.3 本文章节安排 | 第19-20页 |
| 第二章 系统总体设计 | 第20-33页 |
| 2.1 系统工作原理 | 第20-22页 |
| 2.2 圆锥滚子缺陷分类 | 第22-23页 |
| 2.3 光学系统设计 | 第23-28页 |
| 2.3.1 光源 | 第23-24页 |
| 2.3.2 相机 | 第24-28页 |
| 2.4 软件总体架构 | 第28-32页 |
| 2.4.1 机器视觉软件 | 第28-29页 |
| 2.4.2 软件架构 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于传统图像处理的检测算法 | 第33-47页 |
| 3.1 视觉检测系统 | 第33-34页 |
| 3.2 图像分割 | 第34-40页 |
| 3.2.1 基于边缘的分割算法 | 第34-37页 |
| 3.2.2 基于阈值的分割算法 | 第37-39页 |
| 3.2.3 基于区域的分割算法 | 第39-40页 |
| 3.3 特征提取 | 第40-43页 |
| 3.3.1 基于形状的特征提取 | 第40-41页 |
| 3.3.2 基于纹理的特征提取 | 第41-43页 |
| 3.4 模式识别 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于深度学习的检测算法 | 第47-65页 |
| 4.1 深度学习 | 第47-56页 |
| 4.1.1 概述 | 第47-48页 |
| 4.1.2 卷积神经网络 | 第48-53页 |
| 4.1.3 激活函数 | 第53-56页 |
| 4.2 目标检测 | 第56-63页 |
| 4.2.1 传统目标检测算法 | 第56-57页 |
| 4.2.2 深度学习目标检测算法 | 第57-63页 |
| 4.3 迁移学习 | 第63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 算法实现和结果分析 | 第65-78页 |
| 5.1 系统的应用 | 第65-66页 |
| 5.2 检测效果指标 | 第66-67页 |
| 5.3 传统图像处理算法结果 | 第67-71页 |
| 5.3.1 算法流程 | 第67-68页 |
| 5.3.2 图像预处理和分割结果 | 第68-70页 |
| 5.3.3 缺陷特征描述实验结果 | 第70页 |
| 5.3.4 缺陷分类识别实验结果 | 第70-71页 |
| 5.4 深度学习检测算法结果 | 第71-77页 |
| 5.4.1 目标数据集 | 第71-72页 |
| 5.4.2 算法流程 | 第72-77页 |
| 5.5 本章小结 | 第77-78页 |
| 结论与展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间取得的研究成果 | 第84-85页 |
| 致谢 | 第85-86页 |
| 附件 | 第86页 |
