一、基于数字图像的曲线磨床尺寸检测系统（论文文献综述）
熊岩[1]（2020）在《基于电磁散射仿真的粗糙度视觉测量研究》文中研究表明制造业的精密化智能化日益成为未来制造业发展的核心内容和重大趋势,以磨削为代表的加工方式是实现精密制造的重要手段。表面粗糙度与机械零件润滑、配合、振动等众多性质以及使用寿命有密切关系。基于机器视觉的粗糙度测量因其集成性高、可扩展性强、稳定性好等众多优点有望实现磨削加工过程中的工件表面粗糙度在线在位测量,从而提高加工质量以及智能化水平。当前粗糙度视觉测量研究存在着建立实验预测模型费时费力、工件表面散射成像机理不明、缺乏图像特征指标设计优化方法等问题。鉴于表面粗糙度视觉测量对提高精密制造加工质量、智能化水平的重要性和现有研究工作的不足。本文以磨削加工为例,提出基于电磁散射有限元仿真进行粗糙度视觉测量研究,并予以实验对比验证。主要研究工作如下:（1）针对建立粗糙度视觉测量实验预测模型费时费力的问题,提出基于电磁散射有限元仿真进行粗糙度视觉测量研究的方法。研究了各种常用计算电磁学方法的原理以及实现过程,分析了基尔霍夫近似法、微扰法、矩量法、有限元法等的实现过程、优缺点、适用条件和限制。（2）针对因工件表面散射成像机理不明产生的图像特征指标意义不明晰问题,建立了物体表面散射模型,解释了物体表面信息对散射场分布的影响;基于光度学原理分析了光散射成像过程,定量分析了光从物平面到像平面过程中能量转换情况;建立了CCD传感器光电转换模型,剖析了信息从光信号到电信号再到数字信号的转换过程。通过以上分析,诠释了数字图像像素与表面粗糙特征之间的联系,并实现了对实际成像过程的分析简化,建立了磨削表面一维粗糙表面以及相应的有限元仿真模型,完成了对模型的求解分析。（3）针对缺乏图像特征指标设计优化方法的问题,基于有限元仿真结果,提出散射场的能量大小、能量信息分布、能量近似重合面积等特征与粗糙度之间有关联关系,设计了单色背景下的能量大小指标E,双色背景下的能量和指标EP、能量差指标EL,单色背景下能量信息熵指标H,蓝红双色光入射下的重合面积指标S。并分析了区域能量近似定义对重合面积指标S的影响,实现了对重合面积指标S的设计与优化。（4）为验证基于电磁散射有限元仿真进行粗糙度视觉测量研究方法的有效性,搭建了相应的粗糙度视觉测量实验系统。使用实验图像验证了在各色背景下图像特征指标E、EP、EL、H、S与粗糙度之间的关联关系,并将S指标拟合优度R2从0.8269提高到0.9478。与原有的指标设计方法所设计的Ga指标、F2指标相比,本研究所设计的指标优势突出,其拟合精度明显高于原有方法所设计指标。论文研究工作为表面粗糙度视觉测量提供了重要的借鉴意义。在一定程度上有助于促进机器视觉在粗糙度在线在位测量领域的应用,从而提高精密制造的加工质量和智能化水平。
高俊鹏[2]（2019）在《制动主缸补偿孔检测误差补偿及图像处理研究》文中提出近年来,随着我国经济的快速发展,汽车保有量随之不断增加,汽车安全已成为人们日常生活关心的重要问题之一,车辆制动系统是汽车安全性能的重要组成部分,尤其是汽车制动系统核心部件——制动主缸,其质量与车辆制动效果密切相关,并直接影响汽车行驶安全。制动主缸质量检测包括补偿孔尺寸参数、内表面质量、性能测试等检测,其中补偿孔尺寸参数、内表面质量是关系制动主缸性能的关键,在制动主缸生产企业,出厂前孔内检测是不可缺少的检验项目。截止目前,制动主缸补偿孔在线检测仍是一项前沿检测技术,现有常规的检测方法无法满足日益增长的检测要求,本实验室针对当前制动主缸补偿孔形位尺寸检测精度低、成本高、效率低等落后技术现状,提出了一种集光、机、电于一体的高性能精密检测方案,该方案以机械传动为基础,利用CCD摄像技术获取制动主缸补偿孔图像,通过实时图像处理实现制动主缸补偿孔在线检测。本文基于吉林省科技厅科技支撑计划项目“汽车制动主缸内表面质量光电在线检测技术研究”,以减小试验样机检测误差,提高检测精度为目的,对检测过程中存在的误差源进行了辨识和补偿研究,同时,设计了双远心光学系统,并针对检测原理中的图像预处理、图像边缘提取等图像处理技术进行了研究,具体研究内容如下:探讨了影响试验样机检测精度的几何误差和控制系统误差等误差具体形式,并对存在误差源进行关键项简化处理,同时,以多体系统理论为基础,应用齐次坐标变换原理构建了试验样机综合误差模型。描述了空间几何误差具体形式,构建了试验样机平动轴和回转轴几何误差辨识模型,同时,开展了几何误差测量实验,根据几何误差数据特性提出了增量式误差补偿方法。针对制动主缸补偿孔检测本质特征,基于光学内窥基本原理设计了物像远心光学系统,即双远心光学系统。并对光学摄像系统中所涉及数字图像处理技术进行了研究,提出了一种适用于本课题检测图像的平滑处理方法和Gauss-Laplacian算子。基于误差补偿研究,提出了一种综合误差补偿方案。并通过物理建模,对误差补偿方案进行对比检测实验,实验数据表明,所研究综合方案在本课题中可以有效地减小试验样机存在的几何误差,大幅地提高试验样机的检测精度。
邓锦湖[3]（2019）在《基于双远心成像原理的滚珠丝杠检测系统设计》文中研究说明本文研究了一种基于双远心成像原理的滚珠丝杠中径参数检测方案。检测方案主要包括滚珠丝杠廓形和操作台顶尖图像的采集、传输,图像的处理和图像特征的参数提取,通过搭建光学图像采集平台取得滚珠丝杠的廓形图像和操作台顶尖图像,对图像运用处理算法提取特征,利用特征数据建立物像坐标系的转换映射关系,完成滚珠丝杠参数的检测。文中依次对系统的原理、软硬件设计、实验三个方面进行了探究。原理方面介绍了图像处理在检测系统中的具体设计,包括图像的预处理、边缘检测、倾斜校正、定位与分割及图像细化在测量中的应用,使得图像转换成易于坐标提取的单像素边缘信息,完成滚珠丝杠廓形及操作台顶尖的特征提取,进而测得廓形参数与中径值。软硬件设计上介绍了图像采集装置、操作台的硬件结合方式,并对安装误差提出了标定方法,然后利用MFC软件开发环境,开发了基于多线程优化的数字图像处理系统,以期利用图像处理的方式能够实现快速而准确地完成滚珠丝杠中径的检测,淘汰其中的不合格产品。实验方面对测量系统进行了多方位验证,包括长度测量、圆拟合测量、分辨率测试、工件测量,与接触式测量的结果进行了对比,并对实验条件造成的误差进行了分析。经实验验证,滚珠丝杠廓形测量结果与接触式方法对比差3.1 μm,中径测量结果与三线法对比差5 μm内。相较于传统的接触式人工检测方法,该检测系统具有非接触式、高速的优势,为滚珠丝杠的快速工业检测提供了一种新的检测思路与方式。
尚建[4]（2019）在《基于机器视觉的磨削表面粗糙度检测的研究》文中认为随着制造业的高速发展,粗糙度作为加工表面质量的评判指标之一,是检测中不可或缺的部分,其直接影响到零件以后的性能和寿命,因此粗糙度的检测对于制造业的发展具有重大的意义。传统的粗糙度检测技术已经不能够满足智能快速的需要,特别是在大批量生产、粗糙度要求全检的时候,因此许多国内外学者多年来一直都致力于新检测方法的研究。然而经过不同的加工方式,零件表面的纹理会呈现不同的排布方式,磨削表面的纹理主要以随机性为主,方向性不强,这是磨削表面识别研究的一难点。多年来对于粗糙度检测方法的研究,不同的检测方法受限于自身的设备和环境的要求得不到相应的应用;在研究新检测方法时,对于提取的特征大都是建立粗糙度与表面纹理特征之间的线性关系,没有从特征对于识别模型的重要性去分析;对于提取的特征值数量没有合理的规划,容易导致识别模型学习过于复杂和识别精度过低等问题。因此,本课题以磨削表面为研究对象,基于前面学者对于粗糙度识别特征的线性关系,从特征对模型识别精度的重要性和数量上分析,以BP神经网络模型为识别模型的识别方法。首先本文通过磨削实验和检测实验获取了5组不同粗糙度值的磨削表面图像,由于图片受获取设备自身和环境的原因含有噪声,因此本课题对于噪声的来源和性质进行了分析,了解到获取的图像主要以高斯白噪声为主,并通过PSNR和SSIM对不同滤波方式进行了效果评价,最终确定了双边滤波的方法。经过滤波之后的图片,在前人研究的基础之上通过灰度图像的灰度共生矩阵和Tamura纹理特征提取了相应的21个相关特征,由于之前研究时建立在线性关系之上,没有从对识别模型重要性上考虑,其次没有注重灰度共生矩阵方向上的差异,于是本课题针对SBS算法和随机森林算法的不足并结合二者算法的优势,最终选取了12个对识别模型更重要的特征,从而降低了模型的学习复杂度,且考虑了特征间的差异性。最后对于提取的特征,建立了BP神经网络模型对其进行识别,通过实验从模型的隐藏层层数、节点数、L2正则化系数、训练图片的数量、迭代次数等参数进行了优化设计,从而提高了模型的识别率,整体达到98.07%,训练时间也明显缩减到37.4s。通过以上的研究,最终本课题研究出了一种适用于磨削表面的,能够去噪且通过特征分析而对特征进行筛选的,基于BP神经网络模型的高效快速准确的检测方法。
类志杰[5]（2019）在《基于机器视觉的凸圆弧砂轮边缘检测及定位技术研究》文中指出国内外学者对砂轮检测的研究主要集中在其地形地貌的检测,效率较低且数据量庞大,难以直观反映砂轮轮廓的尺寸信息和偏差,大多检测方法还需要经常拆卸砂轮,再次安装时还会引入安装误差,而机器视觉检测不存在这些问题。本文以陶瓷结合剂砂轮为研究对象,以凸圆弧轮廓为整形目标,搭建一套基于机器视觉的砂轮轮廓检测系统,在不需要拆卸砂轮的情况下测量砂轮的形状尺寸,分析整形偏差并在工艺上进行补偿整形以改善整形质量。（1）搭建基于机器视觉的砂轮轮廓检测系统,该检测系统由工业相机、镜头、照明系统及检测机构组成,以磨削复映法为基础,通过视觉检测系统获取砂轮轮廓的图像信息。（2）提出一种改进的基于抛物线插值的边缘检测器,对Canny算法中的滤波及梯度计算过程进行改进,结合抛物线插值计算亚像素边缘位置,实现精定位,为尺寸测量及匹配定位提供基础。通过与传统方法对比,本文提出的边缘检测器对直线特征检测的最大偏差由0.124像素降到0.066像素,在本系统中对圆弧特征检测的圆度为3μm,得到的边缘点整体更平滑,精确度更高。（3）基于模板匹配算法及本文提出的边缘检测器检测得到的边缘特征设计凸圆弧砂轮图像的定位方法,通过该方法找到待测轮廓与设计轮廓的位姿变换矩阵,计算变换后的待测轮廓与设计轮廓的尺寸偏差。（4）设计凸圆弧金刚石砂轮的视觉检测软件,该软件包括图像采集模块、图像预处理模块、相机标定模块和匹配定位模块,并开展凸圆弧陶瓷结合剂金刚石砂轮整形实验。实验证明,本检测系统标定后的测量误差率在0.022%以内,测量粗整形后的砂轮得到的最大偏差值为126.19μm,拟合圆弧半径的误差率为0.782%,圆度为18.11μm;测量补偿整形后的砂轮得到的最大偏差值为36.96μm,拟合圆弧半径的误差率为0.036%,圆度为14.06μm,整形质量得到改善。
范帆[6]（2019）在《曲线磨削全轮廓误差原位视觉检测和补偿方法的研究》文中提出轮廓曲线磨削广泛用于各种精密刀具、模具等轮廓曲线类零件的加工中,作为一种精密加工方式,如何提高其加工精度是一个十分重要的研究方向。通过对加工误差进行检测和补偿是目前比较有效的提高加工精度的方法,在传统的光学曲线磨削中已经广泛应用,但该方法存在着效率低、人工依赖程度高、补偿效果有限等问题。本文利用机器视觉高效、直接、非接触等优点,将其应用于加工误差的检测,对曲线磨削中大尺寸零件全轮廓加工误差的原位检测和补偿方法进行研究,主要研究内容和结果如下:（1）基于机器视觉的曲线磨削原理和曲线轮廓原位测量。阐述了基于机器视觉的曲线磨削原理,设计了视觉测量系统,分析了轮廓曲线的原位测量方法,包括图像获取、亚像素边缘提取和视觉测量系统的标定,并设计试验对原位测量方法的精度进行了验证。（2）复杂轮廓曲线磨削加工精度的评价。针对工件不规则轮廓,提出了一种整体轮廓精度测量和评定方法,实现了曲线磨削中工件轮廓精度的在位评定,并进行了试验研究。试验结果表明,该方法可以有效地用于曲线磨削零件的轮廓精度评定。（3）基于局部图像的曲线磨削误差在线检测和补偿。分析了误差检测的环形公差带法,提出了一种在线检测和补偿砂轮磨损的新方法,对算法的效率进行了研究和优化,并进行了在线误差检测和补偿试验。试验结果表明,所提出的误差在线检测和补偿方法,可以有效检测并补偿砂轮磨损引起的误差,提高工件的加工精度。（4）基于图像拼接的工件全轮廓误差的检测和补偿。针对曲线磨削加工方式提出了一种图像拼接方法,对其拼接精度进行了试验研究和验证。基于工件轮廓拼接图像,提出了一种工件全轮廓误差的检测和补偿方法,并进行了试验研究。试验结果表明,所提出的基于图像拼接的工件轮廓误差的检测和补偿方法,能够有效降低曲线磨削中的加工误差,提高工件的加工精度。
张哲[7]（2019）在《基于局部视觉图像的轮廓曲线磨削加工方法的理论和实验研究》文中提出随着制造业的高速发展,轮廓曲线磨削已经广泛用于各种精密复杂刀具、模具等轮廓曲线类零件的加工中,为了适应复杂轮廓曲线零件的高精度和快速加工的要求,提高轮廓曲线磨削的加工精度和效率具有非常重要的实际意义。通过对加工误差进行人工的光学检测和补偿是目前比较有效的提高加工精度的方法,已经广泛应用于传统的光学曲线磨削中,但该方法存在着效率低、可靠性和加工精度有待提高等问题。本文基于机器视觉技术,提出了一种基于局部视觉图像的曲线磨削加工误差动态检测和在线补偿算法,并对复杂轮廓曲线的加工精度进行评价,主要的研究内容和结果如下:（1）曲线轮廓加工的基本原理和视觉系统的设计。研究了基于机器视觉的曲线磨削加工的基本原理;介绍了自主研发的数字化曲线磨床;阐述了加工机床的视觉测量系统的组成和校准方法,为实现高精度加工奠定了基础。（2）复杂轮廓曲线边缘精确定位方法的研究。研究比较了主流的图像轮廓边缘提取算法,包括像素级别和亚像素级别的边缘提取算法,提出了采用仿真法和标定板法对轮廓边缘的亚像素定位算法进行精度评价,并进行了试验研究和结果分析,并对测量结果的不确定度做出了评价。结果验证了所提出的亚像素定位算法和精度评价方法的有效性。（3）曲线轮廓加工精度评价理论和试验研究。提出了一种针对加工工件不规则轮廓的整体精度检测和评定方法,实现对工件轮廓精度的在位评定,可以提高精度检测和评定的效率和准确性,同时通过标定板和加工工件的测量试验验证了算法的有效性。（4）基于局部视觉图像的曲线磨削加工误差的原位动态检测和补偿。介绍了曲线轮廓误差在线检测方法的原理和实现过程,并进行仿真试验;研究了该算法的检测效率,并在曲线磨床上进行加工试验研究,试验结果表明,本文所提出的基于局部视觉图像的误差检测与补偿方法可以有效地提高曲线磨削加工精度。
胡一星[8]（2018）在《基于全局图像的轮廓曲线磨削加工误差动态检测与补偿》文中进行了进一步梳理轮廓曲线磨削广泛用于各种精密复杂模具、刀具等轮廓曲线类零件的精加工,为了适应复杂轮廓零件快速高精度加工的要求,提高轮廓曲线磨削的加工效率和精度成为一个重要的研究方向。加工误差的检测和补偿作为一种有效提高加工精度的方法,在传统的光学曲线磨削中得到了广泛的应用,但同时存在着效率低、可靠性和加工精度有待提高等问题。本文基于机器视觉技术,提出了一种原位直接检测曲线磨削加工误差的方法,并围绕加工过程中的误差动态检测与补偿方法展开理论和实验研究,主要研究内容和结果如下:（1）曲线磨削中的轮廓图像在线动态获取技术。介绍了基于机器视觉的轮廓曲线磨削原理;阐述了视觉测量系统的设计、校准和标定方法,并对视觉测量系统进行了标定试验;分析了加工过程中振动、火花和切屑对图像质量的影响,提出了视觉测量系统的优化方案。试验结果表明,优化的视觉测量系统可以获取高质量的动态加工图像。（2）砂轮和工件廓形的原位直接测量方法。介绍了基于机器视觉原位测量方法的基本原理;分别阐述了砂轮廓形和工件廓形的原位测量方法,并进行了试验研究。试验结果表明,提出的轮廓原位直接测量方法可以准确高效地检测砂轮和工件的轮廓精度。（3）基于全局图像的工件轮廓误差在线检测方法。介绍了轮廓误差在线检测的基本原理和实现方法;测试了在线检测算法的效率,并提出了优化措施;进行了误差在线检测试验,试验结果表明,所提出的误差在线检测方法可以准确地检测加工中轮廓误差的分布趋势。（4）轮廓加工误差的在线补偿方法。介绍了误差补偿的基本原理;阐述了基于虚拟轴的误差补偿技术,并通过仿真试验选取了较优的虚拟轴参数;进行了误差补偿试验,试验结果表明,所提出的误差在线补偿方法可以减小加工误差;提出了一种误差分离和分布在线补偿的优化算法,为进一步提高曲线磨削的加工效率和精度提供了一种新的思路。
何欣[9]（2017）在《一种基于运动控制卡的小型数控磨床系统研制》文中认为针对国内职业教育的高速发展和科技的快速进步,国内众多职业技术学院或大学的实训装备面临技术更新的紧迫性要求。然而,购置新设备耗资巨大,为了解决费用巨大和实训设备数字化、信息化的巨大尖锐矛盾,本文针对目前的这种情况,以三自由度滑台为平台,设计了一套基于运动控制卡的小型数控磨床系统,并为磨床系统设计了一种可独立使用的在线检测设备,完善了数控磨床系统的功能。文本设计的磨床系统具有体积小,数控功能全面,操作安全可靠的特点,适合教学及工程培训使用。由于加工的工件有时为铝等非铁磁金属材料,在使用根据感应电流原理制作的单线圈测量仪进行测量时会产生出双值问题,本文为了解决这个问题重新设计了一种新式的双线圈结构的检测仪。根据电流检波获得到线圈阻抗信息的原理,检测仪所得的信息经过数模转化后传递至上位机,并对信号处理分析。实验结果表明,本文所设计的检测装置,测量精度高,稳定性好,适用于铁铝工件的加工检测。此外,本文还以教学用数控磨床系统的研发为切入点,利用先进的PMAC运动控制卡,设计了一种基于具有教-学-考相结合特点的数控教学设备。本系统具备数控系统的基本功能,可完成数控磨床各种平面磨削加工;在此基础上,本文还特别设计了一种在线检测设备,一方面可以监测系统的自动运行情况,另一方面在加工时可以检测加工的进度,方便在教学时对学生的操作进行比较客观的评价;机械设计方面体积适中,能够避免加工操作过程中出现的意外伤害事故;在电气方面,采用了低功耗设计,同时采用的都是低电压设备以避免工作过程中可能出现的触电事故,系统的安全性很高,非常适合教学使用。
山博[10]（2017）在《基于图像处理的微型零件几何尺寸检测问题的研究》文中研究说明测量技术在某种程度上代表着一个国家的科技和工业发展水平,随着现代制造业中微小尺寸零件的广泛应用,对测量精度、测量效率及测量自动化的程度提出了更高的要求,图像测量技术伴随着这种需求应运而生。与传统的测量方式相比,图像测量技术具有高精度、高效率、非接触、灵活性好、动态范围广及自动化程度高等优点,特别适用于一些传统测量方法无法实现的现场,因此对图像测量技术的深入研究具有非常重要的意义和价值。本文以现有的图像处理相关理论知识为基础,与自主研制的数控微型磨床的实际应用相结合,从软件算法的角度探索和研究提高微型零件测量精度的方法。数字图像的处理是图像测量的基础,本文首先分析了灰度图像增强的相关方法,通过该方法加强目标与背景之间的灰度差,突出有用信息,总结了噪声的来源及种类,提出抑制噪声的常用滤波去噪方法。在边缘检测方面主要归纳了像素级边缘检测算子和亚像素级边缘检测算子,其中重点介绍了canny边缘检测算子和高斯拟合亚像素边缘检测算子,并针对算法存在的不足进行了创新改善,通过仿真实验发现改进的算法可以提高边缘定位精度。本文后部分详细介绍了图像测量系统的设计与建立。在硬件方面,总结了测量系统硬件的构成、布局安排及系统对硬件的要求,同时对造成系统测量误差的原因进行分析。在软件方面该系统能够对标准块进行标定,并对微小零件进行物理尺寸的测量,同时还针对光纤端面角度进行测量,通过对测量数据的整理得到测量结果均达到较高的精度。除此之外,该系统还可以进行一些其他常用图像处理命令的实现。本文研究了基于canny算子和高斯拟合亚像素边缘定位算子的微小尺寸零件几何参数的测量方法,经MATLAB软件仿真实验表明,提出的方法测量精度高,运行时间短,具有一定的实用性。
二、基于数字图像的曲线磨床尺寸检测系统（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、基于数字图像的曲线磨床尺寸检测系统（论文提纲范文）
（1）基于电磁散射仿真的粗糙度视觉测量研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 粗糙度测量国内外研究与应用现状 |
| 1.2.1 国外粗糙度测量的研究与应用 |
| 1.2.2 国内粗糙度测量的研究与应用 |
| 1.2.3 表面粗糙度视觉测量研究现状 |
| 1.3 本文主要研究内容 |
| 1.3.1 问题的提出 |
| 1.3.2 本文的研究思路 |
| 1.3.3 本文的章节安排 |
| 第2章 电磁仿真原理及应用模型 |
| 2.1 引言 |
| 2.2 电磁仿真的数学原理 |
| 2.2.1 麦克斯韦方程 |
| 2.2.2 亥姆霍兹方程 |
| 2.2.3 菲涅耳-基尔霍夫衍射公式 |
| 2.3 电磁问题求解方法 |
| 2.3.1 基尔霍夫近似法 |
| 2.3.2 微扰法 |
| 2.3.3 矩量法 |
| 2.4 基于有限元方法的电磁问题求解 |
| 2.4.1 区域离散 |
| 2.4.2 插值函数 |
| 2.4.3 方程组公式的建立与求解 |
| 2.5 本章小结 |
| 第3章 光从微观磨削表面散射成像有限元仿真模型 |
| 3.1 引言 |
| 3.2 机械加工件微观表面散射成像过程的物理模型 |
| 3.2.1 物体粗糙表面双色光散射模型 |
| 3.2.2 基于光度学的可见光成像过程 |
| 3.2.3 摄像机CCD传感器光电转换模型 |
| 3.3 基于蒙特卡罗法的磨削表面粗糙度数值模型的建立 |
| 3.3.1 粗糙表面高度起伏描述参数 |
| 3.3.2 一维随机粗糙表面生成方法 |
| 3.4 机械加工件微观表面散射的有限元仿真模型建立与求解 |
| 3.4.1 成像过程的有限元仿真简化模型 |
| 3.4.2 物理场配置 |
| 3.4.3 光学材料特性 |
| 3.4.4 网格划分 |
| 3.4.5 数值求解方法 |
| 3.4.6 后处理与仿真结果 |
| 3.5 本章小结 |
| 第4章 基于电磁散射仿真的图像特征指标设计与优化 |
| 4.1 引言 |
| 4.2 基于区域能量大小的图像特征指标设计 |
| 4.2.1 单色区域能量指标 |
| 4.2.2 双色区域能量指标 |
| 4.3 基于空间区域能量离散分布的图像特征指标设计 |
| 4.3.1 香农熵基础概念 |
| 4.3.2 空间区域能量离散分布的香农熵指标 |
| 4.4 基于双色光区域能量近似的图像特征指标设计与优化 |
| 4.4.1 双色光区域能量近似重合面积定义 |
| 4.4.2 双色光区域能量重合面积指标设计与优化 |
| 4.5 本章小结 |
| 第5章 表面粗糙度的视觉测量实验系统及验证分析 |
| 5.1 引言 |
| 5.2 粗糙度视觉测量实验系统设计 |
| 5.2.1 样块的加工 |
| 5.2.2 样块表面粗糙度的测量 |
| 5.2.3 成像系统的设计与选型 |
| 5.3 实验流程及成像结果 |
| 5.3.1 实验流程 |
| 5.3.2 样块表面图像处理结果 |
| 5.4 实验结果验证分析与讨论 |
| 5.4.1 基于区域能量大小的图像特征指标验证分析 |
| 5.4.2 基于空间区域能量分布的图像特征指标优化分析 |
| 5.4.3 基于双色光区域能量近似的图像特征指标设计优化验证分析 |
| 5.4.4 讨论 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间取得的科研成果 |
| 附录 B 攻读学位期间参与的科研项目 |
（2）制动主缸补偿孔检测误差补偿及图像处理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 误差补偿及图像处理研究的提出 |
| 1.3 国内外相关技术发展现状 |
| 1.3.1 工件内表面检测技术发展现状 |
| 1.3.2 误差检测及补偿技术发展现状 |
| 1.3.3 图像处理技术发展现状 |
| 1.4 本文主要的研究内容 |
| 第2章 误差源分析及综合误差建模研究 |
| 2.1 试验样机的总体结构及检测原理 |
| 2.2 误差源分析 |
| 2.2.1 几何误差元素 |
| 2.2.2 力变形误差元素 |
| 2.2.3 控制系统误差元素 |
| 2.2.4 其他误差 |
| 2.3 误差源简化 |
| 2.4 多体系统运动学分析 |
| 2.4.1 拓扑结构及低序体阵列描述 |
| 2.4.2 相邻体间的运动变换矩阵 |
| 2.4.3 多体系统的零级运动方程 |
| 2.5 综合误差建模 |
| 2.5.1 建立拓扑结构及低序体阵列 |
| 2.5.2 设定坐标系 |
| 2.5.3 建立理想变换矩阵 |
| 2.5.4 综合误差建模 |
| 2.6 本章小结 |
| 第3章 空间几何误差辨识及补偿研究 |
| 3.1 空间几何误差分析 |
| 3.2 空间几何误差检测与辨识分析 |
| 3.2.1 垂直平动轴误差检测与辨识 |
| 3.2.2 水平回转轴误差检测与辨识 |
| 3.2.3 垂直平动轴与水平回转轴垂直度误差检测与辨识 |
| 3.3 空间几何误差测量实验 |
| 3.3.1 构建空间坐标系 |
| 3.3.2 平动轴几何误差测量实验 |
| 3.3.3 回转轴转角误差测量实验 |
| 3.3.4 垂直度误差测量实验 |
| 3.4 误差补偿原理 |
| 3.4.1 建立数据库 |
| 3.4.2 构建补偿模型 |
| 3.4.3 实施增量补偿 |
| 3.5 误差补偿实验 |
| 3.6 本章小结 |
| 第4章 双远心内窥光学系统设计及图像处理研究 |
| 4.1 光源选择及应用效果分析 |
| 4.2 双远心内窥光学系统设计 |
| 4.2.1 内窥光学系统分析 |
| 4.2.2 双远心光路设计 |
| 4.3 图像增强 |
| 4.3.1 空间域图像增强法 |
| 4.3.2 图像平滑处理 |
| 4.3.3 图像锐化处理 |
| 4.4 图像边缘检测 |
| 4.4.1 Laplacian算子 |
| 4.4.2 Gauss-Laplacian算子 |
| 4.5 补偿孔图像处理 |
| 4.5.1 补偿孔图像处理过程 |
| 4.5.2 补偿孔图像灰度化 |
| 4.5.3 补偿孔图像中值滤波 |
| 4.5.4 补偿孔图像锐化 |
| 4.5.5 补偿孔图像边缘检测 |
| 4.6 本章小结 |
| 第5章 综合误差补偿实验 |
| 5.1 综合补偿方案 |
| 5.2 综合检测实现 |
| 5.2.1 建立增量式补偿模型 |
| 5.2.2 图像实时采集 |
| 5.3 补偿前后的比较 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（3）基于双远心成像原理的滚珠丝杠检测系统设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 机器视觉系统概述 |
| 1.3 国内外机器视觉螺纹检测研究现状 |
| 1.4 研究内容与工作安排 |
| 1.5 研究创新 |
| 1.6 本章小结 |
| 第二章 图像采集与处理方法 |
| 2.1 光学系统 |
| 2.1.1 一般系统构成 |
| 2.1.2 测量对系统的要求 |
| 2.1.3 光学系统衍射 |
| 2.1.4 双远心光学系统 |
| 2.2 图像传感器 |
| 2.2.1 CMOS与CCD图像传感器 |
| 2.2.2 图像传感器的选取 |
| 2.3 数字图像信号的传输 |
| 2.3.1 图像信号扫描原理 |
| 2.3.2 模数信号转换 |
| 2.4 图像预处理 |
| 2.4.1 图像裁剪与灰度化 |
| 2.4.2 图像平滑去噪 |
| 2.4.3 大津阈值法 |
| 2.5 边缘与角点检测的应用 |
| 2.5.1 Sobel算子 |
| 2.5.2 Canny算子 |
| 2.5.3 亚像素边缘检测 |
| 2.5.4 霍夫变换 |
| 2.5.5 Haaris角点检测 |
| 2.5.6 亚像素角点检测 |
| 2.6 本章小结 |
| 第三章 滚珠丝杠测量系统原理 |
| 3.1 测量坐标系的设计 |
| 3.1.1 图像坐标系 |
| 3.1.2 图像坐标与光栅坐标的融合 |
| 3.2 测量图像的特征定位 |
| 3.2.1 操作台顶尖的定位 |
| 3.2.2 滚珠丝杠双圆弧廓形的定位 |
| 3.3 基于欧氏距离的特征数据去噪方法 |
| 3.4 滚珠丝杠廓形及中径几何参数计算 |
| 3.5 本章小结 |
| 第四章 滚珠丝杠测量系统的软硬件设计 |
| 4.1 滚珠丝杠测量系统硬件设计 |
| 4.2 硬件安装误差标定 |
| 4.2.1 运动标记标定图像坐标系旋转误差 |
| 4.2.2 远心原理标定主光轴夹角误差 |
| 4.2.3 工件与顶尖同轴度误差标定 |
| 4.3 滚珠丝杠测量系统软件设计 |
| 4.4 本章小结 |
| 第五章 实验及分析 |
| 5.1 系统分辨率测试 |
| 5.1.1 长度测量 |
| 5.1.2 标准球测量 |
| 5.1.3 分辨率板测试 |
| 5.2 标定及滚珠丝杠参数测量结果 |
| 5.3 影响测量精度的因素 |
| 5.3.1 图像采集装置安装误差分析 |
| 5.3.2 光源的颜色与亮度 |
| 5.3.3 油污与灰尘噪声的影响 |
| 5.3.4 图像截取范围 |
| 5.3.5 随机范围与图像数量 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 硕士期间获得的科研成果 |
（4）基于机器视觉的磨削表面粗糙度检测的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 粗糙度检测方法的国内外研究现状 |
| 1.2.2 粗糙度评价参数选择的国内外研究现状 |
| 1.3 本文的研究的主要内容及技术路线 |
| 第2章 磨削图像获取实验 |
| 2.1 磨削表面图像获取及检测实验 |
| 2.2 机器视觉系统硬件设计 |
| 2.3 磨削实验及实验结果 |
| 2.4 粗糙度检测实验及结果 |
| 2.5 本章小结 |
| 第3章 磨削表面图像相关概念及噪声处理 |
| 3.1 数字图像的相关概念 |
| 3.1.1 数字图像的基础 |
| 3.1.2 RGB图像 |
| 3.1.3 灰度图像 |
| 3.2 图像去噪处理 |
| 3.2.1 噪声的来源及分类 |
| 3.2.2 常见的去噪方式 |
| 3.2.3 去噪效果的评价方式 |
| 3.3 去噪及去噪效果实验分析 |
| 3.4 本章小结 |
| 第4章 磨削表面图像特征的选取 |
| 4.1 图像特征分析 |
| 4.2 提取的特征 |
| 4.2.1 灰度信息特征 |
| 4.2.2 灰度共生矩阵特征 |
| 4.2.3 Tamura纹理特征 |
| 4.3 粗糙度表面识别特征的选取算法 |
| 4.3.1 正则化 |
| 4.3.2 SBS算法 |
| 4.3.3 随机森林算法 |
| 4.3.4 特征选择的改进算法 |
| 4.4 图像识别特征选择的实验与分析 |
| 4.4.1 SBS算法实验与分析 |
| 4.4.2 随机森林算法实验与分析 |
| 4.4.3 改进算法实验与分析 |
| 4.5 本章小结 |
| 第5章 磨削表面检测识别模型及优化设计 |
| 5.1 BP神经网络模型及优化 |
| 5.1.1 BP神经网络算法 |
| 5.1.2 BP神经网络模型的优化参数 |
| 5.2 模型实验环境及实验前的数据处理 |
| 5.2.1 模型实验环境 |
| 5.2.2 实验前数据的处理 |
| 5.3 BP神经网络模型设计实验及分析 |
| 5.3.1 隐藏层层数的设计与实验分析 |
| 5.3.2 节点数的设计与实验分析 |
| 5.3.3 L2 正则化系数优化分析 |
| 5.3.4 训练图片数量的优化 |
| 5.3.5 迭代次数优化及最终实验结果 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在校期间发表的学术论文与研究成果 |
（5）基于机器视觉的凸圆弧砂轮边缘检测及定位技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 激光修整砂轮现状 |
| 1.3 砂轮检测研究现状 |
| 1.4 机器视觉检测技术简介 |
| 1.4.1 机器视觉检测系统的研究现状 |
| 1.4.2 机器视觉检测系统的关键技术 |
| 1.5 论文的主要研究内容 |
| 第2章 砂轮轮廓视觉检测系统设计 |
| 2.1 视觉检测系统的原理 |
| 2.1.1 砂轮轮廓检测原理 |
| 2.1.2 视觉检测系统总体框架 |
| 2.2 硬件的选型与设计 |
| 2.2.1 工业相机选型 |
| 2.2.2 镜头选型 |
| 2.2.3 照明系统设计 |
| 2.2.4 检测机构 |
| 2.3 本章小结 |
| 第3章 视觉检测系统的边缘检测技术研究 |
| 3.1 .成像系统与边缘特征 |
| 3.2 边缘模型误差分析 |
| 3.3 边缘检测器设计 |
| 3.3.1 图像滤波 |
| 3.3.2 梯度计算 |
| 3.3.3 寻找局部最大值 |
| 3.3.4 计算边缘点 |
| 3.3.5 滞后阈值处理 |
| 3.4 精确度分析 |
| 3.4.1 直线特征 |
| 3.4.2 圆弧特征 |
| 3.5 本章小结 |
| 第4章 视觉检测系统的标定与定位技术研究 |
| 4.1 相机标定技术 |
| 4.2 系统的定位技术 |
| 4.2.1 模板匹配技术 |
| 4.2.2 凸圆弧砂轮定位方法 |
| 4.2.3 匹配结果 |
| 4.3 本章小结 |
| 第5章 检测系统软件设计及整形实验 |
| 5.1 软件总体设计 |
| 5.2 凸圆弧金刚石砂轮检测系统 |
| 5.2.1 图像采集程序界面 |
| 5.2.2 图像预处理程序界面 |
| 5.2.3 相机标定程序界面 |
| 5.2.4 匹配定位程序界面 |
| 5.3 凸圆弧砂轮激光整形试验研究 |
| 5.3.1 整形系统及实验材料 |
| 5.3.2 实验方案 |
| 5.3.3粗整形实验 |
| 5.3.4补偿整形实验 |
| 5.4 本章小结 |
| 结论及展望 |
| 参考文献 |
| 致谢 |
（6）曲线磨削全轮廓误差原位视觉检测和补偿方法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 国内外相关研究现状 |
| 1.3 目前研究中存在的问题 |
| 1.4 论文的主要研究内容 |
| 1.5 本章小结 |
| 第二章 基于机器视觉的曲线磨削原理和曲线轮廓原位测量 |
| 2.1 基于机器视觉的曲线磨削原理 |
| 2.2 视觉测量系统的设计 |
| 2.3 曲线轮廓的原位测量方法 |
| 2.3.1 原位图像获取 |
| 2.3.2 轮廓曲线边缘精确定位的方法研究 |
| 2.3.3 相机标定 |
| 2.3.4 试验研究 |
| 2.4 本章小结 |
| 第三章 复杂轮廓曲线磨削加工精度的评价 |
| 3.1 前言 |
| 3.2 基于边缘匹配的轮廓精度评定方法研究 |
| 3.2.1 边缘点的法向偏差 |
| 3.2.2 最优化边缘匹配 |
| 3.3 试验研究 |
| 3.3.1 仿真试验 |
| 3.3.2 工件加工轮廓精度的评定 |
| 3.4 本章小结 |
| 第四章 基于局部图像的曲线磨削误差在线检测和补偿 |
| 4.1 前言 |
| 4.2 环形公差带法 |
| 4.3 基于局部图像的曲线磨削加工误差的在线检测原理和方法 |
| 4.3.1 基于局部图像的误差在线检测的基本原理 |
| 4.3.2 基于局部图像的误差在线检测的实现方法 |
| 4.4 曲线磨削加工误差的在线补偿方法 |
| 4.5 试验研究 |
| 4.6 本章小结 |
| 第五章 基于图像拼接的工件全轮廓误差的检测和补偿 |
| 5.1 前言 |
| 5.2 图像拼接的算法研究 |
| 5.2.1 图像拼接的原理和实现方法 |
| 5.2.2 图像拼接的试验研究 |
| 5.3 基于图像拼接的工件全轮廓误差的检测 |
| 5.4 基于图像拼接的工件全轮廓误差的补偿 |
| 5.5 试验研究 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间所取得的研究成果 |
（7）基于局部视觉图像的轮廓曲线磨削加工方法的理论和实验研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 当前研究中存在的问题 |
| 1.4 论文的主要内容框架 |
| 1.5 本章小结 |
| 第二章 曲线轮廓加工的基本原理和视觉系统设计 |
| 2.1 前言 |
| 2.2 基于机器视觉的轮廓曲线磨削加工原理 |
| 2.3 视觉测量系统的结构设计 |
| 2.3.1 相机的选择 |
| 2.3.2 镜头的选择 |
| 2.3.3 光源的选择 |
| 2.4 视觉系统的校准 |
| 2.4.1 镜头光轴校准 |
| 2.4.2 光源光轴校准 |
| 2.5 本章小结 |
| 第三章 复杂轮廓曲线边缘精确定位方法和试验研究 |
| 3.1 前言 |
| 3.2 工件廓形原位测量方法 |
| 3.2.1 原位图像获取方法 |
| 3.2.2 图像预处理算法 |
| 3.3 轮廓边缘快速精确定位算法研究 |
| 3.3.1 整像素边缘检测算法 |
| 3.3.2 亚像素边缘检测算法 |
| 3.4 视觉系统的标定 |
| 3.5 亚像素算法定位精度的评价 |
| 3.5.1 基于仿真法的算法精度评价 |
| 3.5.2 基于标定板的算法精度评价 |
| 3.6 试验研究 |
| 3.6.1 工件轮廓定位精度的试验研究 |
| 3.6.2 动态条件下曲线边缘定位质量影响因素分析 |
| 3.7 本章小结 |
| 第四章 曲线轮廓加工误差的评价 |
| 4.1 前言 |
| 4.2 基于边缘匹配的曲线轮廓加工误差的评价 |
| 4.3 试验研究 |
| 4.4 本章小结 |
| 第五章 基于局部视觉图像的轮廓曲线加工方法和试验研究 |
| 5.1 前言 |
| 5.2 曲线磨削加工中砂轮不干涉的条件 |
| 5.3 基于局部视觉图像的曲线磨削加工误差检测 |
| 5.3.1 基于局部视觉图像的误差检测原理 |
| 5.4 基于局部视觉图像的误差在线补偿方法 |
| 5.5 试验研究 |
| 5.5.1 仿真试验研究 |
| 5.5.2 加工试验研究 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间所取得的研究成果 |
（8）基于全局图像的轮廓曲线磨削加工误差动态检测与补偿（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 国内外相关研究现状 |
| 1.3 目前研究中存在的问题 |
| 1.4 论文的主要内容框架 |
| 1.5 本章小结 |
| 第二章 曲线磨削中轮廓图像的在线动态获取研究 |
| 2.1 前言 |
| 2.2 基于机器视觉的曲线磨削原理 |
| 2.3 视觉测量系统的设计 |
| 2.3.1 相机 |
| 2.3.2 镜头 |
| 2.3.3 光源 |
| 2.4 视觉系统的校准与标定 |
| 2.4.1 镜头光轴空间位置的校准 |
| 2.4.2 平行光源光轴空间位置的校准 |
| 2.4.3 相机标定 |
| 2.5 加工过程对图像质量的影响分析 |
| 2.5.1 振动对图像质量的影响 |
| 2.5.2 火花对图像质量的影响 |
| 2.5.3 切屑对图像质量的影响 |
| 2.6 本章小结 |
| 第三章 基于机器视觉的砂轮和工件廓形原位测量方法 |
| 3.1 前言 |
| 3.2 原位测量方法的基本原理 |
| 3.2.1 原位图像获取 |
| 3.2.2 图像处理 |
| 3.3 砂轮轮廓的原位直接测量和精度评定 |
| 3.3.1 砂轮轮廓拟合和参数计算方法 |
| 3.3.2 砂轮多截面轮廓测量试验 |
| 3.3.3 砂轮轮廓原位直接测量方法的精度评定 |
| 3.4 工件轮廓的原位直接测量和精度评定 |
| 3.4.1 工件的轮廓拟合与参数计算方法 |
| 3.4.2 工件轮廓原位直接测量试验 |
| 3.4.3 工件轮廓原位直接测量方法的精度评定 |
| 3.5 本章小结 |
| 第四章 基于全局图像的工件轮廓误差的在线检测 |
| 4.1 前言 |
| 4.2 基于全局视觉图像的轮廓误差在线检测原理及方法 |
| 4.2.1 轮廓误差在线检测的基本原理 |
| 4.2.2 轮廓误差在线检测的实现方法 |
| 4.2.3 在线检测算法的效率研究 |
| 4.3 试验研究 |
| 4.4 本章小结 |
| 第五章 轮廓加工误差的在线补偿方法 |
| 5.1 前言 |
| 5.2 轮廓加工误差的在线补偿 |
| 5.2.1 误差补偿的基本原理 |
| 5.2.2 基于虚拟轴的补偿实现方法 |
| 5.2.3 虚拟轴补偿的参数选择 |
| 5.3 试验研究 |
| 5.4 基于误差分离的分步补偿算法 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间所取得的研究成果 |
（9）一种基于运动控制卡的小型数控磨床系统研制（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 国内数控系统的研究现状 |
| 1.2.2 国外数控系统的研究现状 |
| 1.2.3 PMAC运动控制卡技术应用现状 |
| 1.2.4 在线检测系统的研究现状 |
| 1.3 论文研究的意义 |
| 1.3.1 数控教学的现状 |
| 1.3.2 教学用数控磨床的意义 |
| 1.4 课题研究的主要内容 |
| 第2章 数控系统磨床部分设计 |
| 2.1 控制系统 |
| 2.1.1 运动控制卡 |
| 2.1.2 伺服系统 |
| 2.1.3 连接方式 |
| 2.2 运行机构 |
| 2.3 本章小结 |
| 第3章 在线检测系统的设计 |
| 3.1 工作原理 |
| 3.2 测量仪的设计 |
| 3.2.1 测量仪探头 |
| 3.2.2 补偿电路 |
| 3.2.3 激励电路 |
| 3.2.4 相敏检波电路 |
| 3.2.5 数据采集 |
| 3.3 工作过程 |
| 3.4 检测系统实验 |
| 3.5 本章小结 |
| 第4章 上位机软件系统设计 |
| 4.1 软件系统开发环境 |
| 4.1.1 软件系统简介 |
| 4.1.2 变量 |
| 4.1.3 开发环境 |
| 4.1.4 通讯驱动程序 |
| 4.1.5 常用函数 |
| 4.1.6 数据库 |
| 4.1.7 G代码 |
| 4.2 用户管理系统 |
| 4.3 磨床控制系统 |
| 4.3.1 系统整体运行 |
| 4.3.2 系统回零 |
| 4.3.3 系统运动轨迹模拟 |
| 4.3.4 工件扫描与采样 |
| 4.3.5 对刀 |
| 4.3.6 自动运行和检测 |
| 4.4 教学系统 |
| 4.4.1 在线教学 |
| 4.4.2 实训操作 |
| 4.5 考试系统 |
| 4.6 本章小结 |
| 第5章 实验结果与分析 |
| 5.1 检测系统总体结构 |
| 5.2 系统调试内容 |
| 5.3 检测系统实验验证 |
| 5.3.1 系统工作过程 |
| 5.3.2 加工实例 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 完成的主要任务 |
| 6.3 展望 |
| 参考文献 |
| 攻读学位期间所取得的相关科研成果 |
| 致谢 |
（10）基于图像处理的微型零件几何尺寸检测问题的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 图像测量技术简介 |
| 1.3 图像测量技术研究现状 |
| 1.4 本文的主要内容及基本框架 |
| 1.5 本章小结 |
| 第2章 图像处理相关技术研究 |
| 2.1 图像增强处理 |
| 2.1.1 灰度图像与灰度直方图 |
| 2.1.2 灰度图像增强 |
| 2.2 图像平滑去噪 |
| 2.2.1 图像的噪声 |
| 2.2.2 邻域平均法 |
| 2.2.3 中值滤波法 |
| 2.2.4 频域滤波 |
| 2.3 本章小结 |
| 第3章 图像精密测量中边缘检测问题的研究 |
| 3.1 像素级边缘检测算法 |
| 3.1.1 图像边缘特征分析 |
| 3.1.2 传统边缘检测算子 |
| 3.1.3 canny边缘检测算子 |
| 3.2 亚像素级边缘检测算子 |
| 3.2.1 亚像素定位原理 |
| 3.2.2 插值法 |
| 3.2.3 矩方法 |
| 3.2.4 拟合法 |
| 3.3 改进的边缘定位算法 |
| 3.3.1 像素级边缘粗定位 |
| 3.3.2 亚像素级精确定位 |
| 3.3.3 MATLAB算法验证 |
| 3.4 本章小结 |
| 第4章 图像测量系统的设计及实验 |
| 4.1 图像测量原理 |
| 4.2 图像测量系统的设计 |
| 4.2.1 系统硬件设计 |
| 4.2.2 系统软件设计 |
| 4.3 图像测量系统实现 |
| 4.3.1 系统标定 |
| 4.3.2 图像处理及测量 |
| 4.3.3 图像测量结果分析 |
| 4.4 测量误差分析 |
| 4.4.1 硬件设备因素 |
| 4.4.2 环境因素 |
| 4.4.3 软件算法因素 |
| 第5章 图像测量系统的应用 |
| 5.1 数控微磨床的结构及功能 |
| 5.1.1 数控微磨床研制的必要性 |
| 5.1.2 数控微磨床的结构和功能 |
| 5.1.3 基于数控微磨床加工的微型零件尺寸测量的需求 |
| 5.2 数控微磨床图像测量系统的硬件设计 |
| 5.3 直线拟合 |
| 5.4 应用实例 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
四、基于数字图像的曲线磨床尺寸检测系统（论文参考文献）
- [1]基于电磁散射仿真的粗糙度视觉测量研究[D]. 熊岩. 湖南大学, 2020
- [2]制动主缸补偿孔检测误差补偿及图像处理研究[D]. 高俊鹏. 长春理工大学, 2019(02)
- [3]基于双远心成像原理的滚珠丝杠检测系统设计[D]. 邓锦湖. 厦门大学, 2019(09)
- [4]基于机器视觉的磨削表面粗糙度检测的研究[D]. 尚建. 华侨大学, 2019(01)
- [5]基于机器视觉的凸圆弧砂轮边缘检测及定位技术研究[D]. 类志杰. 湖南大学, 2019(07)
- [6]曲线磨削全轮廓误差原位视觉检测和补偿方法的研究[D]. 范帆. 上海交通大学, 2019(06)
- [7]基于局部视觉图像的轮廓曲线磨削加工方法的理论和实验研究[D]. 张哲. 上海交通大学, 2019(06)
- [8]基于全局图像的轮廓曲线磨削加工误差动态检测与补偿[D]. 胡一星. 上海交通大学, 2018(01)
- [9]一种基于运动控制卡的小型数控磨床系统研制[D]. 何欣. 河北工业大学, 2017(12)
- [10]基于图像处理的微型零件几何尺寸检测问题的研究[D]. 山博. 沈阳理工大学, 2017(03)