基于机器视觉的钢丝综质量在线检测系统研发
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的背景及研究的意义 | 第11-12页 |
| 1.2 研究现状和发展趋势 | 第12-13页 |
| 1.3 本论文主要研究内容和需要达到的深度 | 第13-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第2章 检测系统的搭建和图像的预处理 | 第17-31页 |
| 2.1 机器视觉技术 | 第17页 |
| 2.2 机器视觉检测系统概述 | 第17-23页 |
| 2.2.1 光源 | 第18页 |
| 2.2.2 镜头 | 第18-19页 |
| 2.2.3 相机 | 第19-20页 |
| 2.2.4 双面成像装置 | 第20-21页 |
| 2.2.5 外触发拍照 | 第21-22页 |
| 2.2.6 废次品剔除策略 | 第22-23页 |
| 2.3 图像增强技术 | 第23-25页 |
| 2.3.1 直方图均衡化 | 第23-24页 |
| 2.3.2 灰度拉伸 | 第24页 |
| 2.3.3 本文方法 | 第24-25页 |
| 2.4 图像二值化方法 | 第25-28页 |
| 2.4.1 全局阈值法--大津法 | 第26-27页 |
| 2.4.2 局部阈值法-- Bernsen 算法 | 第27-28页 |
| 2.5 形态学处理 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基本尺寸测量和缺陷的检测 | 第31-42页 |
| 3.1 耳环宽度的测量 | 第31-35页 |
| 3.1.1 轮廓提取技术 | 第31-32页 |
| 3.1.2 耳环轮廓提取 | 第32-34页 |
| 3.1.3 分水岭算法 | 第34-35页 |
| 3.2 耳环藏角提取 | 第35-39页 |
| 3.2.1 图像细化处理 | 第37-39页 |
| 3.3 压白提取 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 机器学习实现分类识别 | 第42-56页 |
| 4.1 提取眼洞几何量特征 | 第43-44页 |
| 4.2 Laws 纹理测度 | 第44-45页 |
| 4.3 提取纹理特征 | 第45-48页 |
| 4.3.1 灰度直方图特征和梯度特征 | 第45-46页 |
| 4.3.2 灰度共生矩阵提取纹理特征 | 第46-48页 |
| 4.4 特征选择 | 第48-49页 |
| 4.5 模式识别方法 | 第49-55页 |
| 4.5.1 线性最优分类超平面 | 第50-52页 |
| 4.5.2 SVM 的非线性映射 | 第52页 |
| 4.5.3 核函数 | 第52-54页 |
| 4.5.4 分类器的训练和评价 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 软件设计 | 第56-64页 |
| 5.1 系统开发环境和开发语言介绍 | 第56页 |
| 5.1.1 开发平台 | 第56页 |
| 5.1.2 开发语言 | 第56页 |
| 5.2 软件总体设计 | 第56-63页 |
| 5.2.1 系统的主程序设计 | 第58页 |
| 5.2.2 系统各功能模块介绍 | 第58-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第6章 总结和展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 研究展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者在读研期间发表的学术论文及参加的科研项目 | 第71页 |
