注塑件常见外观缺陷检测系统的研究与开发
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 机器视觉系统的概述 | 第10-14页 |
| 1.3 注塑件缺陷检测方法的研究现状 | 第14-16页 |
| 1.4 本文主要工作 | 第16-18页 |
| 2 外观缺陷检测系统的设计与实现 | 第18-34页 |
| 2.1 总体结构设计 | 第18-21页 |
| 2.2 光学设备选型与图像采集方案 | 第21-27页 |
| 2.3 软件客户端的设计与实现 | 第27-33页 |
| 2.4 本章小结 | 第33-34页 |
| 3 注塑件图像的预处理 | 第34-49页 |
| 3.1 缺陷区域图像特点的分析 | 第34-37页 |
| 3.2 缺陷图像对比度增强 | 第37-40页 |
| 3.3 注塑件图像纹理抑制 | 第40-44页 |
| 3.4 缺陷区域提取 | 第44-47页 |
| 3.5 图像预处理流程总结 | 第47-48页 |
| 3.6 本章小结 | 第48-49页 |
| 4 基于卷积神经网络的缺陷检测方法 | 第49-64页 |
| 4.1 卷积神经网络 | 第49-52页 |
| 4.2 网络结构与调优实验设计 | 第52-58页 |
| 4.3 参数调优实验结果 | 第58-63页 |
| 4.4 本章小结 | 第63-64页 |
| 5 实验验证与结果分析 | 第64-76页 |
| 5.1 CNN分类器的二分类性能 | 第64-67页 |
| 5.2 CNN分类器的多分类性能 | 第67-70页 |
| 5.3 注塑件图像检测结果与分析 | 第70-75页 |
| 5.4 本章小结 | 第75-76页 |
| 6 全文总结与展望 | 第76-78页 |
| 6.1 全文总结 | 第76-77页 |
| 6.2 工作展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 附录1 攻读学位期间发布论文目录 | 第84页 |
