声明
第1 章绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究现状
1.2.1 悬浮间隙传感器的研究现状
1.2.2 机器视觉检测技术的研究现状
1.3 本文主要研究内容
第2 章机器视觉悬浮间隙检测系统工作原理
2.1 机器视觉悬浮球系统的工作原理
2.2 机器视觉悬浮系统的硬件平台搭建
2.2.1 实验硬件平台介绍
2.2.2 实验硬件的选型
2.3 实验软件环境配置
2.3.1 实验软件环境介绍
2.3.2 安装 Linux 系统和配置 OpenCV 环境
2.4 样本数据采集
2.5 本章小结
第3 章悬浮间隙图像关键区域识别与裁剪
3.1 关键区域识别算法
3.2 基于卷积神经网络的关键区域识别
3.2.1 神经网络的基本概念
3.2.2 配置 YOLOv3 卷积神经网络
3.2.3 实验验证
3.3 悬浮间隙图像关键区域裁剪
3.4 本章小结
第4 章基于图像边缘特征的间隙检测
4.1 悬浮间隙检测原理
4.2 间隙检测数学模型
4.3 基于 Canny算子的边缘检测
4.3.1 Canny 算法原理
4.3.2 实验验证
4.4 基于 Zernike矩的亚像素边缘检测
4.4.1 亚像素的概念
4.4.2 Zernike 矩边缘检测的原理
4.4.3 亚像素边缘点的直线拟合
4.4.3 实验验证
4.5 本章小结
第5 章基于卷积神经网络的间隙检测
5.1 卷积神经网络的基本结构
5.2 基于 CNN的间隙检测模型
5.2.1 CNN 间隙检测模型
5.2.2 制作 CNN 训练样本
5.2.3 Keras 神经网络的参数选择与训练
5.3 实验验证
5.4 CNN抗干扰鲁棒性改进
5.4.1 改进方法与实验验证
5.4.2 间隙检测算法检测效果对比分析
5.4 本章小结
结论与展望
致谢
参考文献
攻读硕士学位期间发表论文及科研情况
西南交通大学;