一、工业视觉检查系统中模式识别的研究(论文文献综述)
侯雅文[1](2021)在《基于深度学习的TFT屏幕瑕疵检测系统的设计》文中进行了进一步梳理薄膜晶体管(Thin Film Transistor,TFT)如今被广泛用于电子产品的液晶显示器制造中,瑕疵检测是影响此类屏幕生产质量的关键技术之一。工业检测算法一般分为特征提取与特征匹配两个关键步骤,通常设计人员设计合适的特征描述子匹配图像中的瑕疵以便分离识别,这些描述子都是基于低级特征手工设计的,泛化能力较弱。近年来,基于深度学习的目标检测取得了令人瞩目的突破性成果,这些模型往往具备强大的特征提取能力,可以提取到比低级特征更为复杂的特征。然而,在如今的工业生产中,一方面由于生产技术和管理方法的成熟,出现异常的真实数据远远小于正常数据的数目,样本分布极不平衡,难以达到模型训练的要求。另一方面,大量标注数据也意味着高昂的人工成本,这对于企业和工厂来说是难以接受的。本文以通用工业检测系统为研究对象,设计了一个基于无监督学习的工业瑕疵检测框架,提出基于角点检测的感兴趣区域提取算法减少检测中信息流,消除干扰因素对检测结果的影响。设计了一种能够识别图像瑕疵的基于生成对抗网络的二阶融合模型,模型由判别器、生成器和编码器组成,其中一阶模型可以快速完成图像空间与潜在空间的映射,从而达到重构图像的目的,二阶模型学习一阶模型图像重构误差,与一阶模型的输出结果综合判定来进行瑕疵检测。实验证明,在缺乏真实瑕疵样本且存在大量环境噪声干扰得到情况下,提出的方法在保持较低误检率的同时仍然能维持良好的检测精度,且加入二阶重构误差的模型效果优于一阶融合模型。
高慧芳[2](2021)在《马歇尔·麦克卢汉媒介诗学研究》文中进行了进一步梳理作为世界知名学者,马歇尔·麦克卢汉提出过“媒介即信息”、“媒介是人的延伸”等媒介思想。这些思想警句先后被归纳为“老三论”、“新十论”,甚至还被提炼为“三十八条”。然而,这种归纳式理解无法对麦克卢汉思想做出清晰的界定。再加上,由于麦克卢汉本人不注重理论系统的建构,这使得他的思想只能以一种松散的结构而存在。对此,有学者提出,麦克卢汉思想早己超出常见的学科分类,而是由多学科综合而成的思想场域。通过仔细甄别,学者们从这种场域中发现了近二十种思想。其中既有震人发聩的洞见,又有众多令人费解的谜团。这种独特的思想场域不仅极易造成他人的理解障碍,也容易给人留下“技术决定论”的刻板印象。然而,随着国际学者们不断挖掘其中的人文主义传统,麦克卢汉思想才逐渐被重新定义为一种技术人文主义。若要追本溯源,这种理解方式最早出现在20世纪60年代对麦克卢汉的第一次研究热潮。其中,有学者强调剑桥批评传统对麦克卢汉思想的重要性。然后,在90年代的第二次研究热潮中,有学者通过分析现代主义文学的影响,逐渐形成一种关于现代性/后现代性的文化批评。直至,在本世纪的第三次研究热潮中,“三学科”(语法、辩证法、修辞术)与剑桥批评传统、现代主义文学共同构成一种用来理解麦克卢汉思想的诗学基础,并从中形成一种新的理解方式。相较于其他理解方式仅抓住麦克卢汉思想的一鳞半爪,这种新方式的独特之处在于,它试图通过观察媒介与艺术之间的关系,来发现思想场域的整体特征。近年来,这种新方式不仅清晰地揭示出麦克卢汉思想场域的延伸方式,还从中发现了一种原创性诗学。相较于国际学界,尽管国内学界已经形成“媒介麦克卢汉”和“美学麦克卢汉”两种理解方式,但由于两种方式之间的理论对话不足,所以未能有效地实现思想的整合。为了解决这种理论困境,国内学术界需要通过一种新方式,来重新理解麦克卢汉思想。再加上,随着当下媒介技术的快速发展,移动互联网不断造成媒介文化的崛起,促使“读图时代”的到来。那么,文学将会如何存在于媒介文化之中?这一问题是当下文艺理论研究必须解决的难题。这一难题不仅是麦克卢汉思想从文学批评拓展到文化批评的主要原因,还始终贯穿在他的思想场域之中,成为一种关键性构成要素。为了更深入地挖掘麦克卢汉思想遗产,以便推动国内文艺理论研究,本文选择以媒介与艺术之间的关系为切入点,并试图从媒介诗学的角度来重新理解麦克卢汉思想。因此,文中首先剖析媒介诗学的历时性发展与共时性结构,而后立足于该诗学的整体特征,进行必要的理论反思。鉴于麦克卢汉媒介诗学跨越文学批评、文化批评、媒介生态研究三个领域,本文通过以下五章内容来进行相关阐释。第一章致力于梳理媒介诗学的形成与发展,并交代发展中的三次转向。而后,从第二章至第四章分别探讨了媒介诗学的文学批评观、文化批评观、媒介生态研究,以便揭示出媒介诗学的三个主要面向。最后,第五章通过综合媒介诗学的整体特征和比较,进行相关理论反思。各章的具体内容如下:第一章介绍了麦克卢汉媒介诗学的形成与发展。本章回顾麦克卢汉的学术道路。他两次求学于剑桥大学英文系,并先后在美国与加拿大从事英文教学,后又进入媒介文化研究。由此,借助生态隐喻,他不仅提出媒介定律,还完成关于媒介的形而上学思考。在研究中,他整合多种学科思想,并通过动态观察西方文化历史,从中形成一种跨学科的开放性研究。这种研究始终围绕媒介与艺术的关系,并试图从西方文化历史中发现媒介的效应,以此来理解媒介。然而,在理解过程中,媒介的内涵不断被拓展。它不仅包括文学语言与传播媒介,还被用来指代所有人工创造物,从而成为一种“泛媒介”理念。随着“泛媒介”的出现,媒介诗学不但从文学批评转向文化批评,还从文化批评进入媒介生态研究。第二章剖析了麦克卢汉媒介诗学的文学批评观。受剑桥批评传统和现代主义文学的影响,媒介诗学将历史批评与审美批评相结合,并形成一种融外部研究与内部研究于一体的文学批评。一方面,这种文学批评以利维斯文化诗学和瑞恰兹实用批评为基础,并将“三学科”的历史视为文学文本的文化背景。它将西方文学整合为一个统一的传统,再按照“三学科”的内部关系来划分这种文学传统的不同历史时期。它揭示出,“三学科”的历史不仅催生出语法学家与辩证法家的对立,还孕育出西方文化中诗歌语言和科学语言的分化。这种分化导致西方现代文化中出现“文化与文明之争”,并造成个体感受力的分离。另一方面,受现代主义文学的影响,这种文学批评通过关于意象的批评,来理解诗歌的审美特征,将诗歌的群体意象命名为“风景”。然后,根据审美效应的差异,这种批评划分出“外部风景”与“内部风景”两种类别,揭示出自浪漫主义诗歌以来,诗歌审美特征已经从“外部风景”转向“内部风景”。由此,这种文学批评既完成了对文学历史的分期,又通过诗歌意象的批评,将文学文本的外部研究与内部研究合二为一,并以此来实现剑桥批评传统的基本目标。第三章着重探讨了麦克卢汉媒介诗学的文化批评观。出于对文学与文化语境的综合考量,媒介诗学聚焦于语言与传播媒介的同一性,构建出一种基于“泛媒介”的文化批评。随着工业技术的急剧发展,现代传播媒介逐步渗透到日常生活之中,并催生出大量流行文化,从而导致文学的边缘化。为了更好地理解这种文化语境,媒介诗学以搁置判断为前提,并通过理解媒介,来观察文化语境的变化。一方面,既然语言与传播媒介都可以实现人类经验的转换,那么二者便可被统称为“泛媒介”。尽管“泛媒介”的具体形态有所不同,但都可以通过经验转换来延伸人体官能,并共同构成一种“类概念”。由此,媒介诗学便依据这种“类概念”,将各种媒介整合为一种关于“泛媒介”的延伸过程。基于延伸方式和媒介效应的不同,媒介诗学识别出不同的模式。另一方面,为了更好地理解“泛媒介”的效应,媒介诗学不仅将媒介与艺术视为两种并行文本,还将二者整合为一种复合文化文本。首先,这种文本通过媒介与艺术的界面,形成一种马赛克结构。其次,再借助各种界面的对比,这种复合文化文本被划分为三种主要类型,即口语文化文本、机械文化文本、电子文化文本。进而,通过对这些文化文本的批评,三种文化文本的审美特征依次被隐喻为“前欧几里德声觉空间”、“欧几里德空间”、“后欧几里德声觉空间”,并由此构建出一种涉及技术、艺术与文化的空间隐喻。最后,通过这种空间隐喻,媒介诗学不仅预测出“地球村”的到来,还以它来隐喻电子文化文本。因此说,媒介诗学形成一种以“泛媒介”和复合文化文本为基础的文化批评。第四章重点分析麦克卢汉媒介诗学的媒介生态研究。借助生态隐喻,媒介诗学不仅将环境与反环视为一种媒介生态,还从二者的生态演变过程中发现媒介定律,从而形成一种可以用来研究所有人工创造物的诗学思想。首先,受生态意识的影响,媒介诗学将媒介隐喻为环境,将艺术隐喻为反环境。因此,媒介文化便被视为媒介生态。新媒介作为新环境,可以将旧环境转变为反环境;艺术作为反环境,通过“旧瓶装新酒”的方式,将新环境中的人类经验加工为反环境。环境与反环境之间不仅构成一种生态关系,还可以通过生态演变来推动文化的发展。其次,这种生态演变又被视为“原型”与“陈词”之间的转换过程。新媒介不仅是新环境,还是文化的新陈词;艺术则是关于新环境的旧陈词。二者共同促进文化“原型”的转变。再次,新陈词与旧陈词均源自人类诗性创造,并共同遵循提升、过时、再现、逆转的共时性结构。这种结构被命名为媒介定律,从而将“泛媒介”进一步拓展为所有人工创造物。最后,基于媒介词源学的理解,这种意义上的“泛媒介”又被视为源自人类诗性创造的语词,并以人体为词源,遵循媒介定律的语法规则。由此,各种人工创造物便可以构成一种关于人类诗性创造的“泛文本”,而人类文化历史便成为一种持续的言语。因此说,通过生态隐喻,媒介诗学不仅进一步拓展了“泛媒介”,还创造出一种关于“泛文本”的诗学思想。第五章侧重于对媒介诗学的比较与理论综合。为了便于从整体上思考媒介诗学,本章通过将它与其它相关思想进行比较来对其整体特征进行理论综合。首先,本章依次选取诺思罗普·弗莱的原型批评、雷蒙·威廉斯的文化研究、罗伯特·洛根的媒介生态研究,将之分别与媒介诗学的文学批评观、文化批评观、媒介生态研究进行对比。而后,本文提炼出媒介诗学的双重结构。其中不仅区分出它的表层结构与深层结构之间的关系,还揭示出马赛克结构与“泛文本”之间的关系。其次,为了阐明媒介诗学的理论成果,本章不仅分析了环境与反环境的发现过程,还解释了媒介定律的提出过程,从而揭示出该诗学如何实现诗学观念的拓展。再次,立足于媒介诗学的理论成果,本章将它界定为一种承上启下的诗学思想。这种诗学源自剑桥批评传统,又开创媒介生态研究。基于上述理论定位,本章既肯定了媒介诗学的理论超越与拓展,又指出它备受争议之处。结语部分总结本文的主要发现和尚需完善之处。鉴于这种麦克卢汉媒介诗学的综合性和拓展性,本文提出六种主要发现。这些发现不仅可以启发当下的文艺理论研究,也可以促进媒介文化研究。与此同时,相对于该媒介诗学的多元化特征,本文依然存在很多尚需完善之处。
李政彤[3](2021)在《基于视觉的机器人自动制孔在线检测技术研究》文中研究说明随着机械制造业智能化的不断提升,航空工业发展迅猛,对现代航空制造业的加工质量与加工效率提出更高要求,而飞机作为航空工业最具代表性的产品,实现飞机零部件加工中的自动化制孔、装配及检测,是提高飞机制造效率与质量的有效途径。应用在航空工业中传统的人工检测方法,速度慢,效率低,易造成漏检、错检等情况。为提高加工装配的效率,构建实时、高效的在线检测系统用于提升机器人自动制孔技术显得尤为重要。本文基于机器视觉方法对机器人自动制孔在线检测系统进行研究,主要研究内容如下:首先,设计机器人自动制孔在线检测系统总体方案,采用Eye-in-Hand手眼标定系统构型,建立机器人系统坐标系,对机器人坐标系、工件坐标系及相机坐标系进行坐标变换确定相机内外参。通过模板匹配的方法识别制孔位置,再利用Hough圆检测算法对孔边缘拟合,根据手眼标定结果实现孔的尺寸检测。其次,研究碳纤维增强复合材料(Carbon Fibre Reinforced Plastics,CFRP)孔出入口缺陷,利用加权平均值灰度化法、自适应混合滤波降噪方法、对数变换图像增强法对CFRP孔出入口缺陷图像进行预处理。通过OTSU自适应阈值选取算法确定图像的ROI区域,并利用开闭合运算对分割出的缺陷区域二值图像进行孔洞填充以及边缘完整化。基于Canny算子获取孔表面缺陷像素级边缘,对边缘进行精准定位,获取完整的缺陷轮廓信息。再次,为实现孔出入口缺陷分类,设计了基于多层感知器(Multi Layer Perceptron,MLP)的缺陷分类器。对MLP分类器识别准确率和检测时间进行测试,并通过实验验证其分类的准确性,将MLP分类器应用在机器人自动制孔在线检测系统中。最后,对机器人自动制孔在线检测系统硬件进行选择并将其集成到多功能末端执行器上,利用Visual Studio 2015开发工具中MFC应用程序模块,结合Open CV图像处理库、Halcon图像处理库混合编程开发在线检测模块和离线检测图像处理模块,完成机器人自动制孔在线检测系统软硬件的开发。
何远洋[4](2020)在《基于机器视觉的冶金起重机制动器健康状态监测》文中研究指明制动器是冶金起重设备中关键的传动部件和安全保障装置,其健康状态直接影响冶金工业的安全生产。由于冶金起重机工作负载重、服役周期长且工作环境恶劣,容易导致制动器制动效能降低,甚至发生制动失效的安全事故。因此,准确有效的制动器健康状态监测方法具有重要的理论价值和工程实际意义。从这一实际问题出发,本文通过分析冶金起重机制动器的工作原理和失效原因,提出了一种基于机器视觉的冶金起重机制动器健康状态监测方法。本文主要研究内容包括以下几个部分:(1)根据冶金企业常用的起重机制动器类型建立了典型起重机制动器制动过程的理论模型,分析了制动器的制动性能和工作机理,研究了其主要失效形式和失效原因。(2)提出了基于机器视觉的冶金起重机制动器健康状态参数监测方法。首先构建了能够反映制动性能的参数指标;再论证了各参数的采样方法,建立了机器视觉采样的数学模型;最后基于此搭建了实验台实现了图像采样。(3)以采样图像为研究对象,提出制动器力矩、推杆位移量标尺图像识别算法。首先通过Retinex算法、直方图均衡化算法、hough算法处理采样图像中灰尘影响、光照不均、拍摄视角倾斜问题;再增强图像特征并对标尺图像分割处理;最后基于分割结果用模板匹配法完成标尺图像识别。该方法能以较小的误差识别标尺示值。(4)针对制动过程中温度、摩擦因数等参数不易直接监测的问题,首先在ABAQUS软件中建立了块式制动器制动过程的热机耦合模型进行参数仿真分析;然后提出了基于BP神经网络模型拟合热机耦合模型的参数识别方法,对数据间的映射关系进行拟合,补足了仿真模型运算量大、耗时长的缺陷,该方法实现了制动器健康状态参数的高效率识别。(5)基于MATLAB软件GUI功能,开发了人机界面完成监测系统设计,该系统丰富了冶金行业安全生产和设备维护方法。
陈刚[5](2020)在《伞杆加工过程中的机器视觉检测系统研究》文中指出在传统伞杆自动化加工过程中,首先需要将伞杆转正到固定的位置,才能进行后续加工,该过程称为伞杆的“校正”过程。目前生产线上通常使用模具配合结构的方法实现伞杆的机械式“校正”,但该方法容易出现模具损耗,卡死和校正错误等问题,影响伞杆的加工效率。此外,在高端伞杆的加工过程中,若有焊缝的伞杆柱面作为后续加工面,则在高端折叠伞使用过程中可能出现因杆件表面刮花而影响美观的问题,所以在伞杆加工前还要对伞杆柱面进行有无焊缝的识别判断。为了解决上述问题,本课题借助机器视觉和图像处理相关技术,采用非接触的方式实现伞杆截面视觉校正和伞杆柱面焊缝识别,具体研究内容如下:(1)本课题以市面上常用的5种不同截面类型的伞杆作为研究对象,针对伞杆加工过程中的问题,进行检测需求分析,提出了基于机器视觉的伞杆检测平台总体方案。(2)分别对伞杆截面和伞杆柱面图像进行针对性预处理研究,根据传统滤波方式提出了混合型滤波方式,根据开闭形态学操作提出了多尺度的形态学方法,根据三角阈值分割法设计了伞杆柱面ROI区域的自动提取算法。(3)对每一种伞杆截面类型,以拟合图像轮廓为核心,分别设计了基于改进D-P算法的正多边形伞杆截面校正角度算法和基于图像融合与局部图像分析的异形伞杆截面校正角度算法,合理有效地实现了伞杆截面的视觉校正。对伞杆柱面,采用模式识别的方法进行焊缝识别,分类柱面样本,设计并构建伞杆柱面焊缝模型。(4)根据伞杆视觉检测系统总体方案,设计并搭建伞杆视觉检测系统的实验样机,设计了基于OpenCV与MFC的视觉检测系统界面程序。通过对伞杆截面校正角度和对伞杆柱面焊缝识别的实验,发现检测结果均满足检测需求。在搭建的测试样机上,进行实验测试,统计检测信息,最终实验结果表明,伞杆视觉检测系统可以根据伞杆截面实现每分钟30根伞杆的视觉校正,测得的平均角度误差约0.778°,检测成功率均在90%以上。伞杆柱面焊缝的识别正确率至少可以达到98%,误检率约为2%,高准确率,低误检率,均能满足生产线检测需求,该系统在伞杆智能化和自动化加工过程中有现实意义。
朱亮[6](2019)在《多信息融合邮政分拣系统安全检测方法研究》文中认为在许多公共场合,仅依靠一种安全检测设备很难真正实现综合的多信息检测。要采用一套完整的技术对被检对象中的物质进行有效的分类以全面控制一个区域的安全,目前国内外仍无法有效实现。本课题通过对国家职能部门的调研,根据其对重点控制的违禁品和习惯采用的安检模式和需求,提出并设计了一个有针对性的多信息融合的整体方案。我们对几种常见违禁品的多信息数据进行了采集和重构,通过一系列的理论和实验研究,完成了一套综合性的检测方法。用于检测违禁品的设备必须能够识别包裹或容器中物品的特性。一些违禁品,如塑料炸药,可以制成许多形状或放置在许多物体中。这类物品不能简单地从外观信息判断其为违禁品。这需要一种能够在分子或原子水平上识别物体的设备。X射线装置已被证明能够揭示物质的分子或原子性质。X射线技术可以提供组成物体的物质的一些重要特性。最有用的信息是对象的密度(ρ)和有效原子序数(Zeff)。从理论上讲,给定物体的密度和有效原子数,就可以准确地确定物质的类型。研究表明,许多种X射线检测技术都可以应用于违禁品的检测领域,但目前还没有一种X射线检测技术能够单独提供准确识别物质类型所需的两个参数。首先,通过近似替代物的双能量X射线透射实验获得了该物质的高能和低能灰度级。在此基础上,建立了物质分类识别边界曲线的数学模型。将物质初步分为三类:有机物、无机物和混合物。其次,基于提取特征平面思想,通过双能X射线透射实验提取出一个与有效原子序数相关的R值。这一过程可以将无机物和混合物中的有机物分离,但由于密度的不同,无害的有机物和违禁有机物不能被分离。之后研究了厚度等外部参数的变化对R值的影响,并对提取R值的算法进行了优化。对改进算法的评估表明,该算法大大降低了物质分类的误判率。然后结合前散射背散射图像,利用LS算法建立散射图像的灰度模型。进而将低能散射图像与双能量透射图像相结合,得到了一个提取与物体密度相关的特征值L的方法。分析并减小了包裹摆放角度等因素对L值的影响。通过得到的物质特征值R和L,给出基于最小错误概率的贝叶斯决策理论的判别函数、决策面方程以及分类判别规则。通过将双能量X射线透射技术与低能散射技术相结合而得到了物质识别的更有效的方法,进而全面提高X射线的检测能力。再次,计算物体的R和L值需要对象的真实灰度级。真实灰度级是指当一个物体不被其他背景物体干扰时所测量到的灰度级。一些包裹中的物体很多,包裹中的物体以任意方向摆放并互相遮挡。违禁品与无害物品混在一起使得检测工作变得困难。因此在识别物质特性的过程中去除遮挡效应是非常重要的,这样就可以得到物体的真实灰度级。本文将n个物体重叠问题转化为两个物体重叠问题,重点研究了计算两个物体重叠的真实灰度级问题。最终将得到双能量透射、低能前散射、背散射条件下求解物体真实灰度级的数学模型,并对模型进行评估。结果表明得到了更加准确的物体真实灰度级。最后,针对X射线安全检测技术在液体识别中的困难,提出X射线检测与电子鼻气味识别相结合的方法来确定容器内的液体属性。结合图像轮廓、图像灰度级、电子鼻响应等检测信息来建立多信息融合检测方法的模型,并在此基础上构建多信息融合检测技术的软硬件系统。之后利用不同的模式识别方法对实验数据进行处理。重点对神经网络模式识别方法进行了研究,建立一种有效的BP网络模型。本课题在多信息、高性能安检设备的研究方面进行了新的尝试,实现了多个检测信息的融合,为新型安检设备的研发提供了有效的方法和理论依据,从理论、实验和实践的层次证明多信息融合安全检测在邮政检测系统中是行之有效的方案。
姜立芳[7](2003)在《工业视觉检查系统中模式识别的研究》文中认为本文从经济实用的角度出发,设计了一套工业视觉检查系统。工业视觉大致可分为用于检查、定位和装配三类,本系统属于检查类,是对工业零件进行分类、识别的自动检查装置。在工业生产中,工业环境和照明条件的确定性使得快速准确地判别分类出工业零件的想法成为可能,本系统就是在这种想法下应运而生的。由于在汽车零件生产线上分类产品并进而检查产品合格与否的场合中,要求整个过程在生产线上自动完成,不允许脱线做人工检查,这一检查工作可由本项目研制的工业视觉检查系统自动完成,使得生产更为高效连续。本系统采用图像传感器摄取原始信息,避免了与对象的直接接触和人工检查,所以更符合工业生产在线检查的要求。而且在编制软件时可根据工业零件的形状设计简化的步骤,可达到高效快速的目的。在本课题中,主要进行了对圆形和方形零件分类识别系统的研究和设计,针对的对象是工业零件的强度图像,采用人机对话方式来对零件进行识别。在系统软件设计部分中,首先是对所选零件进行模式识别,包括图像预处理、特征提取和分类器设计三个阶段,其中在图像预处理阶段本系统主要做的工作有:点运算、图像增强、正交变换、边缘提取和边缘增强、轮廓跟踪等。由于视觉系统本身就是一个神经系统,故本文所设计的分类器采用BP神经网络,其具有一些传统技术所没有的优点。但随着应用的广泛,BP网络存在的问题也日益显现出来,主要有:易形成局部极小而得不到整体最优、训练易陷入瘫痪、收敛速度很慢等缺点。本系统针对BP算法的局限性,给出了一种优化的BP算法,采用经过大量实验总结出的经验公式来确定隐层神经元的个数,并选取了一种新的误差平方和函数,该函数的特点是对一些可能的异常点的误差权值设计的较小,从而降低了异常值误差带来的影响,便于模拟出真实的函数关系。采用有导师学习方式,根据样本对在训练过程中的情况,系统地调整其参数。将上述算法应用于对工业零件的识别当中,相对于传统的神经网络可缩短识别时间2.8秒,而且识别正确率可达到81%以上。在对所选零件识别分类之后,本课题又设计了一套零件缺陷检测子系统,缺陷检测正确率可达到91%以上。实验结果表明,若将该系统应用于工业生产线上,可有效地提高生产率和保证产品的质量。
洪寒梅[8](2015)在《黑变熟对虾的机器视觉识别方法研究》文中研究表明虾产品味道鲜美,营养丰富,深受消费者的青睐。近年来,熟虾制品的出口比例正在不断提高。其中,冻熟对虾是以南美白对虾为主要原料加工而成的冻熟全虾。在运输及加工过程中,对虾体内的多酚氧化酶(PPO)会被氧化而产生黑色素沉积,引起黑变。为提高熟对虾的产品质量,生产线上的黑变熟对虾由熟练的检测人员根据肉眼判定并剔除。人工方法存在主观性强、效率低以及相关数据无法记录等不足。本研究旨在利用机器视觉技术替代人工方法实现熟对虾的在线识别与分级。主要研究内容及结论如下:1、运用高光谱技术研究黑变熟对虾的光谱特性,设计并搭建基于机器视觉的黑变熟对虾静态图像采集系统。基于Matlab工具箱,运用阈值法、算术运算法和二维Fisher线性判别分析法(2DFLD)对采集到的熟对虾图像进行背景分割。运用双阈值、2DFLD提取对虾的黑变特征。通过轮廓提取、图像细化和头尾识别,实现对虾的头尾分割。结果表明:2DFLD能较好地完成对虾图像的背景分割与黑变特征提取,而头尾识别的准确率达到85.47%。2、以面积比(黑变面积与虾体总面积的比值)、头胸部黑变像素个数、头胸部黑变的平均灰度、腹部黑变像素个数以及腹部黑变的平均灰度为特征,构建BP神经网络模型和决策树模型分别进行对虾图像的识别与分类。分别将样本分为正常对虾、头胸部轻微黑变对虾、头胸部严重黑变对虾以及腹部黑变对虾四类,正常对虾、头胸部黑变对虾和腹部黑变对虾三类,以及正常对虾和黑变对虾二类。结果表明:(1)分为四类:两种方法都能较好地识别腹部黑变对虾(准确率均为93.33%);(2)分为三类:BP神经网络的分类结果比较稳定,决策树能更好地识别腹部黑变对虾,准确率为96.67%;(3)分为二类:BP神经网络和决策树对黑变对虾的识别准确率较高,分别为97.78%和96.67%。总之,BP神经网络的识别分类效果总体优于决策树,且当将样本分为三类时,达到相对较高且较稳定的识别准确率。3、搭建基于机器视觉的熟对虾在线识别分类系统,硬件部分包括:上料系统和单粒化装置、图像采集系统、分类系统以及动力和传动机构,系统的软件开发主要基于Visual C++技术。熟对虾的在线识别分类实验将熟对虾分为正常对虾与黑变对虾二类。结果表明:该系统对正常对虾的识别准确率为70.00%,对黑变对虾的识别准确率为76.67%。
李逆[9](2009)在《基于虚拟仪器的PCBA智能视觉检测技术研究》文中提出在微电子表面组装技术(SMT)中,印制板组件(PCBA)的密度随着元器件的不断微型化变得越来越高。对PCBA进行质量检测,传统的人工目检已经不能适应其高密度、微型化的发展需求。而先进的视觉检测技术因具有快速、非接触、高精度等优点,恰好能够满足这一发展需求,在SMT生产线中具有广泛的应用与发展前景。本文基于虚拟仪器技术,以NI公司的创新产品LabVIEW为开发平台,结合其视觉开发工具IMAQ Vision进行了PCBA智能视觉检测技术的研究与系统开发,提高了开发效率、缩短了开发周期、降低了开发成本。首先,研究了基于虚拟仪器的计算机视觉检测系统的构成,并设计了详细的PCBA视觉检测系统实施方案。为了应对SMT生产线对检测速度的极高要求,文中基于区域分割的思想提出了一种多通道视觉检测方法。实验证实,在同等条件下的系统检测速度获得了极大提高。其次,针对PCBA图像的固有特点,重点对PCBA图像的增强方法、形态学处理、分割算法进行了分析和研究,提出了基于灰度值的数学统计规律的自动阈值分割算法,为提高PCBA视觉检测系统的检测速度和自动化程度奠定了基础。然后对PCBA的缺陷进行了分类,并对不同缺陷类型的视觉识别方法进行了研究。最后基于分区域搜索的方法分别对不同的缺陷类型进行识别,获得了较好的识别效果。再次,对PCBA智能视觉评估的可行性进行了研究,并针对计算机视觉在PCBA质量检测中的高级智能化应用进行了探讨。同时通过研究产品外观检测标准和前人的相关研究成果,采用离线分析与在线检测相结合的手段,引入了焊点形态与焊点可靠性关系的相关理论,并在此基础上提出了一种具有智能分析功能的新型智能光学检测分析(IOIA)方法,成功地解决了用视觉方法对焊点进行可靠性分析评估的可行性问题和寿命预测的在线实时性问题,为PCBA视觉检测系统的智能化发展铺平了道路。最后,本文基于LabVIEW开发平台和IMAQ Vision工具成功开发出了PCBA智能视觉检测系统原型,并通过实验证实了系统的快速性和可靠性。通过与目前市面上同类AOI检测系统参数的比较得知,由于本系统优化了快速自动阈值分割算法并采用了分区域搜索和多通道检测技术,使得检测速度获得了大幅提高。随着通道数的增多,多通道系统的检测速度将会成倍提高。
戴舒文[10](2009)在《触点零件形貌在线自学习视觉检测系统研究》文中指出触点零件是工业中重要的电器元件,完成关键的切换功能,是决定电器使用寿命的主要因素,触点零件的表面形貌对零件的接触性能起着相当重要的作用。目前国内检测手段落后,采用计算机视觉检测的方法代替人工具有很大的实际应用价值。针对触点零件形貌多样的特点,本文研究开发能够实现自适应学习功能的在线视觉检测系统。论文通过对检测需求的分析,设计了系统的整体结构和自学习检测流程,详细讨论了系统各个组成部分的功能及选型,并设计了软件系统的功能模块及工作流程。根据检测系统实时性和准确性的要求,本文在图像处理阶段研究了基于高斯滤波模板的快速有效图像预处理方法,针对触点零件图像特点提出了一种基于改进极小值点的自适应阈值分割算法和多图中值阈值确定算法,并构建了5大类图像特征库,共包含45个特征。通过对多类别模式识别主要因素的分析研究,提出了特征预处理方法和基于典型变量的特征优化算法,设计了一种两类浮动搜索-多类后向选择算法实现多类别特征选择,并结合支持向量机多级二叉树的多类别分类策略,共同实现了多类别触点零件快速学习和分类检测。在上述工作基础上,论文搭建了试验硬件平台,开发了实现上述算法的相关软件,对多组零件进行了试验,取得了较好的试验结果。论文也分析了误差来源,提出进一步研究改进的方向。
二、工业视觉检查系统中模式识别的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、工业视觉检查系统中模式识别的研究(论文提纲范文)
(1)基于深度学习的TFT屏幕瑕疵检测系统的设计(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景以及研究意义 |
1.2 国内外研究现状 |
1.2.1 图像处理 |
1.2.2 图像识别 |
1.3 主要研究内容和贡献 |
1.4 文章组织结构 |
第二章 工业视觉瑕疵检测相关工作与技术背景 |
2.1 传统图像处理技术 |
2.1.1 图像颜色空间转换 |
2.1.2 图像滤波 |
2.1.3 图像畸变校准 |
2.1.4 图像分割 |
2.2 卷积神经网络 |
2.2.1 卷积神经网络的结构 |
2.2.2 神经网络训练过拟合 |
2.3 深度生成模型 |
2.3.1 生成对抗网络 |
2.3.2 自编码器 |
2.3.3 基于GAN和AE融合网络 |
2.4 手机屏幕相关背景知识 |
2.5 实验结果评价标准 |
2.6 本章小结 |
第三章 基于角点检测算法改进的图像预处理 |
3.1 图像去干扰与校正 |
3.2 图像感兴趣区域处理与图像切片 |
3.3 感兴趣区域识别与提取算法研究 |
3.3.1 基于霍夫变换的感兴趣区域识别算法 |
3.3.2 基于轮廓尖锐度角点检测的感兴趣区域识别算法 |
3.3.3 感兴趣区域提取 |
3.3.4 传统感兴趣区域识别与提取算法 |
3.3.5 感兴趣区域识别与提取实验对比 |
3.4 本章小结 |
第四章 二阶融合的瑕疵检测模型 |
4.1 二阶融合的瑕疵检测模型算法原理 |
4.2 二阶融合的瑕疵检测模型网络设计 |
4.2.1 一阶融合检测网络 |
4.2.2 第二阶融合网络设计 |
4.2.3 二阶融合检测模型设计 |
4.3 训练策略与细节 |
4.3.1 分步训练 |
4.3.2 分部训练 |
4.3.3 过拟合 |
4.4 瑕疵检测 |
4.4.1 似然图生成 |
4.4.2 误差图生成 |
4.4.3 残差图生成 |
4.4.4 图像合并得到融合图 |
4.4.5 阈值化分割瑕疵 |
4.5 实验结果分析 |
4.5.1 模型训练 |
4.5.2 检测结果 |
4.5.3 模型性能评估 |
4.6 本章小结 |
第五章 TFT屏幕瑕疵检测系统设计 |
5.1 TFT屏幕瑕疵检测系统设计背景 |
5.1.1 TFT-LCD面板瑕疵概述 |
5.2 TFT屏幕瑕疵检测系统方案设计 |
5.2.1 自动化采集装置 |
5.2.2 图像检测和分析系统 |
5.2.3 TFT屏幕瑕疵检测系统总体设计 |
5.3 TFT屏幕瑕疵检测系统实现 |
5.3.1 检测系统环境与参数设置 |
5.3.2 数据集准备 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
附录 英文缩略词对照表 |
致谢 |
攻读学位期间取得的研究成果 |
(2)马歇尔·麦克卢汉媒介诗学研究(论文提纲范文)
摘要 |
ABSTRACT |
绪论 |
一、论文选题的由来 |
二、国内外研究综述 |
三、研究目的、思路与意义 |
第一章 麦克卢汉媒介诗学的形成与发展 |
第一节 麦克卢汉媒介诗学的思想起源 |
一、麦克卢汉的学术道路 |
二、麦克卢汉媒介诗学的形成基础 |
第二节 麦克卢汉媒介诗学的三次转向 |
一、从文学批评转向广告意象批评 |
二、从广告意象批评转向媒介文化批评 |
三、从媒介文化批评转向“泛文本”批评 |
本章小结 |
第二章 麦克卢汉媒介诗学的文学批评 |
第一节 文学批评的思想缘起 |
一、剑桥批评传统 |
二、源自现代主义文学的影响 |
第二节 基于“三学科”背景的文学分期 |
一、前奥古斯丁时期 |
二、自奥古斯丁至阿伯拉时期 |
三、自阿伯拉至伊拉斯漠时期 |
四、自托马斯·纳什以来的时期 |
第三节 关于诗歌意象的批评 |
一、关于诗歌意象的基本认识 |
二、诗意过程中的群体意象 |
三、群体意象的两种主要类型 |
本章小结 |
第三章 麦克卢汉媒介诗学的文化批评 |
第一节 关于流行文化的批评 |
一、古代智慧的现代复兴 |
二、广告意象批评 |
第二节 关于“泛媒介”的模式识别 |
一、“泛媒介”的提出 |
二、“泛媒介”延伸的模式识别 |
三、“泛媒介”效应的模式识别 |
第三节 基于“泛媒介”的复合文化文本 |
一、复合文化文本的生成 |
二、复合文化文本的三种主要类型 |
三、关于复合文化文本的空间隐喻 |
四、“地球村”的多维度隐喻 |
本章小结 |
第四章 麦克卢汉媒介诗学的媒介生态研究 |
第一节 作为环境的媒介 |
一、源自生态意识的环境与反环境 |
二、环境的双重隐喻 |
三、环境的双重效应 |
第二节 源自环境与反环境的媒介生态 |
一、环境中的艺术家 |
二、作为反环境的艺术 |
三、关于环境与反环境的生态隐喻 |
第三节 关于媒介生态演变的媒介定律 |
一、生态演变中的形式因 |
二、基于形式因的媒介定律 |
三、关于媒介定律的媒介词源学 |
四、基于媒介词源学的诗学 |
本章小结 |
第五章 关于麦克卢汉媒介诗学的比较与理论综合 |
第一节 麦克卢汉媒介诗学的比较 |
一、媒介诗学与原型批评的比较 |
二、媒介诗学与威廉斯文化研究的比较 |
三、媒介诗学与洛根媒介生态研究的比较 |
第二节 关于媒介诗学整体特征的理论综合 |
一、媒介诗学的双重结构 |
二、媒介诗学的思想成果 |
三、媒介诗学的理论定位 |
四、媒介诗学的意义与局限 |
本章小结 |
结语 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
学位论文评阅及答辩情况表 |
(3)基于视觉的机器人自动制孔在线检测技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题来源 |
1.2 课题研究背景及目的意义 |
1.3 国内外研究现状 |
1.3.1 机器人自动制孔技术国内外研究现状 |
1.3.2 机器人视觉检测技术国内外研究现状 |
1.4 主要研究内容 |
第2章 机器人自动制孔孔尺寸视觉检测算法研究 |
2.1 引言 |
2.2 机器人自动制孔在线检测系统总体方案设计 |
2.2.1 机器人自动制孔总体方案 |
2.2.2 在线检测系统总体方案设计 |
2.3 工业相机标定 |
2.3.1 机器人手眼系统构型的确立 |
2.3.2 工业像机成像原理 |
2.3.3 坐标系建立与转换 |
2.3.4 基于Halcon的工业相机标定 |
2.4 孔识别定位及检测算法研究 |
2.4.1 基于模板匹配的孔识别定位算法研究 |
2.4.2 基于Hough变换的圆孔检测算法研究 |
2.5 本章小结 |
第3章 孔出入口缺陷图像处理算法研究 |
3.1 引言 |
3.2 CFRP孔出入口缺陷分析 |
3.3 CFRP孔缺陷图像预处理算法研究 |
3.3.1 图像灰度化方法对比分析 |
3.3.2 孔缺陷图像滤波算法研究 |
3.3.3 图像增强算法研究 |
3.4 孔出入口缺陷图像特征提取 |
3.4.1 孔缺陷图像ROI区域提取方法研究 |
3.4.2 孔缺陷的二值图像形态学处理 |
3.4.3 孔缺陷检测边缘提取算法研究 |
3.5 本章小结 |
第4章 基于模式识别的CFRP孔缺陷分类 |
4.1 引言 |
4.2 模式识别理论及实现过程 |
4.2.1 模式识别技术概述 |
4.2.2 模式识别中分类器的设计 |
4.2.3 基于模式识别的孔缺陷分类方法及特性 |
4.3 孔出入口缺陷分类的实现 |
4.3.1 孔缺陷分类实现过程 |
4.3.2 MLP训练器参数对孔缺陷分类结果的影响 |
4.3.3 MLP分类器孔缺陷识别准确率测试 |
4.4 本章小结 |
第5章 机器人自动制孔尺寸检测实验研究 |
5.1 引言 |
5.2 检测系统硬件的选择 |
5.2.1 工业相机的选择 |
5.2.2 镜头的选择 |
5.2.3 光源的选择 |
5.3 孔尺寸检测实验过程及结果分析 |
5.3.1 孔尺寸检测实验 |
5.3.2 实验结果分析 |
5.4 机器人自动制孔在线检测系统软件设计 |
5.4.1 软件系统需求分析 |
5.4.2 检测系统功能总体框架及软件开发流程 |
5.4.3 软件设计流程 |
5.4.4 检测系统主界面设计及各模块功能介绍 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
(4)基于机器视觉的冶金起重机制动器健康状态监测(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 起重装备和制动器监测方法研究现状 |
1.2.2 设备健康状态监测和故障诊断研究现状 |
1.2.3 机器视觉技术研究现状 |
1.3 课题来源与论文内容安排 |
1.3.1 课题来源 |
1.3.2 论文内容安排 |
第二章 冶金起重机制动器结构及工作机理分析 |
2.1 冶金起重机制动器 |
2.2 冶金起重机制动器形式 |
2.2.1 块式制动器 |
2.2.2 盘式制动器 |
2.3 块式制动器工作机理分析 |
2.4 冶金起重机制动器性能及失效分析 |
2.4.1 冶金起重机制动器性能要求 |
2.4.2 冶金起重机制动器的典型失效模式 |
2.5 本章小结 |
第三章 制动器机器视觉监测系统建立 |
3.1 机器视觉监测 |
3.2 制动器监测指标 |
3.2.1 制动器制动力矩 |
3.2.2 制动器推杆位移量 |
3.2.3 制动器温升 |
3.2.4 制动器工况参数 |
3.2.5 制动器结构故障 |
3.3 机器视觉模型 |
3.3.1 数字图像模型 |
3.3.2 视觉系统模型 |
3.3.3 畸变模型 |
3.4 机器视觉系统硬件设计 |
3.4.1 系统硬件构成 |
3.4.2 硬件选型 |
3.4.3 制动器监测系统搭建 |
3.5 本章小结 |
第四章 制动器监测图像处理 |
4.1 数字图像处理技术 |
4.2 标尺图像预处理 |
4.2.1 概述 |
4.2.2 Retinex算法的去雾处理 |
4.2.3 图像光照调节 |
4.3 标尺图像倾斜校正 |
4.3.1 图像旋转 |
4.3.2 hough变换算法直线检测 |
4.3.3 边缘检测 |
4.4 标尺图像特征处理 |
4.4.1 游标提取 |
4.4.2 二值化处理 |
4.4.3 形态学滤波 |
4.5 标尺图像分割处理 |
4.5.1 长度阈值判断 |
4.5.2 连续性判断 |
4.5.3 数值字符分割 |
4.6 标尺图像识别 |
4.6.1 数值字符识别 |
4.6.2 图像示值识别 |
4.7 本章小结 |
第五章 冶金起重机制动器参数识别 |
5.1 块式制动器温升分析 |
5.2 块式制动器热机耦合模型 |
5.2.1 热机耦合分析 |
5.2.2 生热及热流分配理论分析 |
5.2.3 热机耦合计算模型 |
5.3 块式制动器热机耦合仿真 |
5.3.1 热机耦合模型分析 |
5.3.2 热机耦合模型建立 |
5.3.3 模型仿真结果分析 |
5.4 制动器健康参数识别 |
5.4.1 模式识别 |
5.4.2 人工神经网络 |
5.4.3 人工神经元模型 |
5.4.4 BP神经网络 |
5.4.5 参数识别 |
5.5 监测系统软件设计 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 展望 |
参考文献 |
攻读学位期间发表论文 |
致谢 |
(5)伞杆加工过程中的机器视觉检测系统研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.1.1 伞杆加工过程的现状和问题分析 |
1.1.2 伞杆机器视觉检测研究的意义 |
1.2 国内外研究现状 |
1.2.1 机器视觉的发展现状 |
1.2.2 工件机器视觉定位的研究现状 |
1.2.3 工件焊缝识别检测的研究现状 |
1.3 论文检测的伞杆类型与研究内容 |
1.3.1 待检测伞杆类型及成像方式 |
1.3.2 主要研究内容及技术路线 |
1.4 论文的组织结构 |
第二章 伞杆视觉检测系统总体方案 |
2.1 引言 |
2.2 伞杆视觉检测系统分析与设计 |
2.2.1 伞杆视觉检测系统需求分析和检测评价指标 |
2.2.2 伞杆视觉检测系统的方案设计 |
2.2.3 伞杆视觉检测系统的检测流程预设计 |
2.3 视觉成像系统研究 |
2.3.1 相机的研究 |
2.3.2 镜头的研究 |
2.3.3 光源的研究 |
2.3.4 照明方案的研究 |
2.4 系统样机硬件实验平台设计 |
2.5 系统样机软件实验平台设计 |
2.5.1 软件系统框架设计 |
2.5.2 软件检测流程设计 |
2.5.3 相机驱动程序设计 |
2.5.4 图像视觉程序设计 |
2.5.5 交互界面程序设计 |
2.6 本章小结 |
第三章 伞杆图像的采集和预处理技术研究 |
3.1 引言 |
3.2 伞杆图像的采集 |
3.2.1 伞杆图像采集和表示 |
3.2.2 伞杆图像灰度化和灰度直方图 |
3.3 伞杆截面图像预处理 |
3.3.1 伞杆截面检测图像的特点 |
3.3.2 伞杆截面图像去噪和改进 |
3.3.3 伞杆截面图像形态学处理和改进 |
3.3.4 伞杆截面图像增强和改进 |
3.3.5 伞杆截面图像的Otsu阈值分割 |
3.4 伞杆柱面图像预处理 |
3.4.1 伞杆柱面检测图像特点 |
3.4.2 伞杆柱面ROI区域自动提取算法 |
3.4.3 伞杆柱面ROI区域矩形边界修正 |
3.4.4 伞杆柱面ROI区域图像的归一化 |
3.5 本章小结 |
第四章 伞杆图像检测算法研究 |
4.1 引言 |
4.2 现有视觉定位弊端分析与图像轮廓的原理 |
4.2.1 现有视觉定位方法的弊端 |
4.2.2 图像的轮廓矩原理 |
4.2.3 图像轮廓的漫水填充 |
4.3 基于改进D-P算法的正多边形伞杆截面校正角度算法 |
4.3.1 D-P算法的原理及改进 |
4.3.2 正多边形伞杆截面的校正角度算法研究 |
4.3.3 算法实验验证 |
4.4 基于图像融合和局部图像分析的异形伞杆截面校正角度算法 |
4.4.1 图像融合原理 |
4.4.2 类0形伞杆截面的校正角度算法研究 |
4.4.3 类六边形伞杆截面的校正角度算法研究 |
4.4.4 算法实验验证 |
4.5 基于BP神经网络的高端伞杆柱面的焊缝识别 |
4.5.1 传统焊缝识别的弊端 |
4.5.2 BP神经网络的结构模型与算法原理 |
4.5.3 伞杆焊缝BP神经网络建模与设计 |
4.5.4 MLP分类器的伞杆焊缝模型训练 |
4.5.5 仿真实验 |
4.6 本章小结 |
第五章 伞杆视觉检测实验平台的搭建及验证 |
5.1 引言 |
5.2 实验平台的搭建及实验环境说明 |
5.3 系统实验与结果分析及实验系统 |
5.3.1 伞杆视觉系统样机实验过程及效果显示 |
5.3.2 伞杆截面校正角度实验及其结果分析 |
5.3.3 伞杆柱面焊缝识别实验及其结果分析 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 不足和展望 |
参考文献 |
致谢 |
作者简介 |
学位论文数据集 |
(6)多信息融合邮政分拣系统安全检测方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及研究意义 |
1.2 国内外危险品识别的研究现状和分析 |
1.2.1 常见安全检测设备种类及应用场合 |
1.2.2 X射线对危险品进行识别的理论方法及现状分析 |
1.2.3 液态危险品检测方法及现状分析 |
1.2.4 电子鼻气味检测发展状况 |
1.3 本文研究的主要内容 |
1.4 论文的主要架构 |
第2章 X射线物质分类的识别方法 |
2.1 区分有机物、无机物和混合物 |
2.1.1 确定边界物质 |
2.1.2 线扫描实验 |
2.1.3 曲线拟合 |
2.1.4 实验验证 |
2.2 提取R值方法 |
2.2.1 影响透射图像的因素 |
2.2.2 视图中物体外观对透射图像的影响 |
2.2.3 物体摆放方向对透射图像的影响 |
2.2.4 厚度对双能量透射图像的影响 |
2.2.5 提取R值实验 |
2.3 克服厚度对R值影响的数字化方法 |
2.3.1 透射信号的数字化表达 |
2.3.2 算法 |
2.3.3 应用举例 |
2.3.4 改进方法评估 |
2.4 减小距离对散射图像灰度级影响的数学模型 |
2.4.1 距离对散射图像灰度级的影响 |
2.4.2 散射图像灰度级模型 |
2.5 爆炸物分类研究 |
2.5.1 有效原子序数和密度 |
2.5.2 分类特征空间 |
2.5.3 综合实验 |
2.5.4 分类方法与结果 |
2.7 本章小结 |
第3章 重叠物体的识别方法研究 |
3.1 去除物体重叠效应的基本方法 |
3.2 透射图像重叠物体识别数学模型 |
3.3 前散射图像重叠物体识别数学模型 |
3.4 背散射图像重叠物体识别数学模型 |
3.5 本章小结 |
第4章 物质分类算法的实验研究 |
4.1 实验环境的建立 |
4.1.1 实验设备介绍 |
4.1.2 实验前设备测试与校准 |
4.1.3 实验数据的获取及处理 |
4.1.4 实验材料的准备 |
4.2 黑火药类炸药与常见物质识别的实验验证 |
4.2.1 黑火药测试数据及拟合曲线 |
4.2.2 常见物质的识别曲线建立 |
4.2.3 黑火药与常见物质曲线识别分析 |
4.3 实验验证火药识别曲线 |
4.4 验证邮包内火药识别 |
4.4.1 邮包内含火药情况 |
4.4.2 邮包内多种物质中火药识别情况 |
4.4.3 邮包内随机厚度有机物情况 |
4.4.4 黑火药的识别验证(鞭炮) |
4.5 本章小节 |
第5章 液体危险品识别方法及实验 |
5.1 电子鼻识别方法实验研究 |
5.1.1 电子鼻气味识别系统组成 |
5.1.2 静态条件下电子鼻气味识别系统对易燃液体识别 |
5.1.3 设备运行时电子鼻气味识别系统对易燃液体识别 |
5.2 液体危险品X射线图像识别 |
5.3 液体危险品判别依据 |
5.4 本章小结 |
第6章 多信息融合检测系统研究 |
6.1 信息融合的结构、层次和方法 |
6.1.1 信息融合的结构 |
6.1.2 信息融合层次 |
6.1.3 信息融合方法 |
6.1.4 液态危险品检测中的信息融合技术 |
6.2 多信息融合检测系统的硬件设计 |
6.3 多信息融合检测技术的软件实现 |
6.3.1 电子鼻数据融合模型 |
6.3.2 信息融合检测软件的结构及功能 |
6.3.3 软件的流程及实现 |
6.4 模式识别方法研究 |
6.4.1 K-L降维和主成份分析 |
6.4.2 人工神经网络对气体的识别 |
6.5 多信息融合检测方法的试验研究 |
6.5.1 电子鼻对气体的识别方法研究 |
6.5.2 多信息融合检测方法对三种液态危险品的实验研究 |
6.6 本章小结 |
第7章 结论与展望 |
7.1 本文主要结论 |
7.2 展望 |
参考文献 |
致谢 |
攻读博士学位期间发表学术论文情况 |
作者简介 |
(7)工业视觉检查系统中模式识别的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 项目的研究背景及意义 |
1.1.1 项目来源 |
1.1.2 国内外与本项目有关的科技现状、水平和发展趋势 |
1.1.3 项目研究的目的和意义 |
1.1.4 项目主要研究内容及技术指标 |
1.1.5 预期研究成果及效益 |
1.1.6 研究成果的推广应用情况及国内外市场前景 |
1.2 工业视觉检查系统概述 |
1.3 模式识别的范围和发展 |
1.4 图像处理和模式识别系统的研究方法 |
1.4.1 图像处理介绍 |
1.4.2 模式识别系统与方法 |
1.5 图像理解 |
1.5.1 图像工程的相关学科和领域 |
第2章 系统总体方案设计与选择论证 |
2.1 设计任务和目标 |
2.1.1 硬件设计任务 |
2.1.2 软件设计任务 |
2.2 总体方案设计与比较 |
2.2.1 硬件设计方案 |
2.2.2 软件设计方案 |
2.3 总体方案确定 |
2.4 本章小结 |
第3章 数字图像处理 |
3.1 概述 |
3.2 图像的数字化 |
3.2.1 图像数字化系统构成 |
3.2.2 图像的采样 |
3.2.3 图像的量化 |
3.2.4 数字图像的表示方法 |
3.3 图像的噪声分析 |
3.3.1 图像噪声分类 |
3.4 图像预处理 |
3.4.1 图像增强和复原 |
3.4.2 图像平滑 |
3.4.3 图像分割 |
3.5 本章小结 |
第4章 模式识别 |
4.1 模式识别的基本概念 |
4.2 特征提取和选择 |
4.2.1 特征提取 |
4.2.2 特征选择 |
4.2.3 二值图像的几何特征 |
4.2.4 二维形状描述 |
4.3 神经网络模式识别 |
4.3.1 BP网络简介 |
4.3.2 优化的BP算法 |
4.3.3 分类器设计与实现 |
4.4 本章小结 |
第5章 实验结果及理论分析 |
5.1 硬件设计 |
5.2 程序设计 |
5.2.1 图像的点运算 |
5.2.2 图像的正交变换 |
5.2.3 图像增强实验 |
5.2.4 边缘检测实验 |
5.2.5 缺陷检测子程序 |
5.3 实验结果理论分析 |
5.4 本章小结 |
结论 |
致谢 |
攻读硕士学位期间发表的学术论文 |
参考文献 |
(8)黑变熟对虾的机器视觉识别方法研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
英文缩写对照表 |
第一章 绪论 |
1.1 研究背景 |
1.1.1 虾产品市场状况 |
1.1.2 冻熟对虾 |
1.1.3 冻熟对虾的加工过程 |
1.2 研究意义 |
1.2.1 冻熟对虾感官品质要求 |
1.2.2 黑变熟对虾 |
1.2.2.1 黑变的形成 |
1.2.2.2 黑变熟对虾分级 |
1.2.2.3 人工方法的不足 |
1.2.3 机器视觉技术在水产品颜色检测方面的应用 |
1.3 研究内容与技术路线 |
1.4 本章小结 |
第二章 实验材料与研究方法 |
2.1 实验材料 |
2.1.1 对虾样品 |
2.1.2 对虾两侧黑变情况差异性分析实验 |
2.2 实验方法 |
2.3 高光谱实验 |
2.3.1 高光谱成像技术简介 |
2.3.2 高光谱成像系统组成 |
2.3.3 样本准备 |
2.4 高光谱数据采集 |
2.5 高光谱图像黑白校正 |
2.6 最佳成像波段的选择 |
2.6.1 高光谱图像区域的选取 |
2.6.2 主成分分析 |
2.7 本章小结 |
第三章 机器视觉系统构建与图像预处理 |
3.1 机器视觉技术 |
3.2 机器视觉部件 |
3.2.1 光照系统 |
3.2.2 光学镜头 |
3.2.3 芯片与相机 |
3.2.4 背景选择 |
3.2.5 图像采集技术 |
3.2.6 机器视觉软件 |
3.3 对虾图像信息获取装置 |
3.4 对虾图像采集 |
3.5 对虾图像预处理 |
3.6 本章小结 |
第四章 特征提取与部位识别 |
4.1 对虾图像背景分割 |
4.1.1 阈值法 |
4.1.2 算术运算法 |
4.1.3 二元Fisher线性判别分析法 |
4.1.3.1 判别分析法简介 |
4.1.3.2 分割结果 |
4.2 黑变特征提取 |
4.2.1 双阈值分割 |
4.2.2 二元Fisher线性判别分析法 |
4.3 黑变面积比 |
4.4 部位识别 |
4.4.1 轮廓提取 |
4.4.2 图像细化 |
4.4.3 头尾识别 |
4.4.4 头尾分割 |
4.5 本章小结 |
第五章 黑变熟对虾的识别 |
5.1 模式识别 |
5.1.1 信息获取 |
5.1.2 预处理 |
5.1.3 特征提取和选择 |
5.1.4 分类器设计与分类决策 |
5.2 模式识别方法 |
5.2.1 人工神经网络 |
5.2.2 决策树 |
5.2.3 对虾分类的模式识别方法 |
5.3 BP神经网络 |
5.3.1 BP神经网络 |
5.3.2 黑变对虾分类的BP神经网络分析 |
5.3.3 实验结果及分析 |
5.4 决策树 |
5.4.1 决策树的构造 |
5.4.2 实验结果及分析 |
5.5 实验结果比较与分析 |
5.6 本章小结 |
第六章 基于机器视觉的熟对虾在线识别系统 |
6.1 系统的硬件部分 |
6.1.1 上料系统和单粒化装置 |
6.1.2 图像采集系统 |
6.1.3 分类系统 |
6.1.4 动力和传动机构 |
6.2 图像处理系统 |
6.3 系统的软件开发平台 |
6.3.1 Visual C++ 2010 |
6.3.2 MFC框架技术 |
6.3.3 OpenCV |
6.3.4 EmguCV |
6.3.5 IC Imaging Control |
6.4 系统的软件实现 |
6.4.1 软件的通讯协议 |
6.4.2 软件设计 |
6.4.3 软件界面说明 |
6.4.4 实验参数设置 |
6.4.4.1 上料系统的参数设定 |
6.4.4.2 软件的实验参数设置 |
6.4.5 实验结果 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 主要研究结果和结论 |
7.2 创新点 |
7.3 展望 |
参考文献 |
攻读硕士学位期间主要研究成果 |
(9)基于虚拟仪器的PCBA智能视觉检测技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 计算机视觉技术概述 |
1.2 视觉检测技术在SMT领域的应用 |
1.2.1 AOI在SMT中的必要性与重要性 |
1.2.2 AOI在SMT各工序中的应用 |
1.3 AOI技术的国内外研究现状及发展趋势 |
1.3.1 国外AOI的发展现状 |
1.3.2 国内AOI的发展现状 |
1.3.3 AOI的发展趋势 |
1.4 本文选题依据及研究内容 |
1.4.1 本文选题依据及意义 |
1.4.2 本文研究内容 |
1.5 研究思路与方法 |
第二章 基于虚拟仪器的视觉系统方案设计 |
2.1 引言 |
2.2 虚拟仪器概述 |
2.2.1 虚拟仪器技术简介 |
2.2.2 虚拟仪器开发平台—LabVIEW简介 |
2.2.3 虚拟仪器视觉开发工具—IMAQ Vision简介 |
2.3 基于虚拟仪器的计算机视觉技术 |
2.3.1 虚拟仪器视觉技术的国内外研究现状 |
2.3.2 虚拟仪器视觉技术所面临的机遇与挑战 |
2.4 基于虚拟仪器的PCBA视觉检测系统方案设计 |
2.4.1 系统构成 |
2.4.2 总体方案设计 |
2.4.3 通用硬件选型 |
2.4.4 多通道检测系统软件结构设计 |
2.5 本章小结 |
第三章 PCBA数字图像处理 |
3.1 引言 |
3.2 数字图像处理概述 |
3.2.1 数字图像处理的基本概念 |
3.2.2 数字图像处理的主要内容 |
3.2.3 PCBA图像的特点及其处理方法 |
3.3 PCBA图像增强 |
3.3.1 图像增强的基本概念 |
3.3.2 PCBA图像的灰度变换 |
3.3.3 PCBA图像的直方图处理 |
3.3.4 PCBA图像的平滑滤波处理 |
3.3.5 PCBA图像的锐化处理 |
3.4 PCAB图像数学形态学处理 |
3.4.1 数学形态学的基本概念 |
3.4.2 PCBA图像的形态学处理 |
3.5 PCBA图像分割 |
3.5.1 图像分割的基本概念 |
3.5.2 PCBA图像的自动阈值分割算法 |
3.6 本章小结 |
第四章 PCBA缺陷模式识别 |
4.1 引言 |
4.2 模式识别的基本概念 |
4.2.1 模式识别的定义和类别 |
4.2.2 模板匹配法的基本原理 |
4.3 PCBA缺陷模式识别 |
4.3.1 PCBA图像特点及缺陷分类 |
4.3.2 元器件贴装缺陷识别 |
4.3.3 焊点缺陷识别 |
4.4 本章小结 |
第五章 PCBA智能视觉评估 |
5.1 引言 |
5.2 智能视觉评估的可行性 |
5.3 产品等级划分 |
5.3.1 划分标准 |
5.3.2 等级划分 |
5.4 产品可靠性分析 |
5.4.1 形态参数的提取 |
5.4.2 可靠性分析 |
5.5 本章小结 |
第六章 系统软件实现与应用 |
6.1 引言 |
6.2 系统软件设计 |
6.2.1 后台总体框架设计 |
6.2.2 图像处理子模块设计 |
6.2.3 密码登录子系统设计 |
6.2.4 编辑模式子系统设计 |
6.2.5 检测模式子系统设计 |
6.3 检测结果分析 |
6.4 系统性能测试 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
作者在攻读硕士期间主要研究成果 |
(10)触点零件形貌在线自学习视觉检测系统研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 触点零件形貌检测系统的研究背景 |
1.1.1 触点零件及其形貌特征的重要性 |
1.1.2 工业生产中触点形貌检测的现状 |
1.2 计算机视觉检测技术对触点零件形貌检测的适用性 |
1.2.1 计算机视觉检测技术概述 |
1.2.2 计算机视觉检测技术在工业形貌检测方面的应用及适用性 |
1.3 本文主要内容及安排 |
1.3.1 研究内容及方法 |
1.3.2 研究的关键问题 |
1.3.3 本文结构安排 |
第二章 触点零件形貌在线检测系统整体设计 |
2.1 系统检测原理 |
2.1.1 计算机视觉检测原理 |
2.1.2 实现自学习功能的检测原理 |
2.2 在线视觉检测系统总体结构设计 |
2.3 实现自学习功能的检测流程 |
2.4 在线自学习视觉检测系统的组成 |
2.4.1 照明系统 |
2.4.2 光学成像系统、成像元件 |
2.4.3 图像采集卡 |
2.4.4 软件处理系统 |
2.5 本章小结 |
第三章 视觉检测中的图像处理技术 |
3.1 图像处理概述 |
3.2 图像预处理 |
3.3 图像分割 |
3.3.1 常见图像分割方法分析 |
3.3.2 图像分割阈值的自适应选择 |
3.3.3 多幅图像中值法确定检测阈值 |
3.4 图像特征提取 |
3.4.1 特征空间的选择 |
3.4.2 灰度特征 |
3.4.3 几何特征 |
3.4.4 纹理特征 |
3.4.5 边缘特征 |
3.4.6 其他特征 |
3.5 本章小结 |
第四章 实现学习功能的模式识别技术 |
4.1 模式识别概述 |
4.2 特征预处理 |
4.2.1 剔除离群点 |
4.2.2 数据归一化 |
4.3 特征选择 |
4.3.1 基本选择方法分析 |
4.3.2 类可分性准则的选择 |
4.3.3 多类别特征子集的选择方法 |
4.4 特征优化 |
4.5 分类器设计 |
4.5.1 分类器设计方法分析 |
4.5.2 支持向量机实现分类过程 |
4.5.3 基于支持向量机的多类分类器设计 |
4.6 本章小结 |
第五章 系统试验及误差分析 |
5.1 系统试验平台介绍 |
5.2 试验步骤 |
5.2.1 学习模块试验步骤 |
5.2.2 检测模块试验步骤 |
5.3 系统性能试验 |
5.3.1 样本容量试验 |
5.3.2 实时性试验 |
5.3.3 通用性试验 |
5.4 误差分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 研究总结 |
6.2 课题展望 |
参考文献 |
致谢 |
攻读硕士学位期间所发表的学术论文目录 |
四、工业视觉检查系统中模式识别的研究(论文参考文献)
- [1]基于深度学习的TFT屏幕瑕疵检测系统的设计[D]. 侯雅文. 北京邮电大学, 2021(01)
- [2]马歇尔·麦克卢汉媒介诗学研究[D]. 高慧芳. 山东大学, 2021(11)
- [3]基于视觉的机器人自动制孔在线检测技术研究[D]. 李政彤. 哈尔滨理工大学, 2021
- [4]基于机器视觉的冶金起重机制动器健康状态监测[D]. 何远洋. 安徽工业大学, 2020(07)
- [5]伞杆加工过程中的机器视觉检测系统研究[D]. 陈刚. 浙江工业大学, 2020(08)
- [6]多信息融合邮政分拣系统安全检测方法研究[D]. 朱亮. 东北大学, 2019(01)
- [7]工业视觉检查系统中模式识别的研究[D]. 姜立芳. 哈尔滨理工大学, 2003(04)
- [8]黑变熟对虾的机器视觉识别方法研究[D]. 洪寒梅. 浙江大学, 2015
- [9]基于虚拟仪器的PCBA智能视觉检测技术研究[D]. 李逆. 桂林电子科技大学, 2009(S2)
- [10]触点零件形貌在线自学习视觉检测系统研究[D]. 戴舒文. 上海交通大学, 2009(09)