首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

冷态热轧钢板表面缺陷检测系统技术研究

中文摘要第3-4页
英文摘要第4-5页
1 绪论第8-13页
    1.1 课题的研究背景第8-9页
    1.2 国内外钢板表面缺陷检测技术研究现状第9-11页
        1.2.1 国外研究现状第9-10页
        1.2.2 国内研究现状第10-11页
    1.3 论文研究的主要内容第11-13页
2 冷态热轧钢板表面缺陷检测系统总体设计第13-27页
    2.1 冷态热轧钢板的典型表面缺陷成因分析第13-15页
    2.2 系统的性能需求分析第15页
    2.3 系统的硬件架构设计第15-24页
        2.3.1 系统整体结构设计第15-17页
        2.3.2 相机与镜头选型方案设计第17-21页
        2.3.3 照明系统的设计第21-24页
    2.4 系统软件结构设计第24-25页
    2.5 本章小结第25-27页
3 钢板表面图像预处理技术研究第27-45页
    3.1 钢板表面图像边界检测第27-34页
        3.1.1 基于边缘检测算子的钢板边界搜索方法第27-29页
        3.1.2 简易边界提取方法第29-31页
        3.1.3 钢板图像边界快速搜索算法第31-34页
    3.2 钢板表面图像增强第34-44页
        3.2.1 光照不均钢板图像的灰度校正第35-41页
        3.2.2 钢板表面图像去噪第41-44页
    3.3 本章小结第44-45页
4 钢板表面缺陷图像特征提取第45-57页
    4.1 钢板表面缺陷图像提取第45-49页
        4.1.1 区域检测法第45-46页
        4.1.2 投影法第46页
        4.1.3 基于投影原理的缺陷提取改进方法第46-49页
    4.2 钢板表面缺陷图像典型特征提取第49-56页
        4.2.1 几何形状特征提取第49-51页
        4.2.2 灰度特征提取第51-52页
        4.2.3 纹理特征提取第52页
        4.2.4 钢板表面缺陷特征提取实验第52-56页
    4.3 本章小结第56-57页
5 RBF神经网络钢板表面缺陷识别第57-64页
    5.1 人工神经网络模型简介第57-58页
    5.2 RBF神经网络算法原理第58-60页
    5.3 RBF神经网络的缺陷识别第60-63页
        5.3.1 基于RBF神经网络的钢板表面缺陷分类器设计第60-61页
        5.3.2 钢板表面缺陷识别实验及分析第61-63页
    5.4 本章小结第63-64页
6 总结与展望第64-66页
    6.1 总结第64-65页
    6.2 展望第65-66页
致谢第66-67页
参考文献第67-70页
附录第70页

论文共70页,点击 下载论文
上一篇:多特征融合的摔倒行为检测算法研究
下一篇:基于移动智能终端的多屏实时交互操控系统