声明
摘要
1引言
1.1课题意义
1.2机器视觉概述
1.3国内外发展现状
1.4体系总体规划
1.4.1图像采集和压缩传输模块
1.4.2图像预处理模块
1.4.3图像分割模块
1.4.4图像识别模块
1.5本文组织框架
2系统架构设计与图像采集传输
2.1系统架构设计
2.1.1常见电容器铭牌不良外观
2.1.2场景描述
2.2基于CCD和FPGA的图像采集
2.2.1 CCD图像获取单元
2.2.2 CCD和CMOS的区别
2.2.3 FPGA控制器
2.2.4采用FPGA图像采集卡的优势
2.3整体设计
2.4基于小波的视频压缩传输
2.4.1视频压缩算法举例
2.4.2基于小波的图像压缩算法
2.5本章小结
3图像工程预处理
3.1图像去噪算法
3.1.1图像噪声的产生
3.1.2典型噪声及滤波器
3.1.3双边滤波算法
3.1.4工程技术去噪与增强方法
3.2基于Retinex的图像增强算法
3.2.1典型的图像增强算法
3.2.2 Retinex图像增强算法
3.3本章小结
4基于改进超像素和模糊C均值的电容器特征分割算法
4.1基于简单线性迭代聚类的超像素划分算法
4.2基于模糊C均值的超像素聚合算法
4.2.1模糊C均值聚类算法介绍
4.2.2超像素聚合方法
4.2.3超像素划分与聚合实验
4.3 Blob分析
4.4基于垂直、水平投影法的文字
4.5错误分割处理
4.6本章小结
5基于深度学习的电容器表面文字识别与缺陷检测算法
5.1深度学习简介
5.2 caffe深度学习框架介绍
5.3 lenet-5的网络结构
5.4电容器表面文字识别
5.4.1神经网络输入数据预处理
5.4.2卷积神经网络的工作原理
5.4.3改进的Lenet-5网络结构
5.4.4系统环境
5.4.5实验与分析
5.5多帧识别结果不一致处理
5.6电容器铭牌质量判别
5.7本章小结
6总结与展望
致谢
参考文献
南京理工大学;