| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.3.1 国外研究现状 | 第11页 |
| 1.3.2 国内研究现状 | 第11-12页 |
| 1.4 研究面临的主要问题 | 第12页 |
| 1.5 论文结构安排 | 第12-14页 |
| 第2章 系统整体设计方案介绍 | 第14-22页 |
| 2.1 系统结构框架 | 第14页 |
| 2.2 硬件系统简介 | 第14-17页 |
| 2.2.1 FPGA板卡选型 | 第14-15页 |
| 2.2.2 相机选型 | 第15-16页 |
| 2.2.3 CameraLink图像接口转换板设计 | 第16-17页 |
| 2.3 系统通信方式 | 第17-18页 |
| 2.3.1 相机数据传输方式 | 第17页 |
| 2.3.2 FPGA与工控PC之间的通信方式 | 第17-18页 |
| 2.4 FPGA下位软件开发 | 第18-21页 |
| 2.4.1 底层驱动开发 | 第18-20页 |
| 2.4.2 应用程序开发 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 缺陷图像检测 | 第22-42页 |
| 3.1 常见缺陷介绍 | 第22-23页 |
| 3.2 图像的预处理 | 第23-31页 |
| 3.2.1 带钢边界检测 | 第23-26页 |
| 3.2.2 图像的增强 | 第26-31页 |
| 3.3 图像的边缘检测 | 第31-41页 |
| 3.3.1 两种图像检测算法流程比较 | 第32-33页 |
| 3.3.2 常用边缘检测算子 | 第33-38页 |
| 3.3.3 基于Sobel的双阈值带通检测算法 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 缺陷图像识别 | 第42-55页 |
| 4.1 神经网络的特性和分类 | 第42-44页 |
| 4.1.1 神经网络特性 | 第42页 |
| 4.1.2 神经网络的几种常用模型 | 第42-44页 |
| 4.2 图像特征值提取 | 第44-46页 |
| 4.3 基于特征值的缺陷识别 | 第46-51页 |
| 4.3.1 基于BP神经网络的识别方法 | 第46-47页 |
| 4.3.2 基于RBF神经网络的识别方法 | 第47-48页 |
| 4.3.3 输入标准化RBF神经网络 | 第48-50页 |
| 4.3.4 识别结果和评估 | 第50-51页 |
| 4.4 识别环节对检测环节参数的反馈修正 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |