声明
第一章 绪论
1.1 课题研究背景及意义
1.2 彩钢板表面缺陷检测的研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 机器视觉表面缺陷检测概述
1.4 彩钢板表面缺陷分析
1.5 课题来源和主要研究工作
1.6 本章小结
第二章 彩钢板表面缺陷检测和分类系统设计
2.1 系统主要性能指标
2.2 系统总体结构及工作原理
2.3 系统主要硬件选择
2.3.1 CCD工业相机
2.3.2 光学镜头
2.3.3 光源和照明方式
2.3.4 图像采集卡
2.4 系统开发软件选择
2.4.1 VS2015简介
2.4.2 Halcon10.0简介
2.4.3 软件系统界面及逻辑结构
2.5 本章小结
第三章彩钢板表面缺陷图像预处理及边缘分割算法研究
3.1 彩钢板表面缺陷图像滤波
3.1.1 噪声类型
3.1.2 自适应中值滤波
3.1.3 灰度差倒数滤波
3.1.4 自适应中值与灰度差倒数相结合的图像滤波
3.1.5 彩钢板表面缺陷图像去噪实验结果与分析
3.2 彩钢板表面缺陷图像增强
3.2.1 图像灰度直方图
3.2.2 直方图均衡化
3.3 彩钢板表面缺陷图像边缘分割
3.3.1 边缘分割概述
3.3.2 一阶微分边缘算子
3.3.3 二阶微分边缘算子
3.3.4 Canny边缘检测算子
3.3.5 不同边缘检测方法对比分析
3.4 本章小结
第四章彩钢板表面缺陷图像特征选择及提取
4.1 图像特征概述
4.2 灰度特征
4.3 几何矩特征
4.4 纹理特征
4.5 样本特征提取
4.6 本章小结
第五章 基于改进遗传算法优化RBF神经网络的彩钢板表面缺陷分类
5.1 人工神经网络基本原理
5.2 RBF神经网络算法
5.3 遗传算法简介
5.3.1 基本遗传算法
5.3.2 遗传算法改进
5.4 改进遗传算法优化RBF神经网络分类器设计及实验结果分析
5.4.1 设计分类器
5.4.2 实验结果及分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士期间发表的论文和科研情况
致谢
