隨著計算機技術(shù)從研究階段向應(yīng)用階段的發(fā)展,企業(yè)對工業(yè)現(xiàn)場的全自動化提出了新的要求。就食品及飲料行業(yè)來講,在食品制作的過程中,常常會用到工業(yè)濾布來濾除流體的雜質(zhì),以獲取更純凈的原材料。由于濾布的多次擠壓與折疊,難免會使濾布出現(xiàn)破損,這樣會使食品不夠純凈,沉淀物太多,導(dǎo)致食品質(zhì)量大大下降。所以,如何快速而準(zhǔn)確檢測濾布中的破損是食品行業(yè)亟待解決的一大難題。本文設(shè)計了一種工業(yè)濾布破損檢測系統(tǒng),該系統(tǒng)結(jié)合機器視覺、數(shù)字圖像處理和機器學(xué)習(xí)算法來設(shè)計,能夠滿足食品生產(chǎn)過程中的自動化的控制、在線檢測和智能化的管理等要求。本文主要內(nèi)容可分為以下幾點:第一,對濾布破損檢測系統(tǒng)的具體研究背景與應(yīng)用開發(fā)的意義做了概述,并詳細(xì)分析了布匹疵點檢測系統(tǒng)在國內(nèi)外的發(fā)展情況和機器學(xué)習(xí)的發(fā)展歷程與研究現(xiàn)狀,最后分析了國內(nèi)在布匹缺陷檢測這方面的不足。第二,對濾布的檢測過程和檢測原理進(jìn)行了分析,然后介紹了檢測系統(tǒng)要求的技術(shù)指標(biāo),并對系統(tǒng)的硬件結(jié)構(gòu)和軟件框架進(jìn)行了設(shè)計,最后介紹了基于GLCM的破損檢測和基于機器學(xué)習(xí)算法的破損分類。第三,詳盡的介紹了有關(guān)提取濾布紋理特征的各種算法,并重點分析GLCM和ULBP兩種提取特征的算子,...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究的背景與意義
    1.2 布匹缺陷檢測國內(nèi)外研究現(xiàn)狀
    1.3 機器學(xué)習(xí)發(fā)展歷程與研究現(xiàn)狀
    1.4 本文研究任務(wù)及主要內(nèi)容
第二章 工業(yè)濾布破損檢測系統(tǒng)的總體設(shè)計
    2.1 系統(tǒng)分析
        2.1.1 檢測過程分析
        2.1.2 系統(tǒng)技術(shù)指標(biāo)
        2.1.3 系統(tǒng)工作原理
    2.2 系統(tǒng)硬件結(jié)構(gòu)設(shè)計
        2.2.1 光源的選擇
        2.2.2 攝像機的選擇
    2.3 系統(tǒng)軟件結(jié)構(gòu)設(shè)計
        2.3.1 破損檢測模塊
        2.3.2 破損分類模塊
    2.4 人機交互界面設(shè)計
    2.5 本章小結(jié)
第三章 濾布紋理特征提取方法的研究
    3.1 圖像紋理概述
    3.2 紋理特征提取技術(shù)分析
        3.2.1 結(jié)構(gòu)法分析
        3.2.2 模型法分析
        3.2.3 信號處理法分析
        3.2.4 統(tǒng)計法分析
    3.3 灰度共生矩陣的研究
        3.3.1 GLCM的基本原理
        3.3.2 影響算法的因子
        3.3.3 紋理特征值描述
    3.4 局部二進(jìn)制模式的研究
        3.4.1 局部二進(jìn)制模式(LBP)概述
        3.4.2 LBP特征提取方法
    3.5 本章小結(jié)
第四章 基于GLCM的濾布破損檢測
    4.1 圖像預(yù)處理
        4.1.1 中值濾波
        4.1.2 直方圖均衡化
    4.2 紋理周期的計算
        4.2.1 累加距離匹配函數(shù)
        4.2.2 二次前向差分
    4.3 GLCM破損檢測
        4.3.1 灰度級數(shù)的選取
        4.3.2 GLCM構(gòu)造參數(shù)的選取
        4.3.3 濾布破損檢測
    4.4 本章小結(jié)
第五章 基于SVM的濾布破損分類
    5.1 特征提取
    5.2 SVM分類算法
        5.2.1 線性可分支持向量機
        5.2.2 線性不可分支持向量機
        5.2.3 非線性支持向量機
        5.2.4 多分類器算法
    5.3 SVM模型構(gòu)建
        5.3.1 SVM主要超參數(shù)概述
        5.3.2 SVM主要調(diào)參方法
    5.4 實驗結(jié)果與分析
    5.5 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的專利
致謝



本文編號：3839517