钢球表面缺陷视觉检测技术的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·前言 | 第11-12页 |
| ·钢球表面缺陷检测的必要性 | 第11页 |
| ·现行钢球表面缺陷检测方法 | 第11-12页 |
| ·机器视觉技术及其发展现状 | 第12-14页 |
| ·机器视觉的概念及原理 | 第12-13页 |
| ·机器视觉系统的研究现状 | 第13-14页 |
| ·基于机器视觉的表面缺陷检测技术的研究现状 | 第14-16页 |
| ·本文的研究内容及重点 | 第16页 |
| ·论文的基本结构安排 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 钢球表面缺陷视觉检测系统构成及实现 | 第18-26页 |
| ·总体设计框架及工作流程 | 第18-19页 |
| ·钢球表面缺陷检测系统硬件设计方案 | 第19-22页 |
| ·照明系统的搭建 | 第19-21页 |
| ·其它硬件设备组成 | 第21-22页 |
| ·钢球表面缺陷检测系统软件设计方案 | 第22-25页 |
| ·系统软件开发平台 | 第22-24页 |
| ·系统软件流程 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 钢球表面缺陷图像采集及处理算法的研究 | 第26-43页 |
| ·钢球表面缺陷图像采集 | 第26-28页 |
| ·钢球表面缺陷图像平滑去噪 | 第28-35页 |
| ·中值滤波 | 第28-29页 |
| ·高斯滤波 | 第29-30页 |
| ·各向异性扩散滤波 | 第30-32页 |
| ·缺陷图像滤波实验及分析 | 第32-34页 |
| ·组合滤波器 | 第34-35页 |
| ·钢球表面缺陷图像锐化 | 第35-39页 |
| ·梯度算子 | 第36-38页 |
| ·拉普拉斯算子 | 第38-39页 |
| ·钢球表面缺陷图像阈值分割 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 钢球表面缺陷图像的特征提取 | 第43-62页 |
| ·缺陷图像连通域标记 | 第43-45页 |
| ·基本概念 | 第43页 |
| ·连通域标记算法 | 第43-45页 |
| ·连通域轮廓跟踪技术 | 第45-48页 |
| ·单连通域轮廓跟踪 | 第45-47页 |
| ·多连通域轮廓跟踪 | 第47-48页 |
| ·缺陷特征参数描述 | 第48-61页 |
| ·几何特征 | 第49-52页 |
| ·不变矩特征 | 第52-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 钢球表面缺陷种类的识别 | 第62-72页 |
| ·特征样本库的建立及管理 | 第62-64页 |
| ·特征样本库建立 | 第62-63页 |
| ·样本文件的读写 | 第63-64页 |
| ·模板匹配识别技术 | 第64-65页 |
| ·神经网络识别技术 | 第65-71页 |
| ·BP 网络学习算法 | 第65-67页 |
| ·BP 网络的不足与改进 | 第67页 |
| ·BP 网络的设计 | 第67-69页 |
| ·基于BP 网络的钢球表面缺陷识别实验分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结 | 第72-73页 |
| ·主要工作回顾 | 第72页 |
| ·本课题今后需进一步研究的地方 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录A 计算形状矩不变量的源代码 | 第77-80页 |
| 个人简历 在读期间发表的学术论文 | 第80页 |
