目前,在線產(chǎn)品質(zhì)量檢測主要有人工檢測和基于PC的儀器設(shè)備檢測兩種方式。人工檢測不僅效率低下,也會(huì)因?yàn)槿藶橐蛩氐挠绊懹绊憸?zhǔn)確率,后者也存在體積大、成本高、硬件升級(jí)周期長等不足。隨著半導(dǎo)體和嵌入式技術(shù)的發(fā)展與進(jìn)步,嵌入式芯片已經(jīng)集成了足夠的系統(tǒng)資源,處理速度也更加迅速,能滿足復(fù)雜系統(tǒng)的設(shè)計(jì)需求。為此,本文設(shè)計(jì)了一套基于嵌入式的在線產(chǎn)品質(zhì)量智能檢測系統(tǒng)。本課題采用基于ZYNQ為核心的Miz 702N作為檢測系統(tǒng)的硬件開發(fā)平臺(tái),根據(jù)設(shè)計(jì)需求將系統(tǒng)整體功能劃分為硬件系統(tǒng)設(shè)計(jì)開發(fā)、嵌入式系統(tǒng)移植和驅(qū)動(dòng)設(shè)計(jì)與軟件系統(tǒng)設(shè)計(jì)開發(fā)三個(gè)部分。在硬件系統(tǒng)設(shè)計(jì)開發(fā)部分,對系統(tǒng)硬件功能進(jìn)行了模塊化設(shè)計(jì),分別對基于USB和OV5640的圖像采集模塊、HDMI顯示模塊和圖像處理IP模塊進(jìn)行開發(fā)。在驅(qū)動(dòng)設(shè)計(jì)和系統(tǒng)移植部分,通過移植嵌入式Linux操作系統(tǒng),設(shè)計(jì)了底層硬件設(shè)備的驅(qū)動(dòng)程序,方便軟件系統(tǒng)設(shè)計(jì)開發(fā)部分調(diào)用底層硬件。在軟件系統(tǒng)設(shè)計(jì)開發(fā)部分,設(shè)計(jì)并實(shí)現(xiàn)了基于BOW+SVM模型的飲料瓶的缺陷檢測算法和條形碼、二維碼識(shí)別檢測算法,并基于QT5設(shè)計(jì)了圖形化操作界面,將所有功能模塊集成。經(jīng)實(shí)際測試,經(jīng)過FPGA硬件IP加速...

【文章頁數(shù)】：87 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 國內(nèi)外研究現(xiàn)狀綜述
    1.3 主要研究內(nèi)容
第2章 智能檢測系統(tǒng)方案設(shè)計(jì)
    2.1 引言
    2.2 系統(tǒng)需求分析和硬件構(gòu)架選擇
        2.2.1 系統(tǒng)需求分析
        2.2.2 系統(tǒng)硬件架構(gòu)選擇
    2.3 系統(tǒng)總體方案設(shè)計(jì)
        2.3.1 硬件開發(fā)平臺(tái)簡介
        2.3.2 系統(tǒng)總體結(jié)構(gòu)設(shè)計(jì)
        2.3.3 關(guān)鍵器件選型
    2.4 本章小結(jié)
第3章 智能檢測系統(tǒng)硬件設(shè)計(jì)
    3.1 引言
    3.2 視頻采集接口的設(shè)計(jì)
        3.2.1 AXI傳輸協(xié)議簡介
        3.2.2 USB相機(jī)視頻采集接口設(shè)計(jì)
        3.2.3 OV5640 攝像頭視頻采集接口設(shè)計(jì)
    3.3 圖像傳輸及顯示模塊設(shè)計(jì)
        3.3.1 圖像緩存?zhèn)鬏斈K設(shè)計(jì)
        3.3.2 HDMI顯示IP設(shè)計(jì)
    3.4 智能檢測系統(tǒng)系統(tǒng)集成
        3.4.1 HLS簡介
        3.4.2 基于HLS的圖像硬件處理IP模塊設(shè)計(jì)
        3.4.3 系統(tǒng)底層硬件集成
    3.5 嵌入式LINUX系統(tǒng)移植
        3.5.1 LINUX環(huán)境構(gòu)建
        3.5.2 QT、OpenCV和 Zbar移植
    3.6 本章小結(jié)
第4章 智能檢測系統(tǒng)軟件設(shè)計(jì)
    4.1 引言
    4.2 基于BOW+SVM的缺陷分類
        4.2.1 BOW模型原理介紹
        4.2.2 SVM算法簡介
        4.2.3 BOW+SVM圖像分類的算法流程
        4.2.4 算法實(shí)現(xiàn)及驗(yàn)證
    4.3 條形碼識(shí)別
        4.3.1 條形碼的分類及優(yōu)點(diǎn)
        4.3.2 EAN碼的編碼結(jié)構(gòu)
        4.3.3 條碼圖像的識(shí)別
    4.4 二維條形碼識(shí)別
        4.4.1 二維條形碼分類及優(yōu)點(diǎn)
        4.4.2 QR Code碼的編碼結(jié)構(gòu)
        4.4.3 二維碼的識(shí)別
    4.5 軟件界面設(shè)計(jì)
    4.6 本章小結(jié)
第5章 系統(tǒng)功能驗(yàn)證實(shí)驗(yàn)和實(shí)驗(yàn)結(jié)果分析
    5.1 引言
    5.2 嵌入式設(shè)備實(shí)驗(yàn)系統(tǒng)實(shí)驗(yàn)裝置圖
    5.3 系統(tǒng)模塊功能驗(yàn)證實(shí)驗(yàn)
        5.3.1 OV攝像頭圖像采集驗(yàn)證實(shí)驗(yàn)
        5.3.2 USB相機(jī)圖像采集驗(yàn)證實(shí)驗(yàn)
    5.4 飲料瓶在線缺陷分類算法驗(yàn)證實(shí)驗(yàn)
    5.5 飲料瓶條碼標(biāo)簽識(shí)別驗(yàn)證實(shí)驗(yàn)
        5.5.1 條形碼算法識(shí)別驗(yàn)證實(shí)驗(yàn)
        5.5.2 二維碼算法識(shí)別驗(yàn)證實(shí)驗(yàn)
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號(hào)：3853936