基于机器视觉的加热片表面缺陷检测技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题的来源 | 第10页 |
| 1.2 研究背景及意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 光照不均图像增强算法研究现状 | 第12-13页 |
| 1.3.2 图像纹理处理算法研究现状 | 第13-15页 |
| 1.3.3 圆形金属制件表面缺陷检测研究现状 | 第15-16页 |
| 1.4 本文研究内容 | 第16-17页 |
| 第2章 视觉检测系统总体设计 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 加热片视觉检测系统总体设计 | 第17-21页 |
| 2.2.1 视觉系统的检测对象 | 第17-18页 |
| 2.2.2 视觉系统的技术指标 | 第18页 |
| 2.2.3 视觉系统总体设计 | 第18-21页 |
| 2.3 视觉系统硬件子系统详细设计 | 第21-24页 |
| 2.3.1 工业相机选型 | 第21-22页 |
| 2.3.2 光源选型 | 第22-23页 |
| 2.3.3 背景物选取 | 第23-24页 |
| 2.4 获取加热片表面图像 | 第24-26页 |
| 2.4.1 照明角度 | 第24-25页 |
| 2.4.2 加热片表面图像采集 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 加热片表面图像预处理 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 图像前景提取 | 第27-32页 |
| 3.2.1 灰度级数学形态学运算 | 第28-29页 |
| 3.2.2 灰度级形态学边缘 | 第29-30页 |
| 3.2.3 形态学边缘自适应二值化阈值 | 第30-32页 |
| 3.2.4 掩模获取与前景提取 | 第32页 |
| 3.3 加热片疑似缺陷检测 | 第32-35页 |
| 3.3.1 维纳滤波去噪 | 第33-34页 |
| 3.3.2 缺陷边缘检测 | 第34-35页 |
| 3.4 加热片图像增强处理 | 第35-42页 |
| 3.4.1 高频强调滤波 | 第36-37页 |
| 3.4.2 Catte_pm扩散去噪算法 | 第37-39页 |
| 3.4.3 本文改进的Catte_pm模型 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 加热片表面缺陷分类 | 第43-63页 |
| 4.1 引言 | 第43页 |
| 4.2 基于统计特征的缺陷分类 | 第43-52页 |
| 4.2.1 缺陷分割 | 第43-46页 |
| 4.2.2 缺陷区域描绘子 | 第46-49页 |
| 4.2.3 分类器设计 | 第49-52页 |
| 4.3 基于主成分分析与支持向量机的缺陷分类 | 第52-58页 |
| 4.3.1 前期处理 | 第53-54页 |
| 4.3.2 主成分分析降维 | 第54-56页 |
| 4.3.3 支持向量机分类 | 第56-58页 |
| 4.4 基于主成分分析与BP神经网络的缺陷分类 | 第58-61页 |
| 4.4.1 神经网络分类器设计 | 第58-59页 |
| 4.4.2 BP神经网络分类实验 | 第59-61页 |
| 4.5 三类识别方法的比较及本章小结 | 第61-62页 |
| 4.5.1 三类识别方法的比较 | 第61-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 视觉检测软件子系统 | 第63-69页 |
| 5.1 引言 | 第63页 |
| 5.2 视觉检测软件子系统设计 | 第63-66页 |
| 5.2.1 软件子系统技术指标 | 第63页 |
| 5.2.2 软件子系统功能要求 | 第63-64页 |
| 5.2.3 软件子系统设计 | 第64-66页 |
| 5.3 软件子系统验证 | 第66-68页 |
| 5.3.1 软件子系统功能验证 | 第66-67页 |
| 5.3.2 软件子系统技术指标验证 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第75-77页 |
| 致谢 | 第77页 |
