基于机器视觉的玻璃表面缺陷检测技术研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-20页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 机器视觉国内外研究现状 | 第12-15页 |
| 1.2.1 机器视觉理论的发展 | 第12页 |
| 1.2.2 机器视觉检测技术应用进展 | 第12-14页 |
| 1.2.3 机器视觉检测技术的优点和发展趋势 | 第14-15页 |
| 1.3 玻璃检测的研究进展及其应用 | 第15-18页 |
| 1.3.1 国外玻璃检测的研究进展及其应用 | 第15-17页 |
| 1.3.2 国内玻璃检测的研究进展及其应用 | 第17-18页 |
| 1.4 本文的主要研究工作和内容 | 第18-20页 |
| 1.4.1 研究内容 | 第18页 |
| 1.4.2 论文整体组织结构 | 第18-20页 |
| 2 玻璃表面缺陷检测系统总体设计 | 第20-28页 |
| 2.1 对机器视觉检测系统的要求 | 第20页 |
| 2.2 玻璃表面缺陷机器视觉检测原理 | 第20-21页 |
| 2.3 总体设计方案 | 第21-23页 |
| 2.4 硬件系统构成和选型 | 第23-26页 |
| 2.4.1 图像采集系统 | 第23-26页 |
| 2.4.2 运动控制单元 | 第26页 |
| 2.4.3 辅助装置 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 3 玻璃缺陷图像采集及预处理 | 第28-40页 |
| 3.1 图像采集系统 | 第28-33页 |
| 3.1.1 基于光栅的玻璃图像采集系统 | 第28-30页 |
| 3.1.2 基于智能光源的玻璃图像采集系统 | 第30-32页 |
| 3.1.3 低角度照明的玻璃图像采集系统 | 第32-33页 |
| 3.1.4 采集效果对比 | 第33页 |
| 3.2 图像去除噪声 | 第33-35页 |
| 3.2.1 高斯滤波 | 第33页 |
| 3.2.2 中值滤波 | 第33-34页 |
| 3.2.3 自适应中值滤波 | 第34-35页 |
| 3.3 图像去除光照不均匀 | 第35-38页 |
| 3.3.1 直方图均衡化 | 第36-37页 |
| 3.3.2 灰度形态学顶帽变换 | 第37-38页 |
| 3.4 图像去除条纹背景 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 玻璃表面缺陷图像分割 | 第40-50页 |
| 4.1 基于边缘改进的阈值分割 | 第40-44页 |
| 4.1.1 用sobel算子改进阈值分割实验 | 第41-42页 |
| 4.1.2 用Laplace算子改进阈值分割实验 | 第42-43页 |
| 4.1.3 对梯度阈值q的讨论 | 第43-44页 |
| 4.2 基于灰度波动变换的阈值分割 | 第44-47页 |
| 4.2.1 弓字形线扫描灰度波动曲线 | 第45页 |
| 4.2.2 灰度波动变换 | 第45-47页 |
| 4.2.3 Otsu最佳阈值分割 | 第47页 |
| 4.3 玻璃表面缺陷分割实验 | 第47-49页 |
| 4.3.1 实验环境 | 第47页 |
| 4.3.2 分割效果对比试验 | 第47-49页 |
| 4.3.3 算法耗时对比 | 第49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 玻璃表面缺陷特征提取与识别 | 第50-55页 |
| 5.1 标记连通区域 | 第50-51页 |
| 5.2 分类特征选取 | 第51-52页 |
| 5.3 基于区域形状特征的分类 | 第52-53页 |
| 5.4 玻璃表面缺陷分类实验 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 全文工作总结 | 第55-56页 |
| 6.2 创新点 | 第56页 |
| 6.3 展望 | 第56-57页 |
| 参考文献 | 第57-66页 |
| 作者简历 | 第66-67页 |
| 学位论文数据集 | 第67页 |
