基于機器視覺的彩卡缺陷檢測技術研究
發(fā)布時間:2021-01-18 23:53
隨著國內(nèi)對生產(chǎn)產(chǎn)品的品質(zhì)的越來越重視,像服裝行業(yè)的代工廠在商品標識牌檢測上有相關需求。以往的這類的檢測工作都是由人工目檢來完成,其工作效率和檢測效果都不是很好。這些標識牌通常都是彩色的卡片,種類多并且圖像信息比較復雜。隨著計算機硬件和軟件技術的不斷發(fā)展和進步,基于機器視覺的自動化檢測技術可以解決這些問題。本文以商品標識牌這種彩色卡片為研究對象,對其外觀缺陷檢測技術進行了比較詳細的研究。主要研究內(nèi)容如下:1、根據(jù)實際生產(chǎn)檢測需求,對彩卡檢測系統(tǒng)進行了總體方案設計。合理構(gòu)建了系統(tǒng)各部分的組成,并完成了功能設計。對工業(yè)相機、鏡頭、光源進行了研究,完成了系統(tǒng)各個模塊的設計和硬件選型。2、針對實際檢測中圖像采集遇到的圖像對比度弱和噪聲問題問題,研究了相應的解決辦法,并通過實驗對比選用了合適的圖像處理方法。針對制作匹配模板時能對圖像中彩卡位置進行準確捕捉的問題,研究并選用了閾值分割方法。3、通過對模板匹配原理的研究,構(gòu)建了一種彩卡缺陷檢測方法,來實現(xiàn)彩卡的缺陷檢測功能。通過編寫檢測軟件將設計的檢測算法進行實現(xiàn),并通過實驗驗證了設計的彩卡檢測方法的合理性。4、通過對卷積神經(jīng)網(wǎng)絡的研究,構(gòu)建了一種彩卡...
【文章來源】:廣東工業(yè)大學廣東省
【文章頁數(shù)】:78 頁
【學位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 本文研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 印刷類產(chǎn)品缺陷檢測算法研究現(xiàn)狀
1.2.2 印刷類產(chǎn)品缺陷檢測系統(tǒng)研究與應用現(xiàn)狀
1.3 本文的研究內(nèi)容和解決的關鍵問題
1.4 本文的章節(jié)安排
第二章 彩卡缺陷檢測系統(tǒng)總體方案設計
2.1 彩卡缺陷檢測系統(tǒng)要求
2.2 彩卡缺陷檢測系統(tǒng)設計
2.3 圖像采集模塊設計
2.3.1 工業(yè)相機選型
2.3.2 光學鏡頭選型
2.4 照明模塊設計
2.4.1 光源選型
2.4.2 打光方式
2.5 圖像檢測模塊設計
2.5.1 軟件開發(fā)環(huán)境介紹
2.5.2 圖像檢測算法設計
2.6 本章小結(jié)
第三章 彩卡缺陷檢測圖像處理方法
3.1 彩卡圖像對比度增強
3.1.1 自適應對比度增強
3.1.2 直方圖均衡化
3.1.3 實驗對比分析
3.2 彩卡圖像降噪處理
3.2.1 均值濾波
3.2.2 中值濾波
3.2.3 高斯濾波
3.2.4 實驗對比分析
3.3 彩卡圖像閾值分割
3.4 本章小結(jié)
第四章 基于模板匹配的彩卡缺陷檢測方法構(gòu)建
4.1 基于灰度值的模板匹配算法
4.2 基于特征的模板匹配算法
4.2.1 基于形狀特征的模板匹配算法
4.2.2 基于點特征的模板匹配算法
4.3 彩卡缺陷檢測算法設計
4.3.1 特征點提取與匹配
4.3.2 圖像配準
4.3.3 圖像差分
4.3.4 Blob分析和相似度計算
4.4 本章小結(jié)
第五章 基于卷積神經(jīng)網(wǎng)絡的彩卡缺陷分類方法構(gòu)建
5.1 卷積神經(jīng)網(wǎng)絡概述
5.2 卷積神經(jīng)網(wǎng)絡基本結(jié)構(gòu)
5.2.1 卷積層
5.2.2 池化層
5.2.3 激活函數(shù)
5.2.4 全連接層
5.3 提升卷積神經(jīng)網(wǎng)絡算法性能的方法
5.3.1 使用小卷積核
5.3.2 擴增數(shù)據(jù)集
5.3.3 選擇合適的參數(shù)
5.4 基于卷積神經(jīng)網(wǎng)絡的缺陷分類算法設計
5.4.1 網(wǎng)絡模型設計與構(gòu)建
5.4.2 數(shù)據(jù)集的制作
5.5 本章小結(jié)
第六章 實驗驗證與分析
6.1 彩卡缺陷檢測方法實驗驗證與分析
6.1.1 軟件開發(fā)介紹
6.1.2 準確率驗證實驗與分析
6.2 彩卡缺陷分類方法實驗驗證與分析
6.3 本章小結(jié)
總結(jié)與展望
參考文獻
在學期間學術成果情況
致謝
本文編號:2985911
【文章來源】:廣東工業(yè)大學廣東省
【文章頁數(shù)】:78 頁
【學位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 本文研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 印刷類產(chǎn)品缺陷檢測算法研究現(xiàn)狀
1.2.2 印刷類產(chǎn)品缺陷檢測系統(tǒng)研究與應用現(xiàn)狀
1.3 本文的研究內(nèi)容和解決的關鍵問題
1.4 本文的章節(jié)安排
第二章 彩卡缺陷檢測系統(tǒng)總體方案設計
2.1 彩卡缺陷檢測系統(tǒng)要求
2.2 彩卡缺陷檢測系統(tǒng)設計
2.3 圖像采集模塊設計
2.3.1 工業(yè)相機選型
2.3.2 光學鏡頭選型
2.4 照明模塊設計
2.4.1 光源選型
2.4.2 打光方式
2.5 圖像檢測模塊設計
2.5.1 軟件開發(fā)環(huán)境介紹
2.5.2 圖像檢測算法設計
2.6 本章小結(jié)
第三章 彩卡缺陷檢測圖像處理方法
3.1 彩卡圖像對比度增強
3.1.1 自適應對比度增強
3.1.2 直方圖均衡化
3.1.3 實驗對比分析
3.2 彩卡圖像降噪處理
3.2.1 均值濾波
3.2.2 中值濾波
3.2.3 高斯濾波
3.2.4 實驗對比分析
3.3 彩卡圖像閾值分割
3.4 本章小結(jié)
第四章 基于模板匹配的彩卡缺陷檢測方法構(gòu)建
4.1 基于灰度值的模板匹配算法
4.2 基于特征的模板匹配算法
4.2.1 基于形狀特征的模板匹配算法
4.2.2 基于點特征的模板匹配算法
4.3 彩卡缺陷檢測算法設計
4.3.1 特征點提取與匹配
4.3.2 圖像配準
4.3.3 圖像差分
4.3.4 Blob分析和相似度計算
4.4 本章小結(jié)
第五章 基于卷積神經(jīng)網(wǎng)絡的彩卡缺陷分類方法構(gòu)建
5.1 卷積神經(jīng)網(wǎng)絡概述
5.2 卷積神經(jīng)網(wǎng)絡基本結(jié)構(gòu)
5.2.1 卷積層
5.2.2 池化層
5.2.3 激活函數(shù)
5.2.4 全連接層
5.3 提升卷積神經(jīng)網(wǎng)絡算法性能的方法
5.3.1 使用小卷積核
5.3.2 擴增數(shù)據(jù)集
5.3.3 選擇合適的參數(shù)
5.4 基于卷積神經(jīng)網(wǎng)絡的缺陷分類算法設計
5.4.1 網(wǎng)絡模型設計與構(gòu)建
5.4.2 數(shù)據(jù)集的制作
5.5 本章小結(jié)
第六章 實驗驗證與分析
6.1 彩卡缺陷檢測方法實驗驗證與分析
6.1.1 軟件開發(fā)介紹
6.1.2 準確率驗證實驗與分析
6.2 彩卡缺陷分類方法實驗驗證與分析
6.3 本章小結(jié)
總結(jié)與展望
參考文獻
在學期間學術成果情況
致謝
本文編號:2985911
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/2985911.html
最近更新
教材專著