医用管制玻璃瓶在线检测系统的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 机器视觉的概述 | 第9-10页 |
| 1.2.1 机器视觉的定义 | 第9页 |
| 1.2.2 机器视觉系统的构成 | 第9-10页 |
| 1.3 机器视觉的发展现状 | 第10-14页 |
| 1.3.1 机器视觉国外的发展和现状 | 第10-12页 |
| 1.3.2 机器视觉国内的发展和现状 | 第12-13页 |
| 1.3.3 机器视觉未来的发展趋势 | 第13页 |
| 1.3.4 机器视觉在玻璃瓶检测领域的应用 | 第13-14页 |
| 1.4 本文的主要内容 | 第14-16页 |
| 第二章 图像的获取 | 第16-32页 |
| 2.1 照明方案的选择 | 第16-20页 |
| 2.1.1 照明环境的选择 | 第16-17页 |
| 2.1.2 照明方式的选择 | 第17-19页 |
| 2.1.3 光源种类的选择 | 第19-20页 |
| 2.2 图像采集设备的选择 | 第20-30页 |
| 2.2.1 管制玻璃瓶的检测精度和速度要求 | 第20-21页 |
| 2.2.2 摄像机的选择 | 第21-24页 |
| 2.2.3 光学镜头的选择 | 第24-30页 |
| 2.2.4 摄像机系统的标定 | 第30页 |
| 2.3 图像采集平台的搭建 | 第30-31页 |
| 2.4 小结 | 第31-32页 |
| 第三章 图像的前期处理 | 第32-55页 |
| 3.1 数字图像处理概述 | 第32-33页 |
| 3.2 图像的预处理 | 第33-51页 |
| 3.2.1 管制瓶图像的灰度化 | 第33-34页 |
| 3.2.2 灰度图像的滤波 | 第34-47页 |
| 3.2.3 灰度图像对比度增强 | 第47-51页 |
| 3.3 图像的分割 | 第51-54页 |
| 3.3.1 阈值的选择 | 第51-53页 |
| 3.3.2 图像的阈值分割 | 第53-54页 |
| 3.3.3 阈值分割算法的实验结果 | 第54页 |
| 3.4 小结 | 第54-55页 |
| 第四章 管制玻璃瓶瓶身缺陷的检测 | 第55-62页 |
| 4.1 缺陷像素点的区域划分 | 第55-59页 |
| 4.1.1 图像的连通域 | 第55-56页 |
| 4.1.2 缺陷区域的连通域标注 | 第56-59页 |
| 4.2 缺陷特征量的选择和提取 | 第59-60页 |
| 4.2.1 缺陷区域面积 | 第59页 |
| 4.2.2 缺陷区域周长 | 第59-60页 |
| 4.2.3 缺陷区域圆形度 | 第60页 |
| 4.3 缺陷的分类识别 | 第60-61页 |
| 4.4 小结 | 第61-62页 |
| 第五章 总结 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士期间取得的的研究成果 | 第67页 |
