發(fā)布時間：2017-05-15 13:16

  本文關鍵詞：光通信濾光片外觀缺陷自動檢測系統(tǒng)任務調(diào)度優(yōu)化方法，由筆耕文化傳播整理發(fā)布。

【摘要】：濾光片作為光通信中關鍵光學元件之一,其品質極大影響光通信的質量和發(fā)展。濾光片作為一種結構脆弱的光學器件,制造過程比較復雜,出現(xiàn)次品的概率較高。而傳統(tǒng)的濾光片檢測技術較為落后,主要依靠人工肉眼檢測,濾光片品質很難得到保證更無法滿足企業(yè)大規(guī)模化生產(chǎn)的需要,所以提高濾光片外觀檢測效率已成為行業(yè)亟需解決的問題。本文以“光通信濾光片外觀缺陷自動檢測系統(tǒng)任務調(diào)度優(yōu)化方法”為題,在基于聯(lián)合信息熵特征選擇的濾光片外觀缺陷檢測工作原理上設計了濾光片外觀缺陷自動檢測分類軟件,并為了追求其實時性分別研究此軟件在運行中系統(tǒng)可選擇的幾種調(diào)度算法,并對算法進行優(yōu)化,最終實現(xiàn)實時快速準確的對濾光片外觀缺陷進行檢測分類。論文研究成果對于促進濾光片檢測理論和技術的發(fā)展具有重要的學術價值和實際應用意義。本文研究工作得到了廣東省部產(chǎn)學研結合項目(2012B091100057)的資助。論文首先分析濾光片缺陷檢測的總體需求,設計出基于聯(lián)合信息熵特征選擇的濾光片外觀缺陷分類軟件,并研究基于經(jīng)典調(diào)度算法的濾光片外觀缺陷檢測過程和基于改進調(diào)度算法的濾光片外觀缺陷檢測過程,并進行優(yōu)化設計,實驗驗證了優(yōu)化方法的可行性。主要工作包括:⑴針對目前濾光片外觀缺陷檢測中現(xiàn)有基于信息論的特征選擇算法只考慮單個的相關性,提出了一種基于聯(lián)合信息熵的特征選擇算法,它的優(yōu)勢是探討了多個缺陷特征與類別之間的相關性。實驗分析,得出此算法的分類性能較其他算法高,且算法適用于大樣本、具有快速選擇最相關特征的優(yōu)點,能正確識別濾光片的4類缺陷,包括點、印子、劃痕、崩,且其缺陷識別正確率為100%;⑵做出濾光片外觀缺陷檢測過程的有向無環(huán)圖并逐步改進,介紹兩種經(jīng)典調(diào)度算法,基于先排隊先服務的缺陷檢測過程任務和基于短任務優(yōu)先的陷檢測過程任務;⑶基于改進調(diào)度算法的濾光片外觀缺陷檢測過程任務,介紹了兩種改進后的調(diào)度算法,基于時間片輪轉法的缺陷檢測過程任務優(yōu)化和基于多級時間片法的缺陷檢測過程任務優(yōu)化,并對其進行了優(yōu)化;⑷搭建濾光片外觀缺陷檢測平臺,包括光學采集的CCD相機、鏡頭、光源的選擇,設計運行濾光片外觀缺陷分類軟件并分別選擇四種不同調(diào)度算法,最后對實驗結果進行分析。實驗結果表明,濾光片外觀缺陷分類軟件選擇多級時間片調(diào)度算法時,拍照完成時間、缺陷檢測完成時間均最短,比典型模型算法節(jié)約了2/3的時間。
【關鍵詞】：濾光片 視覺檢測 缺陷識別 多處理器實時調(diào)度
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN929.1
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-19
• 1.1 課題提出背景及研究意義11
• 1.2 光通信濾光片外觀缺陷檢測系統(tǒng)指標11-13
• 1.3 課題相關內(nèi)容的國內(nèi)外研究現(xiàn)狀13-17
• 1.3.1 外觀缺陷視覺檢測研究進展13-16
• 1.3.2 多任務多處理器調(diào)度技術研究進展16-17
• 1.4 論文主要研究內(nèi)容及章節(jié)安排17-19
• 第二章 基于聯(lián)合信息熵特征選擇的濾光片外觀缺陷檢測工作原理19-34
• 2.1 引言19
• 2.2 基于聯(lián)合信息熵特征選擇的濾光片外觀缺陷檢測機理與框架19-21
• 2.3 基于聯(lián)合信息熵特征選擇算法21-26
• 2.4 基于支持向量機的濾光片缺陷分類技術26-28
• 2.5 濾光片缺陷檢測實驗結果與分析28-32
• 2.6 本章小結32-34
• 第三章 基于經(jīng)典調(diào)度算法的濾光片外觀缺陷檢測過程34-44
• 3.1 引言34
• 3.2 有向無環(huán)圖表示方法34-35
• 3.3 濾光片外觀缺陷檢測過程的有向無環(huán)圖表示35-38
• 3.4 基于先排隊先服務的缺陷檢測過程任務調(diào)度方法38-40
• 3.4.1 先排隊先服務調(diào)度算法38
• 3.4.2 缺陷檢測過程先排隊先服務調(diào)度算法調(diào)度38-40
• 3.5 基于短任務優(yōu)先的陷檢測過程任務調(diào)度方法40-43
• 3.5.1 短任務優(yōu)先調(diào)度算法40-42
• 3.5.2 缺陷檢測過程短任務優(yōu)先調(diào)度算法調(diào)度42-43
• 3.6 本章小結43-44
• 第四章 基于改進調(diào)度算法的濾光片外觀缺陷檢測過程任務44-51
• 4.1 引言44
• 4.2 基于時間片輪轉法的缺陷檢測過程任務優(yōu)化44-47
• 4.2.1 時間片輪轉法44-46
• 4.2.2 缺陷檢測過程時間片輪轉法算法優(yōu)化46-47
• 4.3 基于多級時間片法的缺陷檢測過程任務優(yōu)化47-50
• 4.3.1 多級時間片法47-49
• 4.3.2 缺陷檢測過程多級時間片算法優(yōu)化49-50
• 4.4 本章小結50-51
• 第五章 光通信濾光片自動分類精密檢測實驗51-64
• 5.1 引言51
• 5.2 光通信濾光片自動分類精密檢測實驗平臺51-57
• 5.2.1 圖像采集系統(tǒng)介紹51-55
• 5.2.2 X-Y精密工作臺55-56
• 5.2.3 上位機硬件與軟件56-57
• 5.3 濾光片外觀缺陷檢測系統(tǒng)任務調(diào)度算法測試57-63
• 5.3.1 具體實驗57-61
• 5.3.2 實驗結果與討論61-63
• 5.4 本章小結63-64
• 結論與展望64-66
• 參考文獻66-71
• 致謝71-72
• 附件72

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 金聲瑯;;食品中細菌總數(shù)用機器視覺法與培養(yǎng)法檢測的結果比較[J];包裝與食品機械;2009年04期

2 貢玉南,華建興,黃秀寶;基于高斯-馬爾可夫隨機場模型的織物紋理特征參數(shù)提取方法[J];中國紡織大學學報;1999年02期

3 陳莉,宋廣禮;二維傅里葉變換在針織物的密度測量中的應用[J];東華大學學報(自然科學版);2004年05期

4 王艷;陳歡歡;沈毅;;有向無環(huán)圖的多類支持向量機分類算法[J];電機與控制學報;2011年04期

5 ;機器視覺系統(tǒng)在電子制造焊接中的應用[J];電子產(chǎn)品世界;2005年20期

6 田利;韓震宇;;機器視覺在半導體器件塑封缺陷檢測中的應用[J];電腦知識與技術;2012年28期

7 王永炎,王強,王宏安,金宏,戴國忠;基于優(yōu)先級表的實時調(diào)度算法及其實現(xiàn)[J];軟件學報;2004年03期

8 王康;;機器視覺在水稻空殼率統(tǒng)計中的應用研究[J];現(xiàn)代計算機(專業(yè)版);2011年27期

9 蔡希玲,劉樹田,陳義景;自相關參數(shù)統(tǒng)計法──一種地震數(shù)據(jù)處理中有效的分析工具[J];信號處理;2000年S1期

10 趙小明;王新新;;一種基于機器視覺的視頻交通流檢測系統(tǒng)[J];信息與電子工程;2011年02期

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 胡婷萍;大厚度電子束焊縫的超聲檢測及缺陷散射信號的研究[D];南昌航空大學;2010年

2 陳立君;基于多分辨率分形維的木材表面紋理分類的研究[D];東北林業(yè)大學;2007年

3 余洋;安全關鍵分布式實時任務調(diào)度技術研究[D];電子科技大學;2012年

4 鄭玉龍;基于機器視覺的農(nóng)業(yè)機器人自定位技術研究[D];南京農(nóng)業(yè)大學;2012年

  本文關鍵詞：光通信濾光片外觀缺陷自動檢測系統(tǒng)任務調(diào)度優(yōu)化方法，由筆耕文化傳播整理發(fā)布。

，

本文編號：367895