本文關鍵詞：基于GPU的衛(wèi)生用品表面缺陷檢測軟件設計，，由筆耕文化傳播整理發(fā)布。

【摘要】：衛(wèi)生用品作為一種對表面潔凈程度要求極高的產(chǎn)品,它的表面缺陷檢測具有重要意義。傳統(tǒng)的表面缺陷檢測依賴人工目測進行,工作強度大,漏檢率高,效率低下。隨著機器視覺技術的發(fā)展,基于機器視覺的表面缺陷檢測為產(chǎn)品檢測提供了高效的手段。針對以上情況,本文研發(fā)了一種基于機器視覺的衛(wèi)生用品表面缺陷檢測軟件,具有重要的工程實用價值。本文研發(fā)的衛(wèi)生用品表面缺陷檢測軟件具有攝像機管理,算法管理,數(shù)據(jù)庫管理,檢測任務管理等功能。系統(tǒng)采用線陣攝像機采集圖像,軟件支持Linux系統(tǒng),可以動態(tài)增刪攝像機,同時將算法封裝為動態(tài)鏈接庫,運行時針對不同的產(chǎn)品配置加載不同的算法。對于衛(wèi)生用品用戶可以靈活選擇斑點,瑕疵,面積,邊緣,自定義模板等方面檢測表面缺陷,自由選擇感興趣的檢測區(qū)域并配置算法參數(shù),其中一項不通過即判斷產(chǎn)品存在缺陷。針對線陣攝像機拍攝的圖像分辨率高,數(shù)據(jù)量大導致算法處理速度慢的問題,本文采用GPU并行計算加速算法執(zhí)行,并采用流水線的方式同時處理多幀圖像,使系統(tǒng)滿足實時檢測的要求。實驗結(jié)果表明,本文研發(fā)的衛(wèi)生用品表面缺陷檢測軟件滿足了功能要求,具有較高的靈活性,同時GPU和流水線加速的方法有效提高了算法執(zhí)行速度,使系統(tǒng)具有較快的檢測速度。
【關鍵詞】：衛(wèi)生用品 缺陷檢測 圖像處理 GPU加速 流水線
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 致謝4-5
• 摘要5-6
• ABSTRACT6-10
• 1 緒論10-16
• 1.1 課題背景和意義10
• 1.2 國內(nèi)外研究現(xiàn)狀10-14
• 1.2.1 基于機器視覺的表面缺陷檢測系統(tǒng)研究現(xiàn)狀11-12
• 1.2.2 GPU并行計算及其在缺陷檢測系統(tǒng)中的應用12-14
• 1.3 本文的研究內(nèi)容14-15
• 1.4 本文的組織結(jié)構(gòu)15-16
• 2 相關技術介紹16-20
• 2.1 OpenCV算法庫16
• 2.2 CUDA編程16-18
• 2.3 線陣攝像機18-19
• 2.4 本章小結(jié)19-20
• 3 系統(tǒng)總體框架20-26
• 3.1 系統(tǒng)硬件平臺20-23
• 3.1.1 成像裝置21-22
• 3.1.2 同步裝置22
• 3.1.3 數(shù)據(jù)處理平臺22-23
• 3.2 軟件總體框架23-24
• 3.3 本章小結(jié)24-26
• 4 軟件詳細設計26-61
• 4.1 消息管理26-31
• 4.1.1 通信協(xié)議27-28
• 4.1.2 會話管理28-31
• 4.2 資源管理31-52
• 4.2.1 數(shù)據(jù)庫管理31-38
• 4.2.2 算法管理38-42
• 4.2.3 攝像機管理42-48
• 4.2.4 檢測任務管理48-52
• 4.3 關鍵業(yè)務處理52-59
• 4.3.1 采集圖像開始與停止52-57
• 4.3.2 缺陷檢測開始與停止57-59
• 4.4 本章小結(jié)59-61
• 5 衛(wèi)生用品表面缺陷檢測算法61-70
• 5.1 缺陷檢測算法設計61-64
• 5.1.1 圖像預處理61
• 5.1.2 缺陷判定61-64
• 5.2 缺陷檢測算法GPU加速64-68
• 5.2.1 面積檢測GPU加速64-65
• 5.2.2 斑點檢測GPU加速65-67
• 5.2.3 模板檢測GPU加速67-68
• 5.3 缺陷檢測算法流水線實現(xiàn)68-69
• 5.4 本章小結(jié)69-70
• 6 系統(tǒng)測試及結(jié)果分析70-81
• 6.1 測試概要70-72
• 6.1.1 測試環(huán)境70-71
• 6.1.2 測試內(nèi)容71-72
• 6.2 功能測試72-76
• 6.2.1 攝像機管理72-73
• 6.2.2 算法管理73-74
• 6.2.3 檢測任務管理74-75
• 6.2.4 系統(tǒng)設置75-76
• 6.3 性能測試76-79
• 6.3.1 缺陷檢測算法GPU加速測試78-79
• 6.3.2 缺陷檢測算法流水線加速測試79
• 6.3.3 缺陷檢測最大速度測試79
• 6.4 本章小結(jié)79-81
• 7 總結(jié)與展望81-83
• 7.1 總結(jié)81
• 7.2 展望81-83
• 參考文獻83-86
• 作者簡歷86

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 郭慧平;王召巴;金永;;火箭發(fā)動機包覆層表面缺陷檢測系統(tǒng)研究[J];電子測試;2011年02期

2 李u&;譚永龍;楊美英;;水果分級與表面缺陷檢測研究[J];計算機工程與設計;2008年15期

3 張學武;呂艷云;丁燕瓊;梁瑞宇;;小波統(tǒng)計法的表面缺陷檢測方法[J];控制理論與應用;2010年10期

4 劉澤福;王冰峰;康戈文;;基于帶鋼表面缺陷檢測的背景相減的方法[J];福建電腦;2006年05期

5 陳國君;陳鵬;張學軍;;基于計算機視覺的軸承表面缺陷檢測[J];煤礦機械;2009年02期

6 宗欣;;BASLER的45°頂端檢測:一種表面缺陷檢測的全面方案[J];記錄媒體技術;2004年05期

7 高潮;郭永彩;任可;楊暉;;基于嵌入式系統(tǒng)和圖像識別的拉索表面缺陷檢測技術[J];光電工程;2008年02期

8 吳曉鵬;林介邦;唐輝;鐘園園;羅祥英;;基于機器視覺的鑄坯表面缺陷檢測系統(tǒng)的研制[J];武鋼技術;2010年01期

9 叢家慧;顏云輝;;視覺注意機制在帶鋼表面缺陷檢測中的應用[J];中國機械工程;2011年10期

10 孫瑜,羅飛路,趙東明;利用交變磁場測量法的金屬表面缺陷檢測[J];兵工自動化;2004年02期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 韓立強;;基于圖像分割技術的汽車發(fā)動機缸體表面缺陷檢測[A];面向21世紀的科技進步與社會經(jīng)濟發(fā)展（下冊）[C];1999年

2 郭慶華;田陸;袁英宏;黃郁君;;嵌入式系統(tǒng)在鋼板表面缺陷檢測中的應用[A];2012第四屆先進軋鋼精整及鋼材包裝技術學術研討會文集[C];2012年

3 郭慶華;田陸;袁英宏;黃郁君;;嵌入式系統(tǒng)在鋼板表面缺陷檢測中的應用[A];2012年全國軋鋼生產(chǎn)技術會論文集（下）[C];2012年

4 張鳳全;高娜;于明;趙曉安;張慧娟;;圖像處理在物體表面缺陷檢測中的應用[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

5 劉乃強;徐科;;形態(tài)學梯度在帶鋼表面缺陷檢測中的應用[A];全國煉鋼連鑄過程自動化技術交流會論文集[C];2006年

中國博士學位論文全文數(shù)據(jù)庫 前6條

1 王世通;精密表面缺陷檢測散射成像理論建模及系統(tǒng)分析研究[D];浙江大學;2015年

2 程萬勝;鋼板表面缺陷檢測技術的研究[D];哈爾濱工業(yè)大學;2008年

3 王義文;鋼球表面缺陷檢測關鍵技術研究及樣機研制[D];哈爾濱理工大學;2010年

4 趙立明;基于激光掃描成像與異源CCD融合的連鑄熱坯表面缺陷檢測方法研究[D];重慶大學;2014年

5 叢家慧;引入人類視覺特性的帶鋼表面缺陷檢測與識別方法研究[D];東北大學;2010年

6 王鵬;基于運動視覺技術的鋼球表面缺陷檢測[D];哈爾濱理工大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 于躍;基于PMP的鋼軌表面缺陷檢測研究[D];西南交通大學;2015年

2 汪磊;鋁箔復卷機運動仿真分析及表面缺陷檢測系統(tǒng)研究[D];浙江大學;2015年

3 付邦瑞;鋼坯表面裂紋圖像檢測[D];電子科技大學;2015年

4 楊林;冷態(tài)熱軋鋼板表面缺陷檢測系統(tǒng)技術研究[D];重慶大學;2015年

5 李嬌嬌;基于改進DAGSVM的鋼板表面缺陷檢測系統(tǒng)設計與實現(xiàn)[D];重慶大學;2015年

6 王松芳;基于特征分類的低分辨率觸摸屏表面缺陷檢測[D];北京交通大學;2016年

7 李幫建;基于計算機視覺的表面缺陷檢測及應用[D];東南大學;2015年

8 楊建華;多口徑發(fā)動機包覆層表面缺陷檢測方法研究[D];中北大學;2016年

9 張露林;基于GPU的衛(wèi)生用品表面缺陷檢測軟件設計[D];浙江大學;2016年

10 全洪淵;火炮彈體表面缺陷檢測系統(tǒng)的設計與研究[D];重慶大學;2007年

  本文關鍵詞：基于GPU的衛(wèi)生用品表面缺陷檢測軟件設計，由筆耕文化傳播整理發(fā)布。

本文編號：324374