隨著信息技術(shù)的發(fā)展,玻璃容器的傳統(tǒng)檢測(cè)方法（人工檢測(cè)）已無(wú)法與現(xiàn)代生產(chǎn)相適應(yīng)。機(jī)器視覺(jué)檢測(cè)技術(shù)與傳統(tǒng)技術(shù)相比,實(shí)現(xiàn)了在線智能非接觸測(cè)量,降低勞動(dòng)強(qiáng)度,檢測(cè)準(zhǔn)確,提高了生產(chǎn)效率,節(jié)省了勞動(dòng)力,且整個(gè)檢測(cè)過(guò)程不受人為因素影響,有效保證了玻璃容器的生產(chǎn)質(zhì)量。本文研究的主要內(nèi)容有以下幾個(gè)方面:1、提出了系統(tǒng)的總體設(shè)計(jì)框架,對(duì)系統(tǒng)所需的硬件設(shè)備進(jìn)行了深入的分析,給出了課題的研究思路。2、根據(jù)數(shù)字圖像處理的理論研究,提出了待檢玻璃容器圖像處理的算法流程。首先,對(duì)采集到的檢測(cè)圖像應(yīng)用MATLAB軟件進(jìn)行一系列的圖像處理,包括圖像灰度化、圖像濾波、圖像增強(qiáng)、圖像分割以及形態(tài)學(xué)處理;然后,對(duì)處理后的玻璃容器圖像采用8-方向鏈碼法進(jìn)行邊界輪廓提取;最后,根據(jù)得到的鏈碼序列對(duì)玻璃容器目標(biāo)進(jìn)行了像素統(tǒng)計(jì),由定義公式計(jì)算其相關(guān)的特征值。3、提出了一種改進(jìn)的小波閾值去噪算法,通過(guò)小波系數(shù)和閾值的比較,自適應(yīng)地改變控制系數(shù),能夠較多的保留玻璃容器圖像的邊緣和細(xì)節(jié)信息,還在一定程度上避免了小波系數(shù)的盲目置零。4、通過(guò)MATLAB編程語(yǔ)言對(duì)系統(tǒng)軟件進(jìn)行了初步設(shè)計(jì),實(shí)現(xiàn)了較好的人機(jī)交互界面。其中,軟件的主界面應(yīng)用MATL... 

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 玻璃容器檢測(cè)綜述
        1.2.1 機(jī)器視覺(jué)的概念
        1.2.2 機(jī)器視覺(jué)技術(shù)的應(yīng)用
        1.2.3 機(jī)器視覺(jué)檢測(cè)玻璃容器的國(guó)內(nèi)外現(xiàn)狀
        1.2.4 存在的問(wèn)題
        1.2.5 機(jī)器視覺(jué)檢測(cè)的發(fā)展趨勢(shì)
    1.3 本文研究的內(nèi)容及論文結(jié)構(gòu)
第2章 系統(tǒng)總體設(shè)計(jì)
    2.1 系統(tǒng)設(shè)計(jì)的技術(shù)要求
    2.2 系統(tǒng)總體設(shè)計(jì)框架
    2.3 照明系統(tǒng)設(shè)計(jì)
        2.3.1 照明條件
        2.3.2 照明方式
        2.3.3 光源
    2.4 玻璃容器圖像采集系統(tǒng)
        2.4.1 攝像機(jī)的分析和選擇
        2.4.2 鏡頭的分析與選擇
        2.4.3 圖像采集卡的選擇
    2.5 攝像機(jī)標(biāo)定
    2.6 本章小結(jié)
第3章 玻璃容器圖像的預(yù)處理
    3.1 數(shù)字圖像技術(shù)概述
    3.2 玻璃容器圖像處理算法總體流程
    3.3 玻璃容器圖像灰度化處理
    3.4 玻璃容器圖像濾波去噪
        3.4.1 噪聲的分類
        3.4.2 均值濾波
        3.4.3 中值濾波
    3.5 玻璃容器圖像的改進(jìn)小波閾值去噪
        3.5.1 圖像小波閾值去噪原理
        3.5.2 閾值選取
            3.5.2.1 通用閾值
            3.5.2.2 自適應(yīng)閾值
        3.5.3 閾值函數(shù)的選取
            3.5.3.1 硬閾值函數(shù)
            3.5.3.2 軟閾值函數(shù)
            3.5.3.3 改進(jìn)閾值函數(shù)
        3.5.4 玻璃容器圖像去噪實(shí)驗(yàn)與分析
        3.5.5 玻璃容器圖像去噪算法的確定
    3.6 玻璃容器圖像增強(qiáng)
        3.6.1 灰度變換增強(qiáng)
        3.6.2 直方圖均衡化
    3.7 本章小結(jié)
第4章 玻璃容器圖像的分割
    4.1 圖像分割的定義
    4.2 迭代式閾值分割
    4.3 固定全局閾值分割
    4.4 Otsu閾值分割
    4.5 玻璃容器圖像分割算法選擇
    4.6 玻璃容器圖像的邊緣檢測(cè)
        4.6.1 基于Roberts算子的邊緣檢測(cè)方法
        4.6.2 基于Sobel算子的邊緣檢測(cè)方法
        4.6.3 基于Prewitt算子的邊緣檢測(cè)方法
        4.6.4 基于LOG算子的邊緣檢測(cè)方法
        4.6.5 基于Canny算子的邊緣檢測(cè)方法
    4.7 玻璃容器圖像形態(tài)學(xué)處理
        4.7.1 腐蝕與膨脹
        4.7.2 開(kāi)運(yùn)算與閉運(yùn)算
        4.7.3 結(jié)構(gòu)元素選取
        4.7.4 形態(tài)學(xué)填充
        4.7.5 形態(tài)學(xué)邊緣檢測(cè)
    4.8 本章小結(jié)
第5章 玻璃容器形態(tài)參數(shù)測(cè)量和分析
    5.1 8-鏈碼法提取玻璃容器圖像輪廓
    5.2 玻璃容器圖像的形態(tài)描述
    5.3 玻璃容器形態(tài)測(cè)量和數(shù)據(jù)分析
    5.4 本章小結(jié)
第6章 系統(tǒng)軟件的設(shè)計(jì)與分析
    6.1 系統(tǒng)編程語(yǔ)言的選擇
    6.2 MATLAB圖形用戶界面(GUI)設(shè)計(jì)技術(shù)
    6.3 玻璃容器圖像處理系統(tǒng)軟件設(shè)計(jì)
        6.3.1 軟件總體框架
        6.3.2 圖像管理模塊
        6.3.3 圖像處理模塊
    6.4 本章小結(jié)
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)
致謝
在學(xué)期間主要科研成果
    一、發(fā)表學(xué)術(shù)論文
    二、其它科研成果


【參考文獻(xiàn)】：
期刊論文
[1]一種基于小波閾值改進(jìn)的圖像去噪方法[J]. 張磊,邱書波,李萍.  齊魯工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[2]Accurate Measurement Method for Tube’s Endpoints Based on Machine Vision[J]. LIU Shaoli,JIN Peng,LIU Jianhua,WANG Xiao,SUN Peng.  Chinese Journal of Mechanical Engineering. 2017(01)
[3]機(jī)器視覺(jué)檢測(cè)技術(shù)在工業(yè)檢測(cè)中的應(yīng)用[J]. 陳英.  電子測(cè)試. 2015(18)
[4]基于小波變換的圖像增強(qiáng)的實(shí)現(xiàn)研究[J]. 郭奇,呂曉光.  傳感器世界. 2015(03)
[5]基于頻域的運(yùn)動(dòng)模糊參數(shù)估計(jì)[J]. 張永梅,張靜.  電腦開(kāi)發(fā)與應(yīng)用. 2014(07)
[6]小波閾值圖像去噪算法改進(jìn)[J]. 高文仲,陳志云,曾秋梅.  華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(06)
[7]基于灰度圖像的閾值分割改進(jìn)方法[J]. 謝敏,王朝斌,魏萍.  科技視界. 2013(22)
[8]一種改進(jìn)小波閾值的圖像去噪算法[J]. 喬林峰,王俊.  艦船電子工程. 2013(01)
[9]基于圖像的番茄識(shí)別與幾何尺寸測(cè)量[J]. 紀(jì)平,王俊,陳鶴碧.  安徽農(nóng)業(yè)科學(xué). 2012(33)
[10]利用邊緣檢測(cè)技術(shù)從相干切片中提取斷層多邊形[J]. 邱兆泰.  中國(guó)科技信息. 2012(14)

博士論文
[1]多模態(tài)特征融合和變量選擇的視頻語(yǔ)義理解[D]. 劉亞楠.浙江大學(xué) 2010
[2]機(jī)器視覺(jué)圖像檢測(cè)與定位系統(tǒng)關(guān)鍵技術(shù)研究[D]. 盛遵冰.哈爾濱工業(yè)大學(xué) 2009

碩士論文
[1]基于嵌入式圖像處理的輸電線弧垂在線檢測(cè)系統(tǒng)研制[D]. 黃小龍.華北電力大學(xué) 2015
[2]基于形狀描述子的列車典型故障圖像識(shí)別算法研究[D]. 徐威.湖北工業(yè)大學(xué) 2015
[3]基于視覺(jué)與觸覺(jué)的食品包裝設(shè)計(jì)[D]. 張婧睿.昆明理工大學(xué) 2015
[4]基于FPGA的數(shù)碼相框研究與設(shè)計(jì)[D]. 翟逸飛.蘭州理工大學(xué) 2014
[5]基于紅外圖像的車輛前方行人識(shí)別與跟蹤技術(shù)研究[D]. 鐘令.東北大學(xué) 2014
[6]基于機(jī)器視覺(jué)的藥瓶封裝缺陷檢測(cè)系統(tǒng)研究[D]. 王保軍.東北大學(xué) 2014
[7]基于幾何與形狀特征的列車故障圖像匹配算法研究[D]. 盧婷.湖北工業(yè)大學(xué) 2014
[8]改進(jìn)的小波閾值去噪算法研究[D]. 楊鑫蕊.哈爾濱理工大學(xué) 2014
[9]高清視頻監(jiān)控中低照度圖像的去噪及增強(qiáng)方法研究[D]. 毛葉輝.復(fù)旦大學(xué) 2013
[10]IC制造裝備的機(jī)器視覺(jué)檢測(cè)與定位技術(shù)研究[D]. 鄭金駒.華中科技大學(xué) 2013



本文編號(hào)：3702667