注塑制品表面缺陷分析及自动识别研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-25页 |
| ·课题背景与意义 | 第12-13页 |
| ·机器视觉的关键技术及发展现状 | 第13-20页 |
| ·机器视觉的关键技术 | 第13-16页 |
| ·机器视觉的国内外研究现状 | 第16-17页 |
| ·机器视觉在塑胶制品表面缺陷检测中的应用 | 第17-20页 |
| ·软件开发工具 | 第20-23页 |
| ·LabVIEW | 第20-21页 |
| ·IMAQ Visio图像处理包 | 第21-22页 |
| ·Matlab | 第22-23页 |
| ·本文主要研究内容 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第二章 注塑制品表面缺陷及形成机理 | 第25-33页 |
| ·注塑制品表面缺陷研究的意义 | 第25页 |
| ·注塑制品表面缺陷的类型 | 第25-30页 |
| ·注塑制品表面缺陷的形成机理 | 第30-32页 |
| ·塑料原料 | 第30-31页 |
| ·模具结构 | 第31页 |
| ·注塑成型设备 | 第31页 |
| ·注塑成型工艺 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 检测软件系统的构建及图像预处理 | 第33-48页 |
| ·检测软件系统的构建 | 第33-36页 |
| ·软件系统结构 | 第33-35页 |
| ·人机界面设计 | 第35-36页 |
| ·注塑制品图像的灰度化 | 第36-37页 |
| ·动态图像的背景分割 | 第37-44页 |
| ·模板匹配 | 第37-40页 |
| ·学习和匹配算法的软件实现 | 第40-41页 |
| ·图像方向旋转校正的软件实现 | 第41-42页 |
| ·提取ROI区域的软件实现 | 第42-44页 |
| ·实验结果与讨论 | 第44页 |
| ·干扰区域的屏蔽 | 第44-46页 |
| ·Mask学习算法的软件实现 | 第45页 |
| ·屏蔽算法的软件实现 | 第45-46页 |
| ·实验结果与讨论 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第四章 缺陷图像分割及形态学处理 | 第48-62页 |
| ·图像边缘锐化 | 第48-52页 |
| ·图像边缘检测算子 | 第48-51页 |
| ·实验结果与讨论 | 第51-52页 |
| ·阈值分割 | 第52-56页 |
| ·自动阈值分割法 | 第52-55页 |
| ·实验结果与讨论 | 第55-56页 |
| ·数学形态学处理 | 第56-61页 |
| ·数学形态学基本运算 | 第56-59页 |
| ·实验结果及讨论 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 缺陷特征提取 | 第62-70页 |
| ·缺陷特征提取 | 第62-67页 |
| ·几何特征参数 | 第63-65页 |
| ·不变矩特征参数 | 第65-67页 |
| ·实验结果与讨论 | 第67-69页 |
| ·几何特征参数的提取 | 第67-68页 |
| ·不变矩特征参数的提取 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 基于神经网络的缺陷自动识别方法 | 第70-81页 |
| ·BP神经网络原理 | 第70-73页 |
| ·BP神经网络的结构 | 第70-71页 |
| ·BP神经网络的学习算法 | 第71-73页 |
| ·BP神经网络的不足及改进算法 | 第73页 |
| ·BP神经网络的设计分析 | 第73-79页 |
| ·网络层数的选取 | 第73-74页 |
| ·输入层和输出层节点数的选取 | 第74页 |
| ·初始权值和阈值的选取 | 第74页 |
| ·期望误差的选取 | 第74页 |
| ·激活函数的确定 | 第74-75页 |
| ·网络输入数据的归一化 | 第75页 |
| ·学习速率的选取 | 第75页 |
| ·隐含层节点数的选取 | 第75-76页 |
| ·学习算法的选取 | 第76-79页 |
| ·BP神经网络的训练和仿真 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 结论与展望 | 第81-83页 |
| 一、结论 | 第81-82页 |
| 二、不足与展望 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 攻读学位期间发表的与学位论文相关的学术论文 | 第88-89页 |
| 致谢 | 第89-90页 |
| 附件 | 第90页 |
