基于机器视觉的风力发电机叶片表面缺陷检测研究
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第10-27页 |
| 1.1 课题的来源和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 风力发电的发展现状 | 第11-14页 |
| 1.2.2 机器视觉系统的发展现状 | 第14-15页 |
| 1.2.3 机器视觉在土木工程监测领域的发展现状 | 第15-16页 |
| 1.2.4 叶片表面缺陷检测的发展现状 | 第16-18页 |
| 1.3 叶片表面缺陷成因、分类和参数 | 第18-24页 |
| 1.3.1 叶片表面缺陷的成因和分类 | 第18-23页 |
| 1.3.2 传统叶片检测技术 | 第23-24页 |
| 1.4 课题研究目的及意义 | 第24-25页 |
| 1.5 论文研究章节安排 | 第25-27页 |
| 第2章 叶片表面缺陷检测系统的搭建 | 第27-34页 |
| 2.1 风电叶片表面缺陷图像采集系统硬件设计 | 第28-32页 |
| 2.1.1 图像摄取系统的选型 | 第28-29页 |
| 2.1.2 图像采集系统的选型 | 第29页 |
| 2.1.3 数据处理系统的选型 | 第29-30页 |
| 2.1.4 照明系统的选型 | 第30-31页 |
| 2.1.5 状态评估系统 | 第31-32页 |
| 2.1.6 机器视觉系统搭建 | 第32页 |
| 2.2 风电叶片表面缺陷图像采集系统软件设计 | 第32-33页 |
| 2.3 小结 | 第33-34页 |
| 第3章 叶片表面缺陷图像处理 | 第34-50页 |
| 3.1 数字图像处理概述 | 第34-36页 |
| 3.2 图像增强 | 第36-39页 |
| 3.2.1 图像灰度化 | 第37页 |
| 3.2.2 灰度内插 | 第37-39页 |
| 3.3 图像滤波 | 第39-44页 |
| 3.3.1 几何均值滤波 | 第40页 |
| 3.3.2 中值滤波 | 第40页 |
| 3.3.3 维纳滤波 | 第40-41页 |
| 3.3.4 自适应平滑滤波 | 第41页 |
| 3.3.5 Gabor滤波 | 第41-43页 |
| 3.3.6 试验图像滤波结果分析 | 第43-44页 |
| 3.4 图像分割技术 | 第44-46页 |
| 3.4.1 图像分割技术介绍 | 第44页 |
| 3.4.2 Ostu阈值分割原理 | 第44-46页 |
| 3.5 二值图像形态学处理 | 第46-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第4章 图像处理质量评价 | 第50-60页 |
| 4.1 图像增强后图像质量评价 | 第50-54页 |
| 4.1.1 图像滤波—Gabor滤波器参数计算 | 第50-54页 |
| 4.1.2 Gabor滤波—熵函数法 | 第54页 |
| 4.2 Ostu阈值分割—边缘密度函数法 | 第54-55页 |
| 4.3 形态学图像处理—Brenner梯度法 | 第55-56页 |
| 4.4 多目标区域图像处理评价 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 缺陷特征提取及试验验证 | 第60-73页 |
| 5.1 叶片表面缺陷特征提取 | 第60-64页 |
| 5.2 缺陷特征及参数提取流程 | 第64-67页 |
| 5.2.1 基于单目标的特征提取 | 第64-65页 |
| 5.2.2 基于多目标的特征提取 | 第65-67页 |
| 5.3 试验条件 | 第67-68页 |
| 5.4 试验结果分析 | 第68-72页 |
| 5.5 本章小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 总结 | 第73页 |
| 展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-82页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第82页 |
