產(chǎn)品表面缺陷視覺檢測

前言
第1章計算機視覺檢測處理系統(tǒng)研究
1.1概述
1.1.1研究背景和意義
1.1.2國內(nèi)外研究現(xiàn)狀
1.1.3主要研究內(nèi)容
1.2嵌入式圖像處理系統(tǒng)總體設(shè)計方案
1.2.1嵌入式系統(tǒng)選擇
1.2.2嵌入式操作系統(tǒng)選擇
1.2.3NVIDIA Jetson TK1開發(fā)板介紹
1.2.4系統(tǒng)體系結(jié)構(gòu)及其功能原理
1.3系統(tǒng)硬件開發(fā)環(huán)境
1.3.1產(chǎn)品檢測裝置
1.3.2圖像采集單元
1.3.3系統(tǒng)光源
1.3.4外圍擴展電路
1.3.5執(zhí)行機構(gòu)
1.4系統(tǒng)軟件開發(fā)環(huán)境
1.4.1Ubuntu-Linux概述
1.4.2NVIDIA Jetson TK1平臺搭建
1.4.3相機驅(qū)動安裝
1.4.4Jetson TK1刷機
1.4.5Tegra內(nèi)核編譯與安裝
1.5嵌入式圖像處理系統(tǒng)軟件設(shè)計
1.5.1數(shù)字圖像處理技術(shù)概述
1.5.2圖像處理算法設(shè)計
1.5.3GPIO輸入輸出
1.5.4UI界面設(shè)計
第2章鄰域濾波算法的GPU加速研究與實現(xiàn)
2.1概述
2.1.1研究背景和意義
2.1.2國內(nèi)外相關(guān)領(lǐng)域發(fā)展現(xiàn)狀
2.2并行編程模型概述
2.2.1OpenCV并行庫概述
2.2.2CUDA并行庫概述
2.2.3OpenCV和CUDA結(jié)合編程方案
2.3OpenCV GPU加速線性鄰域濾波算法對比實驗設(shè)計
2.3.1線性鄰域濾波基礎(chǔ)簡介
2.3.2OpenCV CPU實現(xiàn)線性鄰域濾波算法實驗設(shè)計
2.3.3OpenCV GPU實現(xiàn)線性鄰域濾波算法對比實驗設(shè)計
2.3.4OpenCV CPU與OpenCV GPU實驗結(jié)果對比分析
2.4CUDA加速雙邊濾波對比實驗設(shè)計
2.4.1非線性鄰域濾波——雙邊濾波
2.4.2OpenCV CPU實現(xiàn)雙邊濾波算法實驗設(shè)計
2.4.3CUDA實現(xiàn)雙邊濾波算法實驗設(shè)計
2.4.4OpenCV CPU與CUDA實驗結(jié)果對比分析
2.5OpenCV GPU+CUDA實現(xiàn)雙邊濾波算法實驗設(shè)計
2.5.1OpenCV GPU+CUDA 實現(xiàn)雙邊濾波實驗的設(shè)計方法
2.5.2實驗結(jié)果與分析
2.5.3OpenCV GPU+CUDA結(jié)合編程與CUDA單獨編程實驗結(jié)果
對比分析
2.5.4OpenCV GPU+CUDA加速雙邊濾波在雪糕板平面檢測上的應(yīng)用
第3章基于深度學習的產(chǎn)品表面缺陷檢測
3.1概述
3.1.1研究背景和意義
3.1.2國內(nèi)外研究現(xiàn)狀與發(fā)展前景
3.2產(chǎn)品表面的缺陷檢測識別
3.2.1產(chǎn)品缺陷檢測
3.2.2圖像采集環(huán)境搭建
3.2.3視覺檢測產(chǎn)品缺陷的整體布局
3.2.4產(chǎn)品圖像處理基本方法
3.3機器認知統(tǒng)計學習的應(yīng)用
3.3.1機器學習的方法分析
3.3.2機器學習算法的選用
3.3.3卷積神經(jīng)網(wǎng)絡(luò)經(jīng)典算法
3.3.4主要參數(shù)的選擇
3.4基于深度學習的圖像識別模型搭建
3.4.1實驗環(huán)境
3.4.2原始數(shù)據(jù)預(yù)處理
3.4.3基于卷積神經(jīng)網(wǎng)絡(luò)圖像識別模型的建立
3.4.4學習模型的實現(xiàn)
3.4.5學習模型的訓(xùn)練及測試
3.5基于TensorFlow的產(chǎn)品缺陷檢測實驗分析
3.5.1網(wǎng)絡(luò)參數(shù)確立
3.5.2訓(xùn)練模型參數(shù)分析
3.5.3實驗檢測驗證分析
3.6缺陷分析與圖像預(yù)處理
3.6.1缺陷類型分析
3.6.2預(yù)處理
3.6.3數(shù)據(jù)增強
3.7基于深度學習的產(chǎn)品表面缺陷分類算法設(shè)計
3.7.1深度學習基礎(chǔ)
3.7.2遷移學習在產(chǎn)品表面缺陷分類的應(yīng)用
3.8產(chǎn)品表面缺陷分類在線檢測實驗
3.8.1環(huán)境配置
3.8.2實驗結(jié)果與分析
第4章視覺伺服搬運機械臂的研究
4.1概述
4.1.1研究背景和意義
4.1.2國內(nèi)外研究現(xiàn)狀
4.2自動化搬運系統(tǒng)總體方案的設(shè)計
4.2.1工序加工線的布局與雪糕棒搬運需求分析
4.2.2雪糕棒自動化搬運系統(tǒng)
4.2.3系統(tǒng)拾取誤差分析
4.3產(chǎn)品搬運機械臂視覺定位技術(shù)
4.3.1視覺系統(tǒng)硬件選擇
4.3.2視覺圖像處理系統(tǒng)方案
4.3.3圖像處理過程
4.3.4圖像處理
4.3.5相機標定
4.4產(chǎn)品搬運機械臂的設(shè)計及運動學分析
4.4.1接收端與供應(yīng)端傳送鏈分析
4.4.2執(zhí)行主體實際設(shè)計
4.4.3機械臂運動學分析
4.5ROS環(huán)境下的雪糕棒搬運機械臂的控制
4.5.1ROS簡介
4.5.2運動控制架構(gòu)與控制配置邏輯
4.5.3系統(tǒng)功能包的建立
4.5.4DELTA機械臂仿真控制
附錄
附錄A制作Tfrecords的部分程序代碼
附錄B數(shù)據(jù)轉(zhuǎn)化部分代碼
附錄C主程序部分代碼
附錄D插件引用程序段
附錄E逆運動學部分程序
附錄F相機標定部分程序
附錄G圖像處理部分程序
參考文獻