基于机器视觉的粘扣带疵点快速检测方法的研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题研究的目的和意义 | 第9-11页 |
| ·课题来源 | 第11页 |
| ·国内外研究动态 | 第11-14页 |
| ·机器视觉的国内外发展概况 | 第11-14页 |
| ·基于机器视觉的粘扣带商业检测系统发展现状 | 第14页 |
| ·本文研究思路和研究方法 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 检测系统总体方案设计 | 第17-23页 |
| ·粘扣带自动检测系统的总体设计方案 | 第17-19页 |
| ·系统需求分析 | 第17-18页 |
| ·系统模块设计 | 第18-19页 |
| ·系统的软件开发环境 | 第19页 |
| ·图像采集系统的硬件设计 | 第19-22页 |
| ·CCD 相机的选择及其原理 | 第19-21页 |
| ·光源的选择 | 第21页 |
| ·计算机的配置 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 粘扣带疵点图像的采集分类与预处理 | 第23-39页 |
| ·数字图像采集原理 | 第23-24页 |
| ·粘扣带疵点采集及形成原因 | 第24-26页 |
| ·图像的预处理 | 第26-33页 |
| ·预处理定义 | 第26-27页 |
| ·图像预处理第一部分算法 | 第27-30页 |
| ·图像预处理后续算法 | 第30-33页 |
| ·图像噪声来源及其分类 | 第30-31页 |
| ·图像噪声模型 | 第31-33页 |
| ·基于粘扣带图像的常用滤波方法 | 第33-36页 |
| ·基于均值的快速自适应滤波器 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 粘扣带边缘及疵点检测 | 第39-56页 |
| ·边缘检测的步骤 | 第39-40页 |
| ·经典边缘检测算子 | 第40-47页 |
| ·一阶微分边缘算子 | 第40-42页 |
| ·二阶微分边缘算子 | 第42-43页 |
| ·Canny 边缘检测算子 | 第43-45页 |
| ·各种边缘算子对粘扣带的检测结果分析 | 第45-47页 |
| ·基于一阶特征值的边缘检测方法 | 第47-50页 |
| ·疵点检测算法 | 第50-51页 |
| ·常见的空域疵点检测算法 | 第50页 |
| ·常见的频域疵点检测算法 | 第50-51页 |
| ·疵点分割方法 | 第51-54页 |
| ·粘扣带检测难点 | 第51-52页 |
| ·针对粘扣带疵点分割方法 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 粘扣带疵点分类模块设计及分类打标实现 | 第56-67页 |
| ·模式识别理论 | 第56-58页 |
| ·粘扣带疵点分类概述 | 第58-59页 |
| ·BP 神经网络分类器设计 | 第59-63页 |
| ·BP 神经网络的原理 | 第59-60页 |
| ·BP 网络确定因素 | 第60-61页 |
| ·粘扣带疵点分类特征选取 | 第61-62页 |
| ·基于BP 网络的多层感知器的选取 | 第62-63页 |
| ·分类实验结果 | 第63-64页 |
| ·粘扣带疵点分类打标模块的实现 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 粘扣带表面疵点检测系统实现 | 第67-72页 |
| ·疵点检测系统软件实现 | 第67-70页 |
| ·软件实现流程图 | 第67页 |
| ·软件界面图 | 第67-69页 |
| ·实验结果图及分析 | 第69-70页 |
| ·系统硬件构建 | 第70-71页 |
| ·参展情况 | 第71页 |
| ·小结 | 第71-72页 |
| 第7章 总结与展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 附录 | 第78页 |
