基于机器视觉的打孔纸带孔形缺陷检测系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 相关技术的研究现状 | 第11-12页 |
| 1.3 本课题研究的主要内容 | 第12-13页 |
| 1.4 小结 | 第13-14页 |
| 第2章 打孔纸带的图像处理技术研究 | 第14-29页 |
| 2.1 孔形缺陷类型介绍 | 第14-16页 |
| 2.2 孔形图像处理流程 | 第16-17页 |
| 2.3 图像灰度化 | 第17-18页 |
| 2.4 图像滤波 | 第18-21页 |
| 2.4.1 均值滤波 | 第18-19页 |
| 2.4.2 高斯滤波 | 第19-20页 |
| 2.4.3 改进的中值滤波 | 第20-21页 |
| 2.5 图像分割 | 第21-24页 |
| 2.5.1 最优阈值分割算法 | 第22页 |
| 2.5.2 迭代阈值分割法 | 第22-23页 |
| 2.5.3 大津法 | 第23-24页 |
| 2.6 形态学变换 | 第24-25页 |
| 2.6.1 膨胀 | 第24-25页 |
| 2.6.2 腐蚀 | 第25页 |
| 2.7 边缘检测 | 第25-28页 |
| 2.7.1 Sobel 算子 | 第26-27页 |
| 2.7.2 Laplacian 算子 | 第27页 |
| 2.7.3 Canny 算子 | 第27-28页 |
| 2.8 本章小结 | 第28-29页 |
| 第3章 打孔纸带图像的孔形定位与缺陷检测研究 | 第29-38页 |
| 3.1 孔形图像缺陷检测算法的步骤 | 第29-30页 |
| 3.2 缺陷检测特征 | 第30-31页 |
| 3.3 孔形图像的孔形定位与区域分割 | 第31-32页 |
| 3.4 8邻域双向模板匹配算法 | 第32-36页 |
| 3.4.1 传统模板匹配算法缺点 | 第32页 |
| 3.4.2 8邻域双向模板匹配算法 | 第32-36页 |
| 3.5 匹配检测实验结果分析 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 打孔纸带孔形的缺陷分类算法研究 | 第38-47页 |
| 4.1 常用的模式识别法 | 第38-39页 |
| 4.2 人工神经元模型 | 第39-40页 |
| 4.3 BP 神经网络原理 | 第40-42页 |
| 4.4 孔形缺陷分类器设计 | 第42-43页 |
| 4.5 分类器训练结果分析与实验结果显示 | 第43-46页 |
| 4.5.1 分类器训练结果分析 | 第43-44页 |
| 4.5.2 实验结果显示 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 打孔纸带孔形缺陷检测系统方案设计 | 第47-53页 |
| 5.1 系统设计的原则 | 第47页 |
| 5.2 硬件系统 | 第47-50页 |
| 5.2.1 光源的选择 | 第48-49页 |
| 5.2.2 摄像机的选取 | 第49页 |
| 5.2.3 镜头的选择 | 第49-50页 |
| 5.3 软件系统 | 第50-52页 |
| 5.3.1 软件系统原理 | 第50-51页 |
| 5.3.2 具体实现 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60-61页 |
| 详细摘要 | 第61-63页 |
