摘要 | 第5-6页 |
Abstract | 第6-7页 |
插图索引 | 第11-12页 |
附表索引 | 第12-13页 |
第1章 绪论 | 第13-22页 |
1.1 研究背景与意义 | 第13页 |
1.2 国内外表面粗糙度检测研究现状 | 第13-18页 |
1.2.1 接触式测量方法 | 第14页 |
1.2.2 非接触测量方法 | 第14-18页 |
1.3 DSP 在工业检测中的应用 | 第18-20页 |
1.3.1 工业视觉检测 | 第18页 |
1.3.2 DSP 芯片的特点 | 第18-19页 |
1.3.3 DSP 技术发展趋势 | 第19-20页 |
1.4 本文研究思路与主要研究内容 | 第20-22页 |
1.4.1 问题的提出 | 第20页 |
1.4.2 本文的研究思路 | 第20-21页 |
1.4.3 主要内容及章节安排 | 第21-22页 |
第2章 基于光散射原理和机器视觉的表面粗糙度检测 | 第22-29页 |
2.1 表面粗糙度的定义 | 第22-23页 |
2.2 光散射原理 | 第23-27页 |
2.2.1 粗糙表面的光散射现象 | 第23页 |
2.2.2 散射光强分布与表面租糙度的定性关系 | 第23-24页 |
2.2.3 散射光强分布与表面粗糙度之间的定量关系 | 第24-27页 |
2.3 基于光散射原理和机器视觉的粗糙度检测 | 第27页 |
2.3.1 机器视觉原理 | 第27页 |
2.3.2 机器视觉的基本组成 | 第27页 |
2.3.3 基于光散射原理和机器视觉的粗糙度检测 | 第27页 |
2.4 本章小结 | 第27-29页 |
第3章 表面粗糙度在线检测系统的硬件总体设计 | 第29-37页 |
3.1 磨削试件 | 第29页 |
3.2 表面粗糙度在线检测系统的总体设计 | 第29-31页 |
3.3 表面粗糙度在线检测系统硬件设计 | 第31-36页 |
3.3.1 光学测量模块 | 第31-32页 |
3.3.2 图像采集模块 | 第32-33页 |
3.3.3 数据处理模块 | 第33-36页 |
3.3.4 数据显示模块 | 第36页 |
3.3.5 通信模块 | 第36页 |
3.4 本章小结 | 第36-37页 |
第4章 基于支持向量机的磨削表面粗糙度等级识别 | 第37-56页 |
4.1 图像采集 | 第37-38页 |
4.2 图像预处理 | 第38-43页 |
4.2.1 图像滤波 | 第38-39页 |
4.2.2 确定图像旋转角度 | 第39页 |
4.2.3 图像旋转 | 第39-43页 |
4.3 表面粗糙度特征参数的提取 | 第43-47页 |
4.4 基于多分类支持向量机的粗糙度等级识别 | 第47-55页 |
4.4.1 支持向量机原理 | 第47-50页 |
4.4.2 SVM 的多分类算法 | 第50-51页 |
4.4.3 SVM 分类模型的参数优化 | 第51-52页 |
4.4.4 基于支持向量机的粗糙度等级识别 | 第52-53页 |
4.4.5 算法 MATLAB 仿真 | 第53-55页 |
4.5 本章小结 | 第55-56页 |
第5章 基于 DSP 的磨削表面粗糙度测量系统开发 | 第56-72页 |
5.1 DSP 的软件开发工具 | 第56-59页 |
5.1.1 集成开发环境 CCS | 第56-57页 |
5.1.2 CCS 的编译链接 | 第57-59页 |
5.2 DSP 系统的主程序架构 | 第59-66页 |
5.2.1 引导加载过程 | 第59页 |
5.2.2 芯片支持库初始化 | 第59-60页 |
5.2.3 外扩存储器接口初始化 | 第60-61页 |
5.2.4 基于 EDMA 的 PDT 传输设置 | 第61-62页 |
5.2.5 中断设置 | 第62页 |
5.2.6 通信模块设置 | 第62-66页 |
5.3 粗糙度检测算法的 DSP 实现 | 第66-67页 |
5.4 程序的烧录 | 第67-68页 |
5.4.1 .out 文件到.hex 文件的转换 | 第68页 |
5.4.2 Flash Burn | 第68页 |
5.5 系统调试和运行 | 第68-71页 |
5.6 本章小结 | 第71-72页 |
结论与展望 | 第72-73页 |
参考文献 | 第73-79页 |
致谢 | 第79-80页 |
附录A 攻读学位期间发表和录用的论文目录 | 第80页 |