隨著信息技術(shù)的發(fā)展,玻璃容器的傳統(tǒng)檢測方法（人工檢測）已無法與現(xiàn)代生產(chǎn)相適應。機器視覺檢測技術(shù)與傳統(tǒng)技術(shù)相比,實現(xiàn)了在線智能非接觸測量,降低勞動強度,檢測準確,提高了生產(chǎn)效率,節(jié)省了勞動力,且整個檢測過程不受人為因素影響,有效保證了玻璃容器的生產(chǎn)質(zhì)量。本文研究的主要內(nèi)容有以下幾個方面:1、提出了系統(tǒng)的總體設(shè)計框架,對系統(tǒng)所需的硬件設(shè)備進行了深入的分析,給出了課題的研究思路。2、根據(jù)數(shù)字圖像處理的理論研究,提出了待檢玻璃容器圖像處理的算法流程。首先,對采集到的檢測圖像應用MATLAB軟件進行一系列的圖像處理,包括圖像灰度化、圖像濾波、圖像增強、圖像分割以及形態(tài)學處理;然后,對處理后的玻璃容器圖像采用8-方向鏈碼法進行邊界輪廓提取;最后,根據(jù)得到的鏈碼序列對玻璃容器目標進行了像素統(tǒng)計,由定義公式計算其相關(guān)的特征值。3、提出了一種改進的小波閾值去噪算法,通過小波系數(shù)和閾值的比較,自適應地改變控制系數(shù),能夠較多的保留玻璃容器圖像的邊緣和細節(jié)信息,還在一定程度上避免了小波系數(shù)的盲目置零。4、通過MATLAB編程語言對系統(tǒng)軟件進行了初步設(shè)計,實現(xiàn)了較好的人機交互界面。其中,軟件的主界面應用MATL... 

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 玻璃容器檢測綜述
        1.2.1 機器視覺的概念
        1.2.2 機器視覺技術(shù)的應用
        1.2.3 機器視覺檢測玻璃容器的國內(nèi)外現(xiàn)狀
        1.2.4 存在的問題
        1.2.5 機器視覺檢測的發(fā)展趨勢
    1.3 本文研究的內(nèi)容及論文結(jié)構(gòu)
第2章 系統(tǒng)總體設(shè)計
    2.1 系統(tǒng)設(shè)計的技術(shù)要求
    2.2 系統(tǒng)總體設(shè)計框架
    2.3 照明系統(tǒng)設(shè)計
        2.3.1 照明條件
        2.3.2 照明方式
        2.3.3 光源
    2.4 玻璃容器圖像采集系統(tǒng)
        2.4.1 攝像機的分析和選擇
        2.4.2 鏡頭的分析與選擇
        2.4.3 圖像采集卡的選擇
    2.5 攝像機標定
    2.6 本章小結(jié)
第3章 玻璃容器圖像的預處理
    3.1 數(shù)字圖像技術(shù)概述
    3.2 玻璃容器圖像處理算法總體流程
    3.3 玻璃容器圖像灰度化處理
    3.4 玻璃容器圖像濾波去噪
        3.4.1 噪聲的分類
        3.4.2 均值濾波
        3.4.3 中值濾波
    3.5 玻璃容器圖像的改進小波閾值去噪
        3.5.1 圖像小波閾值去噪原理
        3.5.2 閾值選取
            3.5.2.1 通用閾值
            3.5.2.2 自適應閾值
        3.5.3 閾值函數(shù)的選取
            3.5.3.1 硬閾值函數(shù)
            3.5.3.2 軟閾值函數(shù)
            3.5.3.3 改進閾值函數(shù)
        3.5.4 玻璃容器圖像去噪實驗與分析
        3.5.5 玻璃容器圖像去噪算法的確定
    3.6 玻璃容器圖像增強
        3.6.1 灰度變換增強
        3.6.2 直方圖均衡化
    3.7 本章小結(jié)
第4章 玻璃容器圖像的分割
    4.1 圖像分割的定義
    4.2 迭代式閾值分割
    4.3 固定全局閾值分割
    4.4 Otsu閾值分割
    4.5 玻璃容器圖像分割算法選擇
    4.6 玻璃容器圖像的邊緣檢測
        4.6.1 基于Roberts算子的邊緣檢測方法
        4.6.2 基于Sobel算子的邊緣檢測方法
        4.6.3 基于Prewitt算子的邊緣檢測方法
        4.6.4 基于LOG算子的邊緣檢測方法
        4.6.5 基于Canny算子的邊緣檢測方法
    4.7 玻璃容器圖像形態(tài)學處理
        4.7.1 腐蝕與膨脹
        4.7.2 開運算與閉運算
        4.7.3 結(jié)構(gòu)元素選取
        4.7.4 形態(tài)學填充
        4.7.5 形態(tài)學邊緣檢測
    4.8 本章小結(jié)
第5章 玻璃容器形態(tài)參數(shù)測量和分析
    5.1 8-鏈碼法提取玻璃容器圖像輪廓
    5.2 玻璃容器圖像的形態(tài)描述
    5.3 玻璃容器形態(tài)測量和數(shù)據(jù)分析
    5.4 本章小結(jié)
第6章 系統(tǒng)軟件的設(shè)計與分析
    6.1 系統(tǒng)編程語言的選擇
    6.2 MATLAB圖形用戶界面(GUI)設(shè)計技術(shù)
    6.3 玻璃容器圖像處理系統(tǒng)軟件設(shè)計
        6.3.1 軟件總體框架
        6.3.2 圖像管理模塊
        6.3.3 圖像處理模塊
    6.4 本章小結(jié)
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻
致謝
在學期間主要科研成果
    一、發(fā)表學術(shù)論文
    二、其它科研成果


【參考文獻】：
期刊論文
[1]一種基于小波閾值改進的圖像去噪方法[J]. 張磊,邱書波,李萍.  齊魯工業(yè)大學學報(自然科學版). 2017(03)
[2]Accurate Measurement Method for Tube’s Endpoints Based on Machine Vision[J]. LIU Shaoli,JIN Peng,LIU Jianhua,WANG Xiao,SUN Peng.  Chinese Journal of Mechanical Engineering. 2017(01)
[3]機器視覺檢測技術(shù)在工業(yè)檢測中的應用[J]. 陳英.  電子測試. 2015(18)
[4]基于小波變換的圖像增強的實現(xiàn)研究[J]. 郭奇,呂曉光.  傳感器世界. 2015(03)
[5]基于頻域的運動模糊參數(shù)估計[J]. 張永梅,張靜.  電腦開發(fā)與應用. 2014(07)
[6]小波閾值圖像去噪算法改進[J]. 高文仲,陳志云,曾秋梅.  華東師范大學學報(自然科學版). 2013(06)
[7]基于灰度圖像的閾值分割改進方法[J]. 謝敏,王朝斌,魏萍.  科技視界. 2013(22)
[8]一種改進小波閾值的圖像去噪算法[J]. 喬林峰,王俊.  艦船電子工程. 2013(01)
[9]基于圖像的番茄識別與幾何尺寸測量[J]. 紀平,王俊,陳鶴碧.  安徽農(nóng)業(yè)科學. 2012(33)
[10]利用邊緣檢測技術(shù)從相干切片中提取斷層多邊形[J]. 邱兆泰.  中國科技信息. 2012(14)

博士論文
[1]多模態(tài)特征融合和變量選擇的視頻語義理解[D]. 劉亞楠.浙江大學 2010
[2]機器視覺圖像檢測與定位系統(tǒng)關(guān)鍵技術(shù)研究[D]. 盛遵冰.哈爾濱工業(yè)大學 2009

碩士論文
[1]基于嵌入式圖像處理的輸電線弧垂在線檢測系統(tǒng)研制[D]. 黃小龍.華北電力大學 2015
[2]基于形狀描述子的列車典型故障圖像識別算法研究[D]. 徐威.湖北工業(yè)大學 2015
[3]基于視覺與觸覺的食品包裝設(shè)計[D]. 張婧睿.昆明理工大學 2015
[4]基于FPGA的數(shù)碼相框研究與設(shè)計[D]. 翟逸飛.蘭州理工大學 2014
[5]基于紅外圖像的車輛前方行人識別與跟蹤技術(shù)研究[D]. 鐘令.東北大學 2014
[6]基于機器視覺的藥瓶封裝缺陷檢測系統(tǒng)研究[D]. 王保軍.東北大學 2014
[7]基于幾何與形狀特征的列車故障圖像匹配算法研究[D]. 盧婷.湖北工業(yè)大學 2014
[8]改進的小波閾值去噪算法研究[D]. 楊鑫蕊.哈爾濱理工大學 2014
[9]高清視頻監(jiān)控中低照度圖像的去噪及增強方法研究[D]. 毛葉輝.復旦大學 2013
[10]IC制造裝備的機器視覺檢測與定位技術(shù)研究[D]. 鄭金駒.華中科技大學 2013



本文編號：3702667