基于机器视觉的螺纹钢表面缺陷检测方法研究

目录

声明

第1 章绪论

1.1 研究背景

1.2 研究意义

1.3 螺纹钢表面缺陷检测技术综述

1.3.1 传统无损检测阶段

1.3.2 机器视觉阶段

1.4 本文的研究内容和结构安排

1.4.1 本文的研究内容

1.4.2 论文的结构安排

第2 章螺纹钢缺陷机器视觉检测系统总体方案

2.1 螺纹钢表面缺陷分类及成因分析

2.2 缺陷视觉检测系统总体方案

2.3 缺陷视觉检测单元

2.3.1 硬件组成

2.3.2 软件组成

2.3.3 缺陷检测基本思想

2.4 本章小结

第3 章螺纹钢表面缺陷视觉检测的图像预处理

3.1 图像增强

3.1.1 空间域处理

3.1.2 频域处理

3.2 图像分割

3.2.1 边缘检测

3.2.2 阈值分割

3.3 形态学处理

3.4 图像背景去除

3.5 本章小结

第4 章基于Blob 分析的螺纹钢缺陷识别算法

4.1 Blob分析流程

4.2 螺纹钢正面和侧面图像判别

4.2.1 霍夫变换直线检测原理

4.2.2 基于霍夫变换的纵肋边缘定位

4.3 螺纹钢正面图像处理

4.3.1 图像分区

4.3.2 基于模板匹配的横肋定位

4.3.3 横肋区域缺陷分割

4.3.4 纵肋区域缺陷分割

4.4 螺纹钢侧面图像处理

4.4.1 图像傅里叶变换

4.4.2 频谱分析

4.4.3 滤波器设计

4.4.4 缺陷分割

4.5 缺陷特征提取

4.6 SVM分类器

4.7 实验结果与分析

4.7.1 缺陷特征描述实验结果

4.7.2 缺陷分类识别实验结果

4.8 本章小结

第5 章基于迁移学习的螺纹钢缺陷识别方法

5.1 迁移学习概述

5.2 迁移学习模型设计

5.2.1 VGG16网络模型分析

5.2.2 基于特征提取的迁移学习方法

5.2.3 模型训练优化

5.3 实验结果分析

5.3.1 Tensorflow简介

5.3.2 数据集预处理

5.3.3 实验结果与分析

5.4 本章小结

第6 章总结与展望

6.1 论文主要研究内容总结

6.2 后期工作与展望

参考文献

后记

攻读硕士学位期间论文发表及科研情况