| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 钢板表面缺陷检测研究背景 | 第14-19页 |
| 1.1.1 表面缺陷检测概述 | 第14页 |
| 1.1.2 钢板表面的典型缺陷 | 第14-17页 |
| 1.1.3 钢板表面缺陷检测研究意义 | 第17-19页 |
| 1.2 钢板表面缺陷检测技术研究现状 | 第19-26页 |
| 1.2.1 国内外检测系统研究现状 | 第19-24页 |
| 1.2.2 检测算法研究现状 | 第24-26页 |
| 1.3 钢板表面缺陷检测关键问题 | 第26-30页 |
| 1.3.1 检测系统的关键问题 | 第27-28页 |
| 1.3.2 检测算法的关键问题 | 第28-30页 |
| 1.4 本文研究的内容及主要工作 | 第30-32页 |
| 第2章 针对多生产线的集群式钢板表面缺陷检测系统设计 | 第32-54页 |
| 2.1 传统的独立式检测系统 | 第32-34页 |
| 2.1.1 独立生产线采用的检测系统 | 第32页 |
| 2.1.2 独立式检测系统的结构 | 第32-34页 |
| 2.2 针对多生产线设计的新检测系统指标与要求 | 第34-35页 |
| 2.3 针对多生产线设计的集群式检测系统方案 | 第35-37页 |
| 2.4 针对多生产线的集群式检测系统体系设计 | 第37-50页 |
| 2.4.1 采集体系设计 | 第37-42页 |
| 2.4.2 传输体系设计 | 第42-44页 |
| 2.4.3 集群处理设计 | 第44-48页 |
| 2.4.4 存储体系设计 | 第48-50页 |
| 2.5 集群式检测系统的检测流程设计 | 第50-53页 |
| 2.6 本章小结 | 第53-54页 |
| 第3章 ROI检测研究 | 第54-70页 |
| 3.1 概述 | 第54页 |
| 3.2 传统ROI检测方法 | 第54-55页 |
| 3.3 两个阶段ROI检测新方法 | 第55-66页 |
| 3.3.1 两个阶段ROI检测方案 | 第55-57页 |
| 3.3.2 第一阶段ROB检测算法 | 第57-60页 |
| 3.3.3 第二阶段ROD检测新算法 | 第60-66页 |
| 3.4 实验结果及分析 | 第66-69页 |
| 3.5 本章小结 | 第69-70页 |
| 第4章 缺陷区域定位检测研究 | 第70-100页 |
| 4.1 概述 | 第70页 |
| 4.2 基于五项中值双边滤波的缺陷图像去噪新算法 | 第70-82页 |
| 4.2.1 去噪的传统算法及新算法思路 | 第70-72页 |
| 4.2.2 局部边缘模型 | 第72-73页 |
| 4.2.3 五项中值编码新方法 | 第73-75页 |
| 4.2.4 五项中值滤波新算法 | 第75页 |
| 4.2.5 改进的区域异性双边滤波 | 第75-79页 |
| 4.2.6 实验结果及分析 | 第79-82页 |
| 4.3 缺陷区域分割算法 | 第82-95页 |
| 4.3.1 基于微分算子的缺陷区域分割算法及改进 | 第82-86页 |
| 4.3.2 基于Canny算法的缺陷区域分割算法及改进 | 第86-88页 |
| 4.3.3 基于分水岭算法的缺陷区域分割算法 | 第88-90页 |
| 4.3.4 实验比较及分析 | 第90-95页 |
| 4.4 缺陷区域定位信息化方法 | 第95-98页 |
| 4.4.1 缺陷区域的合并 | 第95-97页 |
| 4.4.2 缺陷区域的定位信息设计 | 第97-98页 |
| 4.5 本章小结 | 第98-100页 |
| 第5章 缺陷区域特征提取研究 | 第100-128页 |
| 5.1 概述 | 第100页 |
| 5.2 常用的缺陷区域特征提取方法 | 第100-104页 |
| 5.2.1 几何形状特征 | 第100-101页 |
| 5.2.2 一维灰度直方图统计特征 | 第101-102页 |
| 5.2.3 二维灰度直方图统计特征 | 第102-103页 |
| 5.2.4 不变矩特征 | 第103-104页 |
| 5.3 基于重心的缺陷区域不变性重采样新方法 | 第104-108页 |
| 5.4 基于缺陷边缘的不变性统计特征提取新方法 | 第108-112页 |
| 5.4.1 边缘距离不变性统计特征提取 | 第108-110页 |
| 5.4.2 边缘方向不变性统计特征提取 | 第110-112页 |
| 5.5 基于缺陷区域的二值模式统计特征提取新方法 | 第112-118页 |
| 5.5.1 局部二值模式原理 | 第112-114页 |
| 5.5.2 改进的局部二值模式 | 第114-116页 |
| 5.5.3 基于改进的二值模式统计特征提取 | 第116-118页 |
| 5.6 实验结果及分析 | 第118-126页 |
| 5.7 本章小结 | 第126-128页 |
| 第6章 缺陷类型分类识别研究 | 第128-152页 |
| 6.1 缺陷类型分类方法概述 | 第128-129页 |
| 6.2 支持向量机基础 | 第129-132页 |
| 6.2.1 标准支持向量机 | 第129-131页 |
| 6.2.2 孪生支持向量机 | 第131-132页 |
| 6.3 基于多密度孪生支持向量机的缺陷分类新算法 | 第132-143页 |
| 6.3.1 新的样本密度估计函数 | 第132-133页 |
| 6.3.2 非平衡数据集的增样与减样新方法 | 第133-135页 |
| 6.3.3 多密度孪生支持向量机新分类模型 | 第135-137页 |
| 6.3.4 逐次超松弛迭代学习算法 | 第137页 |
| 6.3.5 多类别缺陷分类 | 第137-139页 |
| 6.3.6 实验结果及分析 | 第139-143页 |
| 6.4 基于改进的最小二乘孪生支持向量机缺陷分类新算法 | 第143-151页 |
| 6.4.1 最小二乘孪生支持向量机 | 第143-144页 |
| 6.4.2 改进的最小二乘孪生支持向量机新分类模型 | 第144-146页 |
| 6.4.3 新参数计算方法 | 第146-147页 |
| 6.4.4 多类别缺陷分类 | 第147-148页 |
| 6.4.5 实验结果及分析 | 第148-151页 |
| 6.5 本章小结 | 第151-152页 |
| 第7章 总结与展望 | 第152-154页 |
| 参考文献 | 第154-166页 |
| 致谢 | 第166-168页 |
| 攻读博士学位期间所做的主要工作 | 第168-169页 |
