摘要 | 第1-5页 |
ABSTRACT | 第5-12页 |
1 绪论 | 第12-17页 |
·引言 | 第12页 |
·课题来源和研究意义 | 第12-13页 |
·高速物料异物在线检测的国内外研究现状 | 第13-16页 |
·本文的主要研究内容 | 第16-17页 |
2 高速在线异物识别分拣系统基础 | 第17-28页 |
·异物检测的常用方法 | 第17-24页 |
·机器视觉及模式识别 | 第17-18页 |
·X 射线透射成像技术 | 第18-19页 |
·红外热成像技术 | 第19-21页 |
·红外光谱分析 | 第21-23页 |
·X 射线衍射光谱分析 | 第23-24页 |
·几种常见异物检测方法的分析比较 | 第24页 |
·基于机器视觉的高速在线异物分拣系统方案 | 第24-27页 |
·系统整体结构 | 第24-25页 |
·系统光源 | 第25-26页 |
·图像采集及处理 | 第26-27页 |
·气动剔除机构 | 第27页 |
·本章小结 | 第27-28页 |
3 基于机器视觉和单元整体识别的高速在线异物检测 | 第28-48页 |
·高速异物模式识别模型 | 第28-33页 |
·统计模式识别概述 | 第28-29页 |
·贝叶斯决策理论 | 第29-30页 |
·常用的分类器设计 | 第30-31页 |
·高速异物检测的模式识别模型 | 第31-33页 |
·图像预处理 | 第33-36页 |
·图像平滑滤波 | 第33-35页 |
·对比度拉伸 | 第35-36页 |
·特征提取与选择 | 第36-39页 |
·特征选取的可分性准则 | 第36-37页 |
·颜色模型的选择 | 第37-39页 |
·基于像素点的在线识别算法 | 第39-41页 |
·基本原理 | 第39页 |
·正态分布阈值设定 | 第39-40页 |
·直方图-类间最大方差阈值设定 | 第40-41页 |
·单元整体识别算法 | 第41-46页 |
·单元均匀性判别 | 第41-42页 |
·基于FFT 的纹理识别 | 第42-43页 |
·基于自适应聚类的单元识别算法 | 第43-46页 |
·基于线性回归的直线识别 | 第46页 |
·本章小结 | 第46-48页 |
4 支持向量机异物在线识别算法 | 第48-67页 |
·支持向量机理论基础 | 第48-53页 |
·支持向量机概述 | 第48页 |
·线性分类和支持向量 | 第48-50页 |
·非线性分类支持向量机 | 第50-51页 |
·序贯最小优化训练算法 | 第51-52页 |
·启发式算法选择工作集 | 第52-53页 |
·异物识别中一类超球面支持向量机识别算法 | 第53-60页 |
·异物在线识别中OC-SVM 应用机理 | 第53-55页 |
·OC-SVM 的改进SMO 训练算法 | 第55-56页 |
·Zoutendijk 下降策略确定工作集 | 第56-57页 |
·OC-SVM 算法实验分析 | 第57-60页 |
·基于引导式量子粒子群的OC-SVM 优化训练算法 | 第60-66页 |
·量子粒子群基础 | 第60-61页 |
·引导式量子粒子群优化算法 | 第61-64页 |
·D-QDPSO 的实现及实验分析 | 第64-66页 |
·本章小结 | 第66-67页 |
5 高速异物识别中的智能在线学习 | 第67-81页 |
·智能学习在高速在线异物识别中的应用 | 第67-70页 |
·智能学习的基本方法 | 第67-69页 |
·高速异物识别智能在线学习模型 | 第69-70页 |
·高速异物识别在线自学习 | 第70-75页 |
·记忆式在线自学习算法 | 第70-73页 |
·自适应动态阈值识别 | 第73-75页 |
·基于高速线阵CCD 的在线学习和自适应纠错 | 第75-79页 |
·高速线阵CCD 成像特点 | 第75-78页 |
·异物识别中的线阵CCD 自适应纠错 | 第78-79页 |
·本章小结 | 第79-81页 |
6 智能烟草在线异物识别剔除系统功能及实现 | 第81-96页 |
·智能烟草异物在线识别及剔除系统整体结构 | 第81-84页 |
·系统剔除率测试实验 | 第84-88页 |
·异物识别率和剔除率检验方法 | 第84-85页 |
·系统调试 | 第85-87页 |
·异物识别实验 | 第87-88页 |
·识别剔除率影响因素实验研究 | 第88-95页 |
·物料流量的影响 | 第88-91页 |
·异物尺寸大小的影响 | 第91-93页 |
·异物在烟叶中的浓度的影响 | 第93-95页 |
·本章小结 | 第95-96页 |
7 全文总结 | 第96-98页 |
致谢 | 第98-99页 |
参考文献 | 第99-105页 |
附录 | 第105-106页 |
附件 | 第106-107页 |