金属拉链缺陷检测系统研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第9-12页 |
| CONTENTS | 第12-15页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 相关内容的研究现状 | 第17-20页 |
| 1.2.1 国内外研究现状 | 第17-18页 |
| 1.2.2 脉冲耦合神经网络的研究现状 | 第18-20页 |
| 1.3 主要研究内容及创新 | 第20-22页 |
| 第二章 金属拉链缺陷自动检测系统设计方案 | 第22-35页 |
| 2.1 引言 | 第22页 |
| 2.2 系统的主要技术要求 | 第22-23页 |
| 2.3 系统的硬件设计方案 | 第23-31页 |
| 2.3.1. 工业相机 | 第24-26页 |
| 2.3.2 镜头 | 第26-28页 |
| 2.3.3 光源 | 第28-31页 |
| 2.4 系统的软件设计方案 | 第31-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 金属拉链图像的预处理技术研究 | 第35-47页 |
| 3.1 引言 | 第35页 |
| 3.2 图像降噪的研究 | 第35-40页 |
| 3.2.1 金属拉链图像噪声的来源及分类 | 第35-37页 |
| 3.2.2 图像的降噪技术 | 第37-40页 |
| 3.2.2.1 多图像平均法 | 第37页 |
| 3.2.2.2 平滑线性滤波 | 第37-38页 |
| 3.2.2.3 统计排序滤波器 | 第38-39页 |
| 3.2.2.4 自适应中值滤波 | 第39-40页 |
| 3.3 图像几何变换 | 第40-43页 |
| 3.3.1 图像平移 | 第41-42页 |
| 3.3.2 图像旋转 | 第42-43页 |
| 3.4 实验结果与分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 PCNN在金属拉链缺陷检测中应用 | 第47-66页 |
| 4.1 引言 | 第47页 |
| 4.2 传统PCNN模型 | 第47-52页 |
| 4.2.1 模型结构 | 第48-49页 |
| 4.2.1.1 信号接收域 | 第48-49页 |
| 4.2.1.2 调制域 | 第49页 |
| 4.2.1.3 脉冲输出域 | 第49页 |
| 4.2.2 PCNN模型参数 | 第49-50页 |
| 4.2.3 PCNN运行机制 | 第50-51页 |
| 4.2.4 PCNN模型特性 | 第51-52页 |
| 4.3 PCNN的图像分割应用 | 第52-57页 |
| 4.3.1 PCNN图像分割原理 | 第53页 |
| 4.3.2 改进型PCNN模型 | 第53-56页 |
| 4.3.2.1 传统PCNN的缺点 | 第53-54页 |
| 4.3.2.2 PCNN改进方法 | 第54-56页 |
| 4.3.3 改进型PCNN图像分割算法的实现 | 第56-57页 |
| 4.4 PCNN的数学形态学应用 | 第57-59页 |
| 4.4.1 数学形态学原理 | 第57-59页 |
| 4.4.2 PCNN的形态学应用原理 | 第59页 |
| 4.5 实验结果与分析 | 第59-65页 |
| 4.5.1 金属链齿的分割 | 第59-63页 |
| 4.5.2 限位码和拉头的提取 | 第63-65页 |
| 4.6 木章小结 | 第65-66页 |
| 第五章 金属拉链缺陷检测算法的研究 | 第66-80页 |
| 5.1 引言 | 第66页 |
| 5.2 拉头、限位码缺失检测和定位算法 | 第66-67页 |
| 5.3 灰度跃变检测算法原理 | 第67-69页 |
| 5.3.1 金属链齿缺陷检测原理 | 第67-68页 |
| 5.3.2 链带缺陷检测原理 | 第68-69页 |
| 5.4 实验结果与分析 | 第69-79页 |
| 5.4.1 限位码和拉头的缺失检测 | 第69-70页 |
| 5.4.2 链齿缺陷检测 | 第70-75页 |
| 5.4.3 链带缺陷检测 | 第75-79页 |
| 5.5 本章小结 | 第79-80页 |
| 结论及展望 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 攻读学位期间发表论文 | 第88-90页 |
| 致谢 | 第90页 |
