首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于机器视觉的玻璃瓶缺陷检测与抓取系统研究

摘要第1-4页
Abstract第4-9页
第一章 绪论第9-17页
   ·论文研究的背景及意义第9-10页
   ·机器视觉与机械手技术国内外现状第10-12页
   ·机器视觉技术概述第12-16页
     ·机器视觉技术的工作原理第12-13页
     ·机器视觉的特点第13页
     ·机器视觉系统的应用领域第13-16页
   ·论文的主要研究内容第16-17页
第二章 硬件配置及功能分析第17-29页
   ·玻璃瓶缺陷检测特点第17页
   ·系统硬件配置及功能分析第17-28页
   ·本章小结第28-29页
第三章 基于Blob分析玻璃瓶缺陷检测算法研究与实验第29-53页
   ·Blob分析第29-30页
   ·Halcon分析软件第30页
   ·玻璃瓶缺陷检测算法研究与实验第30-51页
     ·图像采集第31页
     ·图像预处理第31-42页
     ·形态学处理第42-48页
     ·连通性分析第48-50页
     ·特征提取第50-51页
   ·本章小结第51-53页
第四章 基于Halcon的玻璃瓶缺陷检测实验研究第53-95页
   ·基于Halcon的玻璃瓶瓶口检测实验第53-69页
     ·采集玻璃瓶瓶口图像第53-57页
     ·玻璃瓶瓶口检测图像预处理第57-59页
     ·玻璃瓶瓶口检测图像分割第59-63页
     ·玻璃瓶瓶口检测图像形态学处理第63-65页
     ·玻璃瓶瓶口检测图像连通性分析第65-66页
     ·玻璃瓶瓶口检测图像特征提取第66-69页
     ·基于Halcon的玻璃瓶瓶口检测实验结果分析第69页
   ·基于Halcon的玻璃瓶瓶身检测实验第69-82页
     ·采集玻璃瓶瓶身图像第69-71页
     ·玻璃瓶瓶身检测图像预处理第71-74页
     ·玻璃瓶瓶身检测图像分割第74-75页
     ·玻璃瓶瓶身检测图像形态学处理第75-79页
     ·玻璃瓶瓶身检测图像连通性分析第79-80页
     ·玻璃瓶瓶身检测图像特征提取第80-81页
     ·基于Halcon的玻璃瓶瓶身检测实验结果分析第81-82页
   ·基于Halcon的玻璃瓶瓶底检测实验第82-94页
     ·采集玻璃瓶瓶底图像第82-84页
     ·玻璃瓶瓶底检测图像预处理第84-86页
     ·玻璃瓶瓶底检测图像分割第86-88页
     ·玻璃瓶瓶底检测图像形态学处理第88-92页
     ·玻璃瓶瓶底检测图像连通性分析第92-93页
     ·玻璃瓶瓶底检测图像特征提取第93-94页
     ·基于Halcon的玻璃瓶瓶底检测实验结果分析第94页
   ·本章小结第94-95页
第五章 基于FVRTS平台的机械手抓取操作实验研究第95-111页
   ·FVRTS简介第95-96页
   ·视觉引导标定第96-102页
     ·六自由度机械手的标定方法第96-97页
     ·统一坐标单位第97页
     ·统一坐标原点第97-98页
     ·机器视觉标定引导的具体实现设计第98-101页
     ·结果计算第101-102页
   ·基于机械手示抓取和移动玻璃瓶实验研究第102-110页
     ·机械手的工作方式第102-104页
     ·机器手软件操控第104-110页
   ·本章小结第110-111页
第六章 基于VC++的玻璃瓶缺陷检测系统设计与实现第111-117页
   ·软件的整体结构设计第111-112页
   ·用户界面设计模块第112-116页
     ·系统各功能模块简介第112-113页
     ·玻璃瓶瓶口实时检测功能第113-114页
     ·玻璃瓶瓶身实时检测功能第114-115页
     ·玻璃瓶瓶底实时检测功能第115-116页
   ·实验数据与结论第116页
   ·本章小结第116-117页
第七章 总结与展望第117-119页
   ·总结第117-118页
   ·展望第118-119页
致谢第119-120页
参考文献第120-124页
作者简介第124页
攻读硕士学位期间研究成果第124页

论文共124页,点击 下载论文
上一篇:手势图像特征提取与识别技术研究
下一篇:基于Spark的文本分类的研究