基于机器视觉的锂离子电池极片检测系统的研究与设计
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·课题的提出 | 第10页 |
| ·机器视觉理论 | 第10-13页 |
| ·Marr视觉理论框架 | 第10-11页 |
| ·基于知识的机器视觉理论框架 | 第11-12页 |
| ·主动视觉理论框架 | 第12-13页 |
| ·机器视觉的应用现状 | 第13-18页 |
| ·机器视觉在工业上的应用 | 第13-17页 |
| ·机器视觉在电池检测领域中的应用 | 第17-18页 |
| ·课题的研究意义 | 第18-19页 |
| 第二章 锂离子电池的特征和缺陷分类 | 第19-29页 |
| ·锂离子电池的发展史和发展前景 | 第19-24页 |
| ·锂离子电池的发展史 | 第19-21页 |
| ·锂离子电池的发展前景 | 第21-24页 |
| ·锂离子电池的原理和优点 | 第24-25页 |
| ·锂离子电池的结构 | 第25-27页 |
| ·锂离子电池的结构 | 第25-26页 |
| ·锂离子电池生产的工艺流程 | 第26-27页 |
| ·锂离子电池极片缺陷分类 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 电池极片缺陷图像处理 | 第29-46页 |
| ·电池极片表面缺陷图像处理流程 | 第29-32页 |
| ·电池极片缺陷图像的采集 | 第30-31页 |
| ·图像处理与识别 | 第31-32页 |
| ·电池极片缺陷图像预处理方法研究 | 第32-34页 |
| ·中值滤波 | 第32-34页 |
| ·直方图均衡化 | 第34页 |
| ·电池极片缺陷图像分割技术的研究 | 第34-43页 |
| ·边缘检测 | 第35-37页 |
| ·阈值分割 | 第37-40页 |
| ·分水岭分割法 | 第40页 |
| ·区域分割法 | 第40-42页 |
| ·算法的比较和选择 | 第42-43页 |
| ·缺陷图像填充技术研究 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 电池极片缺陷的特征提取 | 第46-53页 |
| ·特征评判标准 | 第46-47页 |
| ·极片缺陷图像的灰度特征分析 | 第47-48页 |
| ·极片缺陷图像的纹理特征分析 | 第48-51页 |
| ·纹理特征 | 第48页 |
| ·灰度共生矩阵 | 第48-50页 |
| ·基于最小距离的判别函数 | 第50-51页 |
| ·极片缺陷图像的形态特征分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 电池极片检测系统的设计 | 第53-63页 |
| ·硬件部分 | 第53-58页 |
| ·CCD相机 | 第53-54页 |
| ·镜头 | 第54-55页 |
| ·光源 | 第55-56页 |
| ·图像采集卡 | 第56-57页 |
| ·PC与控制单元 | 第57页 |
| ·系统硬件选择 | 第57-58页 |
| ·软件部分 | 第58-62页 |
| ·开发环境 | 第58页 |
| ·开发工具 | 第58-59页 |
| ·软件设计 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70页 |
