首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

基于机器视觉的晶振外壳缺陷在线抽检系统的研究

摘要第1-7页
ABSTRACT第7-12页
第一章 绪论第12-19页
   ·本论文的研究背景第12-13页
   ·机器视觉技术及其发展现状第13-17页
     ·机器视觉的概念第13页
     ·机器视觉的特点第13-14页
     ·机器视觉的原理第14-15页
     ·机器视觉的发展历史第15-16页
     ·机器视觉系统的结构与分类对比第16-17页
   ·基于机器视觉的在线抽检系统的研究现状及应用领域第17-18页
   ·本论文研究的主要内容第18-19页
第二章 晶振外壳缺陷在线抽检系统的设计第19-33页
   ·晶振外壳缺陷在线抽检系统的结构第19-20页
   ·晶振外壳缺陷在线抽检系统中工业相机的选择和分析第20页
   ·图像采集卡第20-21页
   ·光源和照明的设计第21-24页
     ·光源类型选取第22页
     ·系统照明方式的设计第22-24页
   ·晶振外壳缺陷在线抽检系统平台第24页
   ·机械装置设计第24-31页
     ·机械装置设计原理与依据第25-26页
     ·机械装置具体结构设计第26-31页
   ·本章小结第31-33页
第三章 基于机器视觉的晶振外壳缺陷在线抽检系统的控制设计第33-43页
   ·基于机器视觉的晶振外壳缺陷在线抽检系统的控制要求第33页
   ·基于机器视觉的晶振外壳缺陷在线抽检系统的控制系统结构第33-34页
   ·基于机器视觉的晶振外壳缺陷在线抽检系统的控制系统设计第34-38页
     ·控制原理分析与控制器的选择第34-36页
     ·系统的控制节拍分析第36-38页
   ·工控机与数据采集卡的通信实现第38页
   ·基于机器视觉的晶振外壳缺陷在线抽检系统的主要执行机构以及选型第38-42页
     ·气动执行元件的选择第38-41页
     ·阀门选择第41页
     ·气源处理装置第41-42页
   ·本章小结第42-43页
第四章 数字图像处理技术第43-56页
   ·数字图像处理概述第43页
   ·晶振外壳缺陷在线抽检系统的图像处理流程第43-44页
   ·数字图像相关理论以及在本视觉系统中的应用第44-55页
     ·图像中提取晶振外壳内底面的处理过程第44-48页
       ·RGB颜色模型与HSV颜色模型第44-46页
       ·图像区域定位以及灰度化与二值化第46-47页
       ·图像分割第47-48页
     ·晶振外壳内底面和顶面的缺陷检测第48-55页
   ·本章小结第55-56页
第五章 晶振外壳缺陷在线抽检系统的软件设计第56-63页
   ·晶振外壳缺陷在线抽检系统软件的整体流程第56-57页
   ·晶振外壳缺陷在线抽检系统视觉软件的开发方法第57-58页
     ·软件开发方法的选择第57页
     ·晶振外壳缺陷在线抽检系统的程序实现步骤第57-58页
   ·软件的模块分析与设计第58-61页
     ·软件的各个模块的功能分析第58页
     ·图像采集模块第58-61页
   ·图像处理模块第61页
   ·通讯模块第61-62页
   ·本章小结第62-63页
第六章 实验数据处理与影响因素分析第63-76页
   ·实验流程以及实验数据处理第63-70页
     ·实验流程第63-65页
     ·实验数据处理第65-70页
       ·晶振外壳内底面图像实验数据处理与分析第65-67页
       ·晶振外壳顶面图像实验数据处理与分析第67-70页
   ·晶振外壳缺陷检测的影响因素分析第70-75页
   ·本章小结第75-76页
第七章 总结和展望第76-79页
   ·全文总结第76-77页
   ·展望第77-79页
参考文献第79-83页
附录第83-99页
攻读硕士学位期间申请的专利和发表的论文第99-100页
致谢第100页

论文共100页,点击 下载论文
上一篇:高校学生社区管理研究
下一篇:基于Q学习的Agent智能决策的研究与实现