欢迎来到天天文库
浏览记录
ID:35181139
大小:4.09 MB
页数:83页
时间:2019-03-21
《经济型图像传感器静态图像检测精度的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号:密级:论文编号:学号:51312060106重庆理工大学硕士学位论文经济型图像传感器静态图像检测精度的研究研究生:高晓东指导教师:罗宏教授学位类型:学术学位学科专业:机械制造及其自动化研究方向:装备控制技术及应用培养单位:机械工程学院论文完成时间:2016年3月25日论文答辩日期:2016年5月27日学位论文原创性声明及使用授权声明虽庆理工大学学位论文原创性声明。,独立进行研究所取得的成果本人郑重声明;所呈交的学位论文是本人在导师的指导下的成除文中特别加惊注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写。,均已在文中拭明确方式标巧果、作品。对
2、本文的硏究做出重要贡献的集体和个人本人承担本声明的法律后果。)曰曰期:从?月作者盛名:讀成互|{7年(7学位论文使用授权声明,同意学校保留并向国家本学位论文作者完全了解学校有关保留、使用学位论文的规定版。本人授权重庆理工大有关部口或机构送交论文的复印件和电子,允许论文被查阅和借阅レ、,可ッ采巧影印缩印或扫^入有关数据库进巧检索学可[^将本学位论文的全部或部分内容编描等复制手段保存和汇编本学位帷文。本学位论文属于(请在抖下相应方框内打);L保密□,在__年解密后适用本授权书。2.不保密口。曰期:月作者益名;疏曼yu知^讀0期;年月曰导师签
3、名;诚(>^13—CategoryNumber:LevelofSecrecy:SerialNumber:StudentNumber:51312060106Master'sDissertationofChongqingUniversityofTechnologyStudyonthedetectionaccuracyofstaticimagesineconomicalimagesensorsPostgraduate:GaoXiaodongSupervisor:ProfessorLuoHongDegreeCategory:AcademicDegreeSpecialty:
4、MechanicalManufactureandAutomationResearchDirection:MechanotronicsTrainingUnit:MechanicalEngineeringCollegeThesisDeadline:March25,2016OralDefenseDate:May27,2016摘要摘要随着工业4.0和中国制造2025的提出,我国的制造行业已经向更深层次进行转型发展,其中提高制造业自动化程度便是一项重要的发展目标,特别是在互联网+的背景下,机器视觉在工业制造、国防、交通、自然灾害预防、医疗等行业的应用越来越广泛,机器人自动化技术也成为研究热门。其
5、中,机器视觉是机器人自动化中的核心技术之一,如何提高机器视觉的速度和检测可靠性,满足越来越高的精度应用要求,成为了越来越多学者和制造行业的关注重点。本论文所研究的经济型图像传感器静态图像的检测系统,正是以图像处理技术为基础,通过优化图像特征提取、图像识别分类的处理算法,提高了经济型图像传感器静态图像的检测的精度,并利用仿真工具进行了实验。通过该检测系统,可以有效的提高图像检测精度,降低错误识别率,从而避免了装配设备的错装、漏装,可以提高制造企业的生产效率。本文根据图像处理技术原理,重点研究了以下几部分的内容:图像预处理技术,本文以图像采集系统为基础,对采集的图像样本进行了预处理,不仅进
6、行了传统的空间均值和中值滤波处理,还将形态学处理应用到了图像预处理当中,有效降低了噪声因素对检测系统精度的影响。图像二值化技术,对比介绍了传统的直方图分析法和Ostu算法的理论原理,并进行了实验分析,最终采用了Ostu算法作为系统图像二值化的阈值法算法。边缘检测技术,本文主要介绍了Sobel算法、LOG算法和Canny算法3种常用的边缘检测算法,并实验对比了3种方法的处理效果,最终采用Canny算法来对系统图像作边缘检测处理。特征提取与图像识别匹配分类技术,本文重点介绍了这两方面的内容,将图像的Hu不变矩作为图像特征进行提取,并采用BP神经网络对图像样本进行识别分类,通过MATLAB仿
7、真工具对检测系统进行实验,经过实验分析,增加图像目标区域面积作为图像特征,从而满足了检测系统的检测精度要求。关键词:检测精度,图像预处理,二值化,边缘检测,特征提取,BP神经网络,识别分类VAbstractAbstractAsthe‘Industry4.0’andthe‘MadeinChina2025’planaremade,ourmanufacturingindustryhasthedeepertransformationanddevelop
此文档下载收益归作者所有