基于机器视觉的复杂塑件识别与检测技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 课题研究背景及意义 | 第16-17页 |
| 1.2 国内外研究历史与现状 | 第17-19页 |
| 1.3 论文的主要研究内容 | 第19-20页 |
| 第二章 视觉系统设计与标定 | 第20-34页 |
| 2.1 视觉系统功能需求分析 | 第20页 |
| 2.2 视觉系统总体方案设计 | 第20-21页 |
| 2.3 系统硬件构成 | 第21-24页 |
| 2.3.1 工业相机 | 第21-22页 |
| 2.3.2 镜头 | 第22-23页 |
| 2.3.3 光源 | 第23-24页 |
| 2.3.4 实验平台的搭建 | 第24页 |
| 2.4 视觉系统标定 | 第24-31页 |
| 2.4.1 坐标系及其相互关系 | 第25-27页 |
| 2.4.2 相机成像模型 | 第27-28页 |
| 2.4.3 相机标定 | 第28-31页 |
| 2.5 本章小结 | 第31-34页 |
| 第三章 图像预处理算法研究 | 第34-56页 |
| 3.1 图像滤波 | 第34-37页 |
| 3.1.1 均值滤波 | 第34-35页 |
| 3.1.2 中值滤波 | 第35-36页 |
| 3.1.3 高斯滤波 | 第36-37页 |
| 3.2 图像分割 | 第37-39页 |
| 3.2.1 灰度直方图 | 第38-39页 |
| 3.2.2 基于阈值的分割方法 | 第39页 |
| 3.3 图像形态学处理 | 第39-42页 |
| 3.3.1 膨胀与腐蚀 | 第40-41页 |
| 3.3.2 开运算与闭运算 | 第41-42页 |
| 3.4 边缘检测 | 第42-53页 |
| 3.4.1 一阶微分算子 | 第43-44页 |
| 3.4.2 Canny边缘检测算法 | 第44-46页 |
| 3.4.3 基于形态学的边缘检测算法 | 第46-47页 |
| 3.4.4 改进的边缘检测算法 | 第47-53页 |
| 3.5 本章小结 | 第53-56页 |
| 第四章 零件识别研究 | 第56-72页 |
| 4.1 图像识别方法 | 第56页 |
| 4.2 基于模板匹配的图像识别 | 第56-63页 |
| 4.2.1 基于灰度的模板匹配 | 第56-60页 |
| 4.2.2 基于边缘的模板匹配 | 第60-63页 |
| 4.3 基于BP神经网络的图像识别 | 第63-69页 |
| 4.3.1 神经网络原理 | 第63-65页 |
| 4.3.2 BP神经网络的设计 | 第65-66页 |
| 4.3.3 神经网络的训练 | 第66-67页 |
| 4.3.4 识别结果与分析 | 第67-69页 |
| 4.4 不同类型零件的识别实验 | 第69-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 零件检测与集成软件开发 | 第72-86页 |
| 5.1 齿轮检测研究 | 第72-79页 |
| 5.1.1 齿轮中心点的确定 | 第73页 |
| 5.1.2 齿顶圆和齿根圆直径测量 | 第73-74页 |
| 5.1.3 齿数与齿距测量 | 第74-75页 |
| 5.1.4 测量实验结果 | 第75-79页 |
| 5.2 集成软件开发 | 第79-84页 |
| 5.2.1 软件开发环境 | 第79页 |
| 5.2.2 软件结构设计与实现 | 第79-83页 |
| 5.2.3 实验结果与分析 | 第83-84页 |
| 5.3 本章小结 | 第84-86页 |
| 第六章 结论与展望 | 第86-88页 |
| 6.1 结论 | 第86-87页 |
| 6.2 展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 附录 | 第92-96页 |
| 致谢 | 第96-98页 |
| 研究成果及发表的学术论文 | 第98-100页 |
| 作者和导师简介 | 第100-102页 |
| 附件 | 第102-103页 |
