声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 机器视觉检测玻璃瓶质量的国内外现状
1.2.1 国外现状
1.2.2 国内现状
1.3 存在的问题
1.4 本文研究内容
1.4.1 玻璃瓶罐检测机的分类
1.4.2 瓶检系统的设计
1.4.3 图像预处理和分割
1.4.4 图像特征提取和基于机器学习的缺陷分类
1.5 本文中的玻璃瓶缺陷种类说明
1.6 本论文图像处理算法的实验条件
1.7 小结
第二章 检测系统设计
2.1 检测系统的硬件设计
2.1.1 硬件系统的构成
2.1.2 硬件系统的设计
2.2 检测系统的软件设计
2.3 小结
第三章 图像预处理和分割
3.1 基于积分图的快速空域滤波
3.1.1 积分图
3.1.2 基于积分图的快速均值滤波
3.1.3 基于积分图的快速高斯滤波
3.1.4 基于积分图的任意滤波
3.2 图像配准
3.2.1 基于灰度信息的图像配准
3.2.2 基于几何特征的图像配准
3.2.3 针对玻璃瓶图像的配准方法
3.3 图像分割
3.3.1 阈值法
3.3.2 区域生长
3.3.3 边缘检测
3.3.4 过滤掉特定方向纹理的二值化方法
3.4 小结
第四章 特征提取和基于机器学习的缺陷分类
4.1 玻璃瓶图像的特征提取
4.1.1 灰度特征
4.1.2 几何特征
4.1.3 用于缺陷分类的输入特征向量
4.2 机器学习
4.3 贝叶斯分类方法的玻璃瓶质量检测
4.3.1 构建贝叶斯分类器
4.3.2 实验结果
4.4 人工神经网络
4.4.1 神经元
4.4.2 梯度下降(gradient descent)法
4.4.3 反向传播(BP,back propogation)算法
4.4.4 使用神经网络进行缺陷分类实验
4.5 支持向量机
4.5.1 最大间隔平面
4.5.2 核函数(Kernel)
4.5.3 构建多类的SVM分类器
4.5.4 实验结果
4.6 小结
第五章 总结
5.1 全文总结
5.2 创新点
5.3 后续研究
参考文献
攻读学位期间主要工作
致谢
学位论文评阅及答辩情况表