一、墙地砖边缘检测与应用研究(论文文献综述)
刘小斌[1](2018)在《基于FPGA的高温瓷砖色差检测系统的研究与设计》文中指出瓷砖作为室内外重要的建筑材料,已经在全世界普遍使用。随着生活水平的提高,人们对其质量要求越来越高,尤其体现在颜色方面。然而,现有的瓷砖色差检测都是在瓷砖生产过程最后阶段由人工在常温下检测,导致瓷砖检测效率低、成品颜色均匀不一且产生资源和能源浪费。为此,研究出一种覆盖全过程、多环节的实时在线色差检测系统具有重要的实际意义。本文在深入研究国内外瓷砖色差检测技术的基础上,通过分析HSV和CIE LAB颜色空间色差检测算法的特点及应用范围,并且结合生产瓷砖在线检测特点,首先对基于CIE LAB颜色空间的最小距离色差检测算法进行了改进,然后结合基于HSV颜色空间相似性度量的色差检测算法,形成本文提出的联合算法。在此基础上,设计了一种基于FPGA的高温瓷砖色差检测系统。该系统以Altera公司的Cyclone IV系列EP4CE为核心控制单元,在Quartus 11 13.1的开发环境下采用纯硬件描述语言Verilog HDL编程实现视频图像采集模块、SDRAM数据存储模块、联合色差检测算法模块、VGA显示模块以及电机设备控制模块等,同时采用Modelsim和Signal Tap Ⅱ进行相应模块的仿真和调试,从而实现了高温瓷砖快速、准确的检测。最后,将检测结果实时显示于VGA显示器、可控制电机剔除不合格瓷砖且报警提示。通过对不同颜色瓷砖在常温下与高温下的多组对比测试得出:基于FPGA视频图像的色差检测处理速度可达到毫秒级别,满足实时在线采集处理的需求;而本文提出的联合色差检测算法的检测效果更加符合人眼视觉感知,有效的提高了瓷砖色差的检测精度;在每个检测点当检测到不合格瓷砖时,及时控制电机设备剔除不合格高温瓷砖,使不合格瓷砖不进入下一生产过程,降低了生产能源、资源的浪费;有较好的实用意义。
曹利钢,唐磊,冯浩[2](2018)在《基于计算机视觉的墙地砖外形检测系统设计》文中认为为了提高墙地砖外形检测的效率和自动化水平,提出一种基于计算机视觉的外形检测系统。以工业相机为核心,设计了包括定位检测和上位机控制功能的墙地砖外形自动检测硬件系统;以visual studio 20015为开发环境,c#为编程语言开发软件系统,设计了系统的软件结构,以canny算法和ramer算法为核心实现了图像分割及特征提取模块。试验结果表明:本系统具有较高的尺寸测量精度,能较好地反映墙地砖的外形特征。
脱羚,周强,王莹,薛敏涛,高乐乐[3](2017)在《基于TMOAA算法的陶瓷墙地砖尺寸在线测量》文中研究指明针对传统方法忽略陶瓷墙地砖圆角、毛边等问题造成的测量其对角线尺寸精度不高的现状,提出一种用TMOAA(Tuo’s Max Of Acme Algorithm)算法对陶瓷墙地砖对角线尺寸进行在线测量的方法。该方法以渐进的方式准确定位陶瓷墙地砖四个顶角的位置,从而确定对角线位置并对其进行在线尺寸测量。同时,还提出对陶瓷墙地砖的厚度和边长进行在线测量的方法。实验表明,所用方法测量精度为±0.15 mm,可准确地得到陶瓷墙地砖的各项尺寸,有助于提高陶瓷墙地砖的生产精度。
刘鲤扬[4](2012)在《基于图像的异型墙地砖在线分道系统的研制》文中进行了进一步梳理近年来,我国陶瓷墙地砖工业飞速发展,生产线的机械化和自动化水平不断提高,然而瓷砖质量检测的自动化水平仍比较落后。伴随着计算机视觉技术在工业、农业等各个领域的广泛应用,国内外不少研究机构对于陶瓷墙地砖产品检测领域做了大量的研究,其研究成果主要集中在基于机器视觉的质量检测分级系统上,而对异型墙地砖分类的研究工作十分缺乏。针对上述现状和陶瓷墙地砖厂家为了提升企业竞争力的研发需求,本文基于数字图像处理技术,深入研究了异型墙地砖区域检测、特征提取和图像匹配等实际问题,结合了单片机等相关硬件技术,研制了基于图像的异型墙地砖在线分道系统。本文的研究内容主要包括以下几个方面:首先总结了国内外墙地砖视觉检测系统的研究现状以及在异型砖检测方面的不足,阐述了研制基于图像的异型墙地砖在线分道系统的必要性。接着介绍了分道系统的总体结构设计,具体包括摄像机的选型、处理器及人机交互设备的选择、底层用于信号传递的电路板的设计、用于分道的PLC的具体作用、光源的选择等。接着介绍了本系统软件界面的操作特点和具体功能,以及软件设计过程中所用到的关键性技术。然后重点介绍用于砖面区域检测和模式图像获取的基于边界特征的图像分割算法,以及基于灰度变化下降沿的在线连续检测算法,同时阐述了对生产线瓷砖图像实际特点的分析从而确定算法设计思路的过程。紧接着重点介绍了实现异型砖图像匹配所需的图像预处理算法和基于边缘密度的特征提取算法,并介绍了基于共生矩阵与基于边缘密度的特征提取算法的模式识别效果对比。最后一部分对全文进行了总结并分析了本系统仍存在的问题及今后改进的方向。
赵新亚[5](2011)在《墙地砖缺陷的智能检测技术研究》文中研究表明我国陶瓷生产企业众多,在国民经济中占有重要地位。然而,目前国内墙地砖的质量检测仍然是采用人工分拣方式,这既限制了分拣的准确性,也影响了生产成本的进一步降低,严重制约了产品档次的提高及出口能力的增强。因此,研制适合我国国情墙地砖缺陷检测系统,可以满足我国建陶行业技术装备现代化需求,并使我国尽早成为陶瓷生产强国有着重要社会意义和实用价值。本论文基于图像处理、模式识别技术和神经网络技术,针对墙地砖的种类以及特点,重大研究了墙地砖实现质量自动缺陷检测的理论方法和具体实现算法。首先对图像进行预处理,对CCD相机拍摄的墙地砖图像采用图像平均法和中值滤波法进行去噪,对目标图像采取灰度门限值算法和差分投影算法提取图像的有效区域,去除图像背景,并对两种背景去除的算法进行了实验比较,分析了两种算法对特定图像处理方面存在的优势以及不足;其次对图像进行特征提取,分别采取三种特征提取的算法,一种是基于灰度共生矩阵的特征提取,基于差分矩阵的特征提取,同时提出了一种新的特征提取的算法,即基于灰度共生矩阵和颜色特征的提取算法,增加特征提取的准确度,缺点是增加了算法运行的时间复杂度;最后,应用先进的BP神经网络方法对墙地砖的特征进行训练并识别。最后对三种特征提取的算法采用BP神经网络进行训练并识别,通过对实验结果的数据分析,证明本文提出的基于灰度共生矩阵和颜色特征提取算法在准确性方面的优势。本文算法在特征提取以及识别的过程中,算法的准确度会受到光照条件,噪声等因素的影响,降低了算法的鲁棒性,因此在以后的研究过程中,需要算法的稳定性上进一步的改善。
谭穗妍[6](2009)在《基于条纹相位分析的墙地砖平整度等级评估》文中提出作为一种重要的装饰材料,墙地砖随着我国房地产市场的蓬勃发展而迅速增长,墙地砖工业中对该类产品的自动化检测显得日益迫切。本文描述了一个基于条纹相位分析法的墙地砖平整度等级评估的系统,基于条纹相位分析的测量方法能通过拍摄墙地砖图像来获取墙地砖表面任意像素点相对于参考平面的高度信息,具有快速、高精度、数据量大等优点。基于条纹相位分析法的墙地砖平整度等级评估系统设计包括硬件设计、测量方案设计和软件模块设计。其中测量方案包括:(1)通过计算机数值模拟和实验室测量分析不同的相移步数对误差的抑制能力,证明N步相移对N-1次谐波有较好的抑制能力,并且测量精度随着相移步数的增加而提高;但是当相移步数达到一定值时,其误差的差别不大,而且相移步数越大计算机运算速度减慢,在兼顾计算机运算速度和测量精度,我们选用了八步的相移测量法,其测量精度能满足应用要求;(2)设计了测量系统的纵向标定方案并对标定精度进行分析,测量系统在纵向0-55mm范围内最大测量误差不超过0.16mm,最大标准偏差0.11mm;(3)为了充分体现条纹相位分析测量法数据量大的优点,本文采用曲线拟合法和邻域平均法处理测量数据,使能更好地重构出墙地砖的表面变化趋势,以减小平整度测量值的随机误差。在软件模块部分,我们在MATLAB 6.5环境下开发了墙地砖平整度等级评估的友好用户界面。最后用条纹相位分析法和激光三维扫描仪测分别对两块墙地砖平整度等级进行评估,对结果进行比较分析,两者对墙地砖等级评价结果是一致的,具体的平整度指标结果有差别,因此我们认真分析了测量的误差来源,提出减小测量误差的方法。
李庆利,王永强,郝天鹿,钱丹青[7](2008)在《陶瓷墙地砖尺寸偏差视觉检测算法研究》文中认为文章提出一种应用于陶瓷墙地砖图像测量领域的尺寸偏差检测算法:使用基于Sobel算子的改进的方向算子,综合利用图像灰度信息和灰度梯度信息对陶瓷墙地砖图像边缘进行检测和亚像素精确定位,通过计算目标在图像中的面积、哈夫变换和最小二乘法等算法对陶瓷墙地砖边长尺寸进行精确测量。
苏彩红,詹宁宙,谢海鸿[8](2007)在《基于LabVIEW的墙地砖表面缺陷自动检测与等级分类》文中指出利用PXI总线控制器以及IEEE-1394接口的图像采集设备构建机器视觉系统,应用计算机视觉以及数字图像处理技术实现了墙地砖表面缺陷的自动检测及等级分类。在墙地砖自动检测应用程序的设计中,首先应用IMAQ Vision Assistant进行主要算法的开发,再在LabVIEW的开发环境下对算法程序进行更加柔性的配置,并开发出具有人性化的界面,便于控制和处理。所研究的系统能对墙地砖表面疵点、缺损、鼓泡和裂痕等缺陷进行实时检测及等级分类,并得出详细的缺陷检测报告以及实现数据库管理等功能。
余筱勤,戴哲敏,沈敬华[9](2006)在《基于小波去噪的陶瓷墙地砖边缘检测》文中研究表明在陶瓷墙地砖的边缘检测过程中,图像在采集、转换和传输中不可避免的会引入噪声,产生降质而影响检测结果。介绍了一种基于小波去噪的陶瓷墙地砖边缘检测方法,对墙地砖图像采用小波去噪后再进行边缘检测,其结果较好地满足了检测要求。
李彦文[10](2006)在《基于计算机视觉的墙地砖颜色色差检测分级的研究》文中认为随着人们生活水平的不断提高,以及基础建设的蓬勃发展,陶瓷墙地砖的用量越来越大,品种越来越多,对其质量的要求也越来越高。由于陶瓷生产工艺过程的复杂性,不可避免地造成陶瓷制品的颜色不均匀性。瓷砖表面颜色色差是评价匀色瓷砖成品质量的一个重要指标,除了彩色瓷砖颜色的色差会影响瓷砖的装饰效果外,对于匀色砖的颜色分布均匀度也是一个重要指标,它直接影响瓷砖的装饰效果。基于计算机视觉的图像测量是近年来在测量领域中发展起来的崭新技术。它以光学为基础,融光电子学、计算机技术、激光技术、图像处理技术等现代科学技术为一体组成的光、机、电、算的综合测量系统。本文针对陶瓷行业中现存的颜色检测一致性问题,提供了一种基于计算机视觉色差分级的颜色质量检测方法,这种方法能够消除人工检测中由于个人因素而产生的质量差异,具有自动化程度高、一致性好、成本低等特点。本文从颜色特征入手,设计了整个颜色检测系统。在研究墙地砖国内外研究的基础上,分析并确定颜色模型与硬件设计。对图像预处理算法进行研究分析并确定了中值滤波方法去除图像的噪声。基于图像角点检测技术进行图像定位,并根据颜色特征的小色差理论对墙地砖色差进行分析和计算。基于模糊理论对墙地砖进行颜色分级研究,利用隶属函数设计了墙地砖分级的实现方法,并获取了较为理想的检测结果。
二、墙地砖边缘检测与应用研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、墙地砖边缘检测与应用研究(论文提纲范文)
(1)基于FPGA的高温瓷砖色差检测系统的研究与设计(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.3 论文研究内容及章节安排 |
2 相关理论及技术 |
2.1 颜色理论 |
2.2 色差 |
2.3 视频图像处理技术 |
2.4 FPGA技术 |
2.5 本章小结 |
3 色差检测算法的研究 |
3.1 颜色空间 |
3.1.1 RGB颜色空间 |
3.1.2 HSV颜色空间 |
3.1.3 CIE1976 L*a*b*颜色空间 |
3.2 图像分割算法和特征值提取算法 |
3.2.1 图像分割 |
3.2.2 基于直方图的颜色特征提取 |
3.2.3 直方图相似性 |
3.3 基于HSV颜色空间的色差检测算法 |
3.4 基于CIE LAB颜色空间色差检测算法的改进 |
3.5 基于HSV和 CIE LAB颜色空间的新联合色差检测算法 |
3.6 本章小结 |
4 基于FPGA的高温瓷砖色差检测系统总体结构 |
4.1 色差检测系统的总体结构 |
4.2 DE2_115 硬件平台 |
4.2.1 DE2_115 开发板 |
4.2.2 视频接口 |
4.2.3 SDRAM存储器 |
4.2.4 VGA接口 |
4.3 图像传感器 |
4.4 电机及报警器 |
4.5 本章小结 |
5 系统各模块设计及实现 |
5.1 视频图像采集模块设计及实现 |
5.1.1 视频解码芯片的初始化实现 |
5.1.2 视频图像采集模块实现 |
5.2 联合色差检测模块设计及算法实现 |
5.2.1 数据格式转换设计及实现 |
5.2.2 图像分割算法的FPGA实现 |
5.2.3 联合色差检测算法的FPGA实现 |
5.3 四端口SDRAM控制器的设计及实现 |
5.3.1 FIFO的实现 |
5.3.2 四端口SDRAM控制器 |
5.4 VGA接口控制模块设计及实现 |
5.5 电机驱动模块设计及实现 |
5.6 本章小结 |
6 系统测试及结果分析 |
6.1 测试环境 |
6.2 系统实现流程图 |
6.3 测试结果及分析 |
6.3.1 瓷砖温度和VGA背景显示测试 |
6.3.2 图像分割和瓷砖显示测试 |
6.3.3 色差结果分析 |
6.4 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
致谢 |
参考文献 |
附录 |
(2)基于计算机视觉的墙地砖外形检测系统设计(论文提纲范文)
0 引言 |
1 墙地砖外形检测硬件系统 |
2 墙地砖外形检测软件设计 |
2.1 软件基本结构 |
2.2 墙地砖外形分割及特征提取模块实现 |
2.2.1 亚像素边界提取canny算法简介[3, 4] |
3.2.2墙地砖四边提取算法 |
3试验结果 |
4 结论 |
(3)基于TMOAA算法的陶瓷墙地砖尺寸在线测量(论文提纲范文)
0 引言 |
1 在线测量系统 |
2 尺寸测量算法 |
2.1 图像处理过程及难点问题 |
2.1.1 图像处理过程 |
2.1.2 尺寸检测过程中的难点问题 |
2.2 测量算法 |
2.2.1 边长、厚度测量算法 |
2.2.2 基于TMOAA算法的陶瓷墙地砖对角线尺寸测量 |
3 实验 |
3.1 实验过程 |
3.2 结果 |
3.2.1 陶瓷墙地砖边长 |
3.2.2 陶瓷墙地砖厚度 |
3.2.3 陶瓷墙地砖对角线 |
3.3 分析 |
4 结论 |
(4)基于图像的异型墙地砖在线分道系统的研制(论文提纲范文)
致谢 |
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景和意义 |
1.2 计算机视觉检测技术概述 |
1.3 墙地砖视觉检测系统的国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 小结 |
1.4 论文的工作 |
第2章 视觉分道系统的硬件平台搭建 |
2.1 分道系统的要求分析与总体结构设计 |
2.2 上层图像采集、处理相关硬件的选择 |
2.2.1 摄像机的选型 |
2.2.2 处理器及人机界面的硬件选择 |
2.3 下层通讯硬件的设计 |
2.4 照明条件的选择 |
2.5 本章小结 |
第3章 视觉分道系统的软件设计与实现 |
3.1 软件操作流程 |
3.2 软件界面的设计 |
3.3 软件各模块的实现介绍 |
3.3.1 图像处理类实现所用技术介绍 |
3.3.2 数据库技术介绍 |
3.4 本章小结 |
第4章 异型砖图像模式的在线连续检测 |
4.1 图像分割 |
4.2 砖面区域的提取 |
4.2.1 图像的边缘检测 |
4.2.2 图像的霍夫直线检测 |
4.2.3 砖面边界角点的提取 |
4.2.4 砖面区域的提取和标准化 |
4.3 砖面区域的在线连续检测 |
4.4 本章小结 |
第5章 异型砖图像模式的特征提取与匹配 |
5.1 模式识别理论概述 |
5.2 图像预处理与特征提取 |
5.2.1 图像的预处理 |
5.2.2 图像的纹理特征 |
5.2.3 基于共生矩阵的特征提取算法 |
5.2.4 本系统的纹理特征提取算法 |
5.3 图像的匹配 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 工作不足及展望 |
参考文献 |
攻读硕士学位期间录用的学术论文 |
(5)墙地砖缺陷的智能检测技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 图像模式识别技术的现状与发展 |
1.1.1 模式识别技术及其发展现状 |
1.1.2 图像模式识别技术的研究现状和发展 |
1.2 课题研究背景 |
1.3 课题研究的目的及意义 |
1.4 国内外的研究现状 |
1.4.1 国外的研究现状 |
1.4.2 国内的研究现状 |
1.5 本文研究内容及结构安排 |
1.5.1 主要研究内容 |
1.5.2 本文结构安排 |
第二章 墙地砖图像的采集及预处理 |
2.1 图像的采集 |
2.1.1 光照系统 |
2.1.2 摄像系统 |
2.1.3 图像采集卡 |
2.2 图像的增强 |
2.3 图像的噪声处理 |
2.4 背景去除 |
2.4.1 基于投影的墙地砖边界提取 |
2.4.2 灰度门限法分割原理 |
2.5 实验比较 |
2.6 本章小结 |
第三章 墙地砖缺陷的特征提取 |
3.1 基于灰度共生矩阵的特征提取 |
3.2 基于灰度共生矩阵的特征提取 |
3.2.1 灰度共生矩阵的生成 |
3.2.2 共生矩阵的定义 |
3.2.3 共生矩阵常用的统计量 |
3.2.4 基于共生矩阵的墙地砖纹理特征分析 |
3.3 基于差分矩阵的特征提取 |
3.3.1 差分矩阵的生成 |
3.3.2 纹理特征量的提取 |
3.4 综合共生矩阵和颜色特征的特征提取 |
3.5 基于共生矩阵和颜色特征的识别方法实验与结果分析 |
3.6 本章小结 |
第四章 墙地砖缺陷的识别 |
4.1 模式识别 |
4.2 BP 神经网络 |
4.3 BP 神经网络设计需要考虑的问题 |
4.4 本文BP 神经网络识别过程 |
4.5 三种特征提取识别结果比较 |
4.5.1 实验的样本设计 |
4.5.2 实验结果比较 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
作者简介 |
作者发表论文情况 |
致谢 |
(6)基于条纹相位分析的墙地砖平整度等级评估(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 墙地砖质量自动化检测的目的和意义 |
1.2 墙地砖平整度检测技术研究的迫切性 |
1.3 墙地砖质量和平整度检测的国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 本论文的主要研究内容 |
1.5 小结 |
第二章 墙地砖平整度检测的方法和原理 |
2.1 墙地砖平整度测量的基本方法 |
2.1.1 平台塞尺测量法 |
2.1.2 千分表测量法 |
2.1.3 非接触式光学三维测量轮廓术 |
2.1.3.1 飞行时间法 |
2.1.3.2 干涉法 |
2.1.3.3 光学三角测量法 |
2.1.4 墙地砖平整度测量方法的比较 |
2.2 墙地砖平整度检测的原理 |
2.2.1 边弯曲度 |
2.2.2 中心弯曲度 |
2.2.3 翘曲度 |
2.3 小结 |
第三章 基于光栅投射的条纹相位分析三维测量轮廓术 |
3.1 条纹相位分析的三维轮廓术基本原理 |
3.2 傅里叶变换轮廓术的原理 |
3.3 相位测量轮廓术的原理 |
3.3.1 相位测量轮廓术的基本原理 |
3.3.2 常见的相移算法及其特性 |
3.3.2.1 常见3、4、5 帧相移算法 |
3.3.2.2 N帧相移算法及其衍生算法 |
3.3.3 相位测量轮廓术和傅里叶变换轮廓术的比较 |
3.4 相位展开 |
3.5 相位测量轮廓术的纵向标定 |
3.5.1 系统纵向标定的原理 |
3.6 小结 |
第四章 测量系统总体设计 |
4.1 系统硬件组成 |
4.1.1 DLP数字投影仪 |
4.1.2 CCD摄像机 |
4.1.3 视频采集卡 |
4.1.4 工作台一维轨道 |
4.2 系统的具体测量方案 |
4.2.1 不同的相移步数的误差抑制能力 |
4.2.2 系统纵向标定实验及结果分析 |
4.2.2.1 纵向标定实验 |
4.2.2.2 纵向标定实验结果分析及精度分析 |
4.2.3 墙地砖高度信息测量的具体过程 |
4.2.4 测量数据的处理 |
4.3 系统软件设计 |
4.3.1 图像采集模块 |
4.3.2 图像数据处理模块 |
4.3.2.1 图像滤波 |
4.3.2.2 墙地砖图像的边缘提取 |
4.3.3 墙地砖平整度检测模块 |
4.4 小结 |
第五章 墙地砖平整度的测量及结果误差分析 |
5.1 激光三维扫描仪测量结果 |
5.2 基于条纹相位分析的测量数据 |
5.3 测量结果误差分析 |
5.3.1 系统误差 |
5.3.2 随机误差 |
5.4 小结 |
结论 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
(8)基于LabVIEW的墙地砖表面缺陷自动检测与等级分类(论文提纲范文)
1 系统硬件的组成 |
2 系统软件的结构与功能 |
(1) 图像采集模块 |
(2) 图像预处理模块 |
(3) 图像分析模块 |
(4) 墙地砖等级分类模块 |
(5) 文件模块 |
3 系统检测及结果分析 |
3.1 图像的边缘检测 |
3.2 墙地砖缺陷检测中腐蚀和膨胀的实现 |
4 结论 |
(9)基于小波去噪的陶瓷墙地砖边缘检测(论文提纲范文)
引言 |
1 小波去噪 |
1.1 二维图像信号的小波分解 |
1.2 分解后的高频系数进行阈值量化 |
1.3 二维小波的重构图像信号 |
2 结果及分析 |
3 结论 |
(10)基于计算机视觉的墙地砖颜色色差检测分级的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景 |
1.2 瓷质墙地砖工艺与质量控制 |
1.2.1 瓷砖色差简介 |
1.2.2 常见瓷砖的分类 |
1.2.3 瓷砖质量与分级 |
1.2.4 瓷砖生产工艺 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 瓷砖颜色检测的发展方向 |
1.4 本文主要研究内容 |
第2章 颜色质量检测基础与硬件设计 |
2.1 颜色特性 |
2.1.1 光与视觉 |
2.1.2 图像的产生 |
2.2 颜色模型的确定 |
2.2.1 RGB 模型 |
2.2.2 HIS 模型 |
2.2.3 CIELAB 均匀色空间和色差公式 |
2.3 成像系统分析 |
2.3.1 CCD 的特性参数 |
2.3.2 线阵CCD 成像 |
2.3.3 面阵CCD 成像 |
2.3.4 线阵面阵成像对比 |
2.4 光源系统 |
2.5 本章小结 |
第3章 图像处理基本算法 |
3.1 图像预处理 |
3.1.1 噪声滤除 |
3.1.2 平滑滤波 |
3.1.3 墙地砖图像的预处理 |
3.2 边缘检测 |
3.2.1 边缘检测概述 |
3.2.2 Canny 法 |
3.3 本章小结 |
第4章 墙地砖图像定位与颜色色差检测 |
4.1 墙地砖图像定位 |
4.1.1 角点检测 |
4.1.2 角点定位 |
4.2 墙地砖的色差检测 |
4.2.1 色差检测的基本原理 |
4.2.2 小色差图像平均色差计算方法 |
4.3 本章小结 |
第5章 基于模糊识别方法的分级算法 |
5.1 模糊的基本理论 |
5.1.1 图像识别方法简介 |
5.1.2 模糊集合及其基本运算 |
5.1.3 模糊识别的几种方法 |
5.1.4 模糊聚类分析 |
5.2 模型的建立(隶属函数的构造) |
5.2.1 隶属函数的选择 |
5.2.2 隶属函数参数的确定 |
5.3 本章小结 |
结论 |
参考文献 |
致谢 |
作者简介 |
四、墙地砖边缘检测与应用研究(论文参考文献)
- [1]基于FPGA的高温瓷砖色差检测系统的研究与设计[D]. 刘小斌. 西安科技大学, 2018(01)
- [2]基于计算机视觉的墙地砖外形检测系统设计[J]. 曹利钢,唐磊,冯浩. 陶瓷学报, 2018(03)
- [3]基于TMOAA算法的陶瓷墙地砖尺寸在线测量[J]. 脱羚,周强,王莹,薛敏涛,高乐乐. 中国陶瓷, 2017(11)
- [4]基于图像的异型墙地砖在线分道系统的研制[D]. 刘鲤扬. 浙江大学, 2012(07)
- [5]墙地砖缺陷的智能检测技术研究[D]. 赵新亚. 沈阳建筑大学, 2011(07)
- [6]基于条纹相位分析的墙地砖平整度等级评估[D]. 谭穗妍. 华南理工大学, 2009(S2)
- [7]陶瓷墙地砖尺寸偏差视觉检测算法研究[J]. 李庆利,王永强,郝天鹿,钱丹青. 沿海企业与科技, 2008(09)
- [8]基于LabVIEW的墙地砖表面缺陷自动检测与等级分类[J]. 苏彩红,詹宁宙,谢海鸿. 无损检测, 2007(04)
- [9]基于小波去噪的陶瓷墙地砖边缘检测[J]. 余筱勤,戴哲敏,沈敬华. 中国陶瓷, 2006(11)
- [10]基于计算机视觉的墙地砖颜色色差检测分级的研究[D]. 李彦文. 燕山大学, 2006(02)