基于二维视觉的工业检测算法研究与应用-自动化技术-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化技术 >> 正文

基于二维视觉的工业检测算法研究与应用

作者：熊艳根 Publish: 2007-8-3 Hits:-

【中文题名】

基于二维视觉的工业检测算法研究与应用

【英文题名】

The Research and Applying of Industry Inspecting Based on Two-dimensional Vision

【学科专业】

管理科学与工程

【论文级别】

硕士论文

【投稿时间】

2007-8-3

【中关键词】

识别,视觉,图像处理,OCR,神经网络,

【英关键词】

recognition,vision,image processing,OCR,neural network,

【分类导航】

工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>数据处理、数据处理系统>集中检测与巡回检测系统

【论文摘要】

机器视觉技术在工业在线检测中的应用是近年来的研究热点之一。机器视觉技术可以大幅降低检测成本，提高产品质量，提高生产速度和效率，因而在工业检测和控制领域得到了广泛的应用。本文以机器视觉技术为基础，以图像处理技术为主要方法，对印刷体数字字符识别算法进行了研究。本文首先介绍了工业视觉检测技术系统的功能、结构以及特点。研究了机器视觉系统的检测原理和方法。根据字符识别系统的预处理流程顺序，叙述了图像直方图均衡、二值化、噪声去除、文字倾斜校正、切分、字符正规化等预处理算法，对其中的关键技术给出了详细的阐述、分析，根据本系统的特点，我们有针对性的提出了一些适应于本系统预处理方法，例如采用图像离散去噪方法消除噪声、利用简单斜率法对字符倾斜校正，利用投影和字符宽度分割法对单个字符进行分割，解决了在系统中遇到的图像倾斜、干扰严重、字体类型多等各种各样的问题。这些方法涉及到当今图像处理领域的前沿技术。我们还具体讨论了在常用数字字符识别系统中所用的特征提取方法，并分析了它们的特点。最终采用了粗网格特征提取算法，对数字字符特征进行了提取。在字符识别方面，比较了字符识别中用到几种识别算法，并详细介绍误差反向传播神经网...

【论文题纲】

摘要	5-6
Abstract	6-7
致谢	7-10
插图清单	10-11
表格清单	11-12
第一章概论	12-16
1.1 课题背景	12
1.2 所研究课题的国内外现状	12-14
1.2.1 计算机视觉的国内外发展	12-13
1.2.2 字符识别(OCR)的国内外发展	13-14
1.3 研究的内容	14
1.4 论文结构	14-15
1.5 本章小结	15-16
第二章机器视觉检测系统	16-22
2.1 机器视觉	16-18
2.1.1 简述	16
2.1.2 机器视觉系统的功能及结构	16-17
2.1.3 机器视觉系统的特点	17-18
2.1.4 机器视觉研究的内容	18
2.2 视觉检测原理和方法	18-19
2.2.1 检测原理	18-19
2.2.2 二维检测方法	19
2.2.3 三维检测方法	19
2.3 机器视觉的应用	19-21
2.4 本章小结	21-22
第三章图像分析中常用预处理算法	22-36
3.1 数字图像的概述	22-23
3.1.1 数字图像处理概念	22-23
3.1.2 数字图像处理的方法	23
3.2 图像的增强及滤波	23-28
3.2.1 直方图均衡	24-26
3.2.2 平滑滤波	26-28
3.2.2.1 空域平滑滤波	26-28
3.2.2.2 频域滤波	28
3.2.3.3 各种平滑滤波比较	28
3.3 二值化	28-31
3.3.1 整体二值化常用算法	29-30
3.3.2 局部闭值法	30
3.3.3 二值化算法比较	30-31
3.4 字符分割	31-32
3.4.1 字符分割算法介绍	31-32
3.4.2 字符分割算法比较	32
3.5 倾斜校正	32-33
3.5.1 倾斜校正算法	32-33
3.5.2 倾斜校正比较	33
3.6 归一化	33-34
3.6.1 位置正规化	33
3.6.2 尺寸正规化	33-34
3.7 插值法	34-35
3.8 本章小结	35-36
第四章数字字符识别算法分析	36-48
4.1 模式识别技术的基本理论	36-37
4.1.1 模式识别的基本概念与系统结构	36-37
4.2 印刷体字符模式识别方法	37-41
4.2.1 模式识别方法简介	37-40
4.2.2 常见算法比较	40-41
4.3 人工神经网络	41-46
4.3.1 神经网络的结构和学习规则	41-43
4.3.2 神经网络的数学模型	43
4.3.3 BP神经网络	43-46
4.3.3.1 BP神经网络简介	43-44
4.3.3.2 BP神经网络数学描述	44-45
4.3.3.3 BP神经网络的学习步骤	45-46
4.4 数字字符特征	46-48
第五章实验系统的实现	48-64
5.1 系统的软件与硬件环境	48-51
5.1.1 硬件的选择	48
5.1.2 开发环境简介	48-51
5.1.2.1 IPL简介	49
5.1.2.2 OPENCV简介	49-51
5.2 系统处理流程	51-52
5.3 图像预处理	52-60
5.3.1 灰度化	52-53
5.3.2 图像的梯度锐化	53-54
5.3.3 二值化	54-56
5.3.4 离散去噪	56-57
5.3.5 倾斜矫正	57-58
5.3.6 字符的分割	58-60
5.3.7 字符归一化	60
5.4 BP神经网络的数字识别	60-63
5.4.1 BP神经网络层中神经元的选取	60-61
5.4.2 字符特征向量的提取	61-62
5.4.3 样本的选择	62-63
5.4.4 数字的识别结果分析	63
5.5 本章小结	63-64
第六章结论与展望	64-65
6.1 论文的主要结论	64
6.2 展望	64-65
参考文献	65-67
硕士在学期间发表论文	67

【DOI】

LunWen.ID:2.2008.384660



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：识别论文视觉图像处理 OCR 神经网络

自动化技术最新论文

自动化技术热门论文