液体制剂中异物检测的机器智能识别
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-10页 |
| ·课题研究背景和意义 | 第7页 |
| ·相关技术与研究现状 | 第7-9页 |
| ·论文结构安排 | 第9-10页 |
| 2 异物在线自动检测系统设计 | 第10-17页 |
| ·机器视觉技术 | 第10-14页 |
| ·光源种类 | 第10-11页 |
| ·光源颜色 | 第11-12页 |
| ·照明技术 | 第12-13页 |
| ·摄像机和镜头 | 第13-14页 |
| ·检测对象分析 | 第14页 |
| ·异物自动检测系统设计 | 第14-16页 |
| ·液瓶驱动方式 | 第14-15页 |
| ·硬件系统总体设计 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 3 图像预处理 | 第17-22页 |
| ·Hough变换寻找液瓶区域 | 第17-19页 |
| ·获取背景 | 第19-20页 |
| ·轮廓处理 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 4 异物检测跟踪算法 | 第22-35页 |
| ·粒子滤波原理 | 第22-29页 |
| ·贝叶斯滤波理论 | 第22-23页 |
| ·蒙特卡罗积分 | 第23-25页 |
| ·序列重要性采样(SIS) | 第25-26页 |
| ·标准粒子滤波 | 第26-28页 |
| ·退化现象 | 第28-29页 |
| ·粒子滤波具体实现 | 第29-33页 |
| ·粒子初始化 | 第29页 |
| ·粒子随机采样 | 第29-30页 |
| ·计算相似度 | 第30-31页 |
| ·物体位置计算 | 第31页 |
| ·重采样 | 第31-32页 |
| ·实验结果 | 第32-33页 |
| ·粒子滤波算法的特点 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 5 粒子滤波算法的改进 | 第35-42页 |
| ·Mean Shift算法原理 | 第35-38页 |
| ·基本Mean Shift | 第35-36页 |
| ·Mean Shift算法 | 第36-38页 |
| ·基于Mean Shift的粒子滤波器 | 第38-39页 |
| ·初始化 | 第38页 |
| ·随机采样 | 第38页 |
| ·相似度 | 第38-39页 |
| ·物体位置 | 第39页 |
| ·重采样 | 第39页 |
| ·实验结果 | 第39-40页 |
| ·异物判定方法 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 6 沉降快异物的检测方法 | 第42-46页 |
| ·沉降快异物的特点 | 第42-43页 |
| ·沉降快异物的检测方法 | 第43-44页 |
| ·实验结果 | 第44-45页 |
| ·系统性能分析 | 第45页 |
| ·本章小结 | 第45-46页 |
| 7 总结与展望 | 第46-48页 |
| ·总结 | 第46页 |
| ·展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
