基于图像特征雷达图的机床导轨面磨损状况识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 导轨磨损缺陷检测国内外研究现状 | 第8-11页 |
| 1.3 机器视觉磨损缺陷检测国内外研究现状 | 第11-13页 |
| 1.4 论文拟解决的问题及解决思路 | 第13-14页 |
| 1.5 论文主要研究内容及课题来源 | 第14-15页 |
| 第2章 导轨面图像采集平台搭建及表面粗糙度测定 | 第15-25页 |
| 2.1 图像采集平台设计与搭建 | 第15-21页 |
| 2.1.1 导轨放置平台 | 第15-16页 |
| 2.1.2 光源选取 | 第16-17页 |
| 2.1.3 镜头 | 第17-19页 |
| 2.1.4 工业相机 | 第19-20页 |
| 2.1.5 图像采集卡 | 第20-21页 |
| 2.2 图像采集及表面粗糙度测量 | 第21-24页 |
| 2.2.1 图像采集 | 第21页 |
| 2.2.2 表面粗糙度测量 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 导轨面磨损缺陷图像预处理及特征提取 | 第25-39页 |
| 3.1 导轨面磨损图像平滑处理 | 第25-28页 |
| 3.1.1 邻域平均法 | 第25-26页 |
| 3.1.2 中值滤波法 | 第26-27页 |
| 3.1.3 维纳滤波法 | 第27页 |
| 3.1.4 三种图像平滑滤波方法去噪结果分析 | 第27-28页 |
| 3.2 磨损图像增强 | 第28-31页 |
| 3.2.1 分段线性灰度变换 | 第28-29页 |
| 3.2.2 直方图均衡化 | 第29-31页 |
| 3.3 磨损图像边缘提取 | 第31-33页 |
| 3.4 磨损图像特征提取的意义及评价标准 | 第33-34页 |
| 3.4.1 特征提取的意义 | 第33页 |
| 3.4.2 特征提取评价标准 | 第33-34页 |
| 3.5 导轨面磨损缺陷图像特征提取 | 第34-38页 |
| 3.5.1 几何特征提取 | 第34-36页 |
| 3.5.2 灰度特征 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 导轨图像特征数据图表示及图形特征提取 | 第39-53页 |
| 4.1 导轨图像特征数据的可视化 | 第39-42页 |
| 4.1.1 数据预处理 | 第40-41页 |
| 4.1.2 雷达图 | 第41-42页 |
| 4.2 基于雷达图的特征提取 | 第42-45页 |
| 4.2.1 重心特征 | 第43-44页 |
| 4.2.2 面积特征 | 第44-45页 |
| 4.3 雷达图重心特征的排序 | 第45-51页 |
| 4.3.1 重心特征提取中的特征排序问题 | 第45-46页 |
| 4.3.2 混合粒子群算法的特征排序 | 第46-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 基于支持向量机的导轨面磨损分类 | 第53-65页 |
| 5.1 支持向量机磨损图像分类原理 | 第53-56页 |
| 5.1.1 线性可分 SVM | 第53-54页 |
| 5.1.2 非线性可分 SVM | 第54-56页 |
| 5.2 基于 LIBSVM 的磨损分类模型建立 | 第56-58页 |
| 5.2.1 生成数据格式 | 第56-57页 |
| 5.2.2 核函数及参数选择 | 第57-58页 |
| 5.3 分类识别实验 | 第58-64页 |
| 5.3.1 六组最优特征分类实验 | 第58-62页 |
| 5.3.2 全部特征分类实验 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 课题总结 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第72页 |
