摘要 | 第3-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第9-12页 |
1.1 研究的目的和意义 | 第9页 |
1.2 国内外研究现状 | 第9-10页 |
1.2.1 基于机器视觉的缺陷检测技术国内外研究现状 | 第9-10页 |
1.2.2 基于机器视觉的颜色分类国内外研究现状 | 第10页 |
1.3 论文的主要内容 | 第10页 |
1.4 论文的结构安排 | 第10-12页 |
第2章 基于机器视觉的竹条表面缺陷检测及颜色分类硬件系统 | 第12-18页 |
2.1 竹条表面缺陷检测及颜色分类系统框架 | 第12-13页 |
2.2 光源照明模块 | 第13-16页 |
2.2.1 光源选择 | 第13-14页 |
2.2.2 光源照明系统设计 | 第14-16页 |
2.3 相机选型 | 第16-17页 |
2.4 本章总结 | 第17-18页 |
第3章 基于机器视觉的竹条表面缺陷检测 | 第18-40页 |
3.1 图像滤波 | 第18-21页 |
3.1.1 中值滤波 | 第18-19页 |
3.1.2 高斯滤波 | 第19-21页 |
3.2 边缘检测 | 第21-25页 |
3.2.1 拉普拉斯算子 | 第21-22页 |
3.2.2 Sobel算子 | 第22-23页 |
3.2.3 Canny算子 | 第23-25页 |
3.3 阈值分割 | 第25-26页 |
3.4 孔洞填充与形态学处理 | 第26-30页 |
3.4.1 种子填充算法 | 第26页 |
3.4.2 扫描线种子填充算法 | 第26-27页 |
3.4.3 水漫填充法 | 第27-28页 |
3.4.4 形态学操作 | 第28-30页 |
3.5 异常处理和竹条区域分割 | 第30-32页 |
3.5.1 异常处理 | 第30-31页 |
3.5.2 竹条区域分割 | 第31-32页 |
3.6 虫眼缺陷检测 | 第32-35页 |
3.7 裂缝缺陷检测 | 第35-37页 |
3.7.1 去除纹理误判点 | 第36-37页 |
3.7.2 提取竹条裂缝特征 | 第37页 |
3.8 竹青缺陷检测 | 第37-39页 |
3.9 本章总结 | 第39-40页 |
第4章 基于CIEDE2000色差公式的竹条颜色分类算法 | 第40-47页 |
4.1 色差公式 | 第40-44页 |
4.1.1 CIELAB色差公式 | 第40-41页 |
4.1.2 CMC(1:c)色差公式 | 第41-42页 |
4.1.3 CIE94色差公式 | 第42页 |
4.1.4 CIEDE2000色差公式 | 第42-44页 |
4.2 高斯修正法 | 第44页 |
4.3 计算待测竹条与标准样本竹条色差 | 第44-45页 |
4.4 本章总结 | 第45-47页 |
第5章 软件系统设计与结果分析 | 第47-53页 |
5.1 软件系统设计 | 第47-48页 |
5.1.1 程序设计流程 | 第47页 |
5.1.2 UI界面 | 第47-48页 |
5.2 结果分析 | 第48-52页 |
5.2.1 竹条测试样本采集 | 第48-49页 |
5.2.2 竹条表面缺陷检测结果分析 | 第49-51页 |
5.2.3 竹条颜色分类结果分析 | 第51-52页 |
5.3 本章总结 | 第52-53页 |
第6章 总结与展望 | 第53-54页 |
6.1 本文总结 | 第53页 |
6.2 展望 | 第53-54页 |
参考文献 | 第54-57页 |
研究生期间研究成果 | 第57-58页 |
致谢 | 第58-59页 |