基于机器视觉的扁弹簧在线分类及质量检测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1.绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 机器视觉在分类及检测技术中的应用 | 第11-13页 |
| 1.2.1 机器视觉在分类技术中的应用 | 第11-12页 |
| 1.2.2 机器视觉在质量检测中的应用 | 第12-13页 |
| 1.3 课题研究内容 | 第13-15页 |
| 2.扁弹簧分类及质量检测视觉检测系统 | 第15-20页 |
| 2.1 视觉检测系统 | 第15-18页 |
| 2.1.1 机器视觉检测系统构成 | 第15-16页 |
| 2.1.2 数字图像处理技术 | 第16-18页 |
| 2.2 扁弹簧分类及质量检测视觉检测系统设计 | 第18-19页 |
| 2.2.1 硬件要求 | 第18-19页 |
| 2.2.2 软件系统设计 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 3. 扁弹簧图像预处理 | 第20-32页 |
| 3.1 图像灰度化 | 第20-21页 |
| 3.2 图像去噪 | 第21-26页 |
| 3.2.1 噪声来源及分类 | 第21-22页 |
| 3.2.2 去噪方法 | 第22-25页 |
| 3.2.3 去噪方法实验分析 | 第25-26页 |
| 3.3 图像二值化 | 第26-28页 |
| 3.4 扁弹簧感兴趣区域提取 | 第28-30页 |
| 3.5 本章小结 | 第30-32页 |
| 4.基于DDAG SVMs的扁弹簧图像分类方法 | 第32-43页 |
| 4.1 支持向量机（SVM）概述 | 第32-37页 |
| 4.1.1 SVM的原理 | 第32-33页 |
| 4.1.2 SVM的算法实现 | 第33-35页 |
| 4.1.3 多类SVM方法 | 第35-37页 |
| 4.2 扁弹簧图像特征提取 | 第37-39页 |
| 4.3 实验过程和实验分析 | 第39-42页 |
| 4.3.1 实验流程 | 第39-41页 |
| 4.3.2 实验结果分析 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5.基于图像处理的扁弹簧质量检测方法 | 第43-52页 |
| 5.1 基于SVM的扁弹簧质量检测方法 | 第43-47页 |
| 5.2 基于轮廓特征的扁弹簧质量检测方法 | 第47-49页 |
| 5.3 实验结果与分析 | 第49-51页 |
| 5.3.1 实验结果 | 第49-50页 |
| 5.3.2 结果分析 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 6.机器视觉系统软件系统平台搭建 | 第52-60页 |
| 6.1 软件搭建平台和工具 | 第52-53页 |
| 6.2 软件界面设计 | 第53-59页 |
| 6.3 本章小结 | 第59-60页 |
| 7.总结与展望 | 第60-62页 |
| 7.1 总结 | 第60-61页 |
| 7.2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第65-66页 |
| 致谢 | 第66页 |
