基于机器视觉的车内胎气孔表面缺陷检测方法的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 基于机器视觉的缺陷检测技术发展现状 | 第14-17页 |
| 1.2.1 基于机器视觉的工业检测技术特点 | 第15页 |
| 1.2.2 国内外发展现状 | 第15-17页 |
| 1.3 图像阈值分割算法介绍 | 第17-19页 |
| 1.4 论文研究主要工作 | 第19-21页 |
| 2 车内胎气孔表面缺陷检测系统的设计 | 第21-31页 |
| 2.1 气孔表面常见缺陷类型 | 第21-23页 |
| 2.2 车内胎气孔表面缺陷检测主要技术要求 | 第23页 |
| 2.3 气孔表面缺陷检测系统的工作原理及基本架构 | 第23-29页 |
| 2.3.1 光源 | 第25-27页 |
| 2.3.2 CCD工业相机 | 第27-29页 |
| 2.4 气孔表面缺陷检测流程 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 车内胎气孔表面检测关键技术 | 第31-44页 |
| 3.1 图像亮度调整 | 第31-36页 |
| 3.1.1 灰度直方图 | 第31-32页 |
| 3.1.2 图像伽马变换 | 第32页 |
| 3.1.3 图像亮度算法设计 | 第32-36页 |
| 3.2 目标分割 | 第36-43页 |
| 3.2.1 基于边界的分割方法 | 第37-40页 |
| 3.2.2 基于区域的分割方法 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 4 缺陷气孔的特征提取与分类识别 | 第44-54页 |
| 4.1 缺陷气孔的特征提取和选择原则 | 第44页 |
| 4.2 缺陷气孔的特征提取 | 第44-50页 |
| 4.2.1 缺陷气孔的特征定义 | 第45-46页 |
| 4.2.2 缺陷气孔的特征统计 | 第46-50页 |
| 4.3 缺陷气孔特征分类识别 | 第50-53页 |
| 4.3.1 基于特征相对距离的缺陷分类 | 第50-52页 |
| 4.3.2 基于图像形态距离的缺陷分类 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 软件系统设计 | 第54-59页 |
| 5.1 软件系统的基本要求 | 第54页 |
| 5.2 软件系统设计 | 第54-58页 |
| 5.2.1 编程工具 | 第54-55页 |
| 5.2.2 多线程架构 | 第55-56页 |
| 5.2.3 功能单元 | 第56-57页 |
| 5.2.4 检测界面 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 6 结论与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 作者简介 | 第63页 |
