BOPET薄膜杂质在线检测仪的研究

摘要

随着图像采集技术与数字图像处理研究水平不断提高，薄膜杂质检测设备也在不断的更新，所以薄膜生产厂家对准确性高、可靠性好的BOPET薄膜杂质在线检测仪的需求量大而且要求也更高。
　　本文采用了基于 LVQ的薄膜杂质检测与识别算法，搭建了以 TI公司TMS320DM6446处理器为核心的硬件平台的在线检测仪。本文通过对CCD采集到BOPET薄膜图像进行预处理获得杂质轮廓，提取特征值作为LVQ神经网络的输入向量，通过学习样本使得LVQ神经网络具备识别杂质的能力，从而可以得到薄膜杂质的信息。将此在线检测仪应用在薄膜生产环节中，可以实现生产管理的自动化，提高生产效率。
　　本文首先介绍了薄膜杂质检测的背景及研究现状，对目前的一些薄膜杂质检测技术及实现方法进行比较，再分析了本系统的设计需求，最终确定了基于LVQ神经网络的薄膜杂质检测与识别算法的在线检测系统方案。本系统的硬件采用了模块化设计方法，其中包括微处理器模块、图像采集模块、外扩存储模块、实时数据缓存模块、数据传输模块、杂质标记模块、电源模块以及时钟模块。在软件开发过程中，选择了ARM端的Linux操作系统及DSP端的DSP/BIOS为软件开发平台，采用LVQ神经网络算法实现薄膜杂质目标的检测与识别。本文也对系统的平台移植作了介绍，并在两个子系统端都设计了系统软件。
　　本系统在算法设计时采用了Matlab的仿真实验，同时在硬件平台搭建完成后也实现了板级的实验认证。实验表明，本系能够实现对BOPET薄膜杂质的在线检测与识别，并且适合于工业现场生产线流水作业中。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究的背景和意义

1.2 国内外研究现状及分析

1.3 本课题主要任务及工作内容

第2章 薄膜杂质的检测与识别方案设计与算法分析

2.1 系统设计要求

2.2 系统总体设计方案

2.3 图像的预处理过程

2.4 薄膜杂质图像预处理与特征提取

2.5 LVQ神经网络结构的设计

2.6 薄膜杂质识别模型的构建和测试

2.7 本章小结

第3章 系统的硬件设计

3.1 系统总体硬件设计

3.2 微处理器模块电路设计

3.3 图像采集模块电路设计

3.4 相机控制信号转换电路

3.5 实时数据缓存模块设计

3.6 外扩存储模块电路设计

3.7 通信模块电路设计

3.8 杂质标记模块设计

3.9 电源模块电路设计

3.10 时钟模块电路设计

3.11 本章小结

第4章 系统的软件设计

4.1 ARM端软件开发与设计

4.2 DSP端软件开发与设计

4.3 实验结果

4.4 本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢