论向量工业包装过程在线检测技术及运用

论文导读：分类器,训练得到的分类模型作为分类器。实验结果表明,所选取特点经分类算法融合,与各个单一特点比较和与BP神经网络分类算法比较,本论文所提出办法的识别分类效果更好,并且训练时间比BP神经元网络少,可运用于生产线对药卷图像获取信息。最后在课题探讨的基础上,基于MicrosoftVisualStudio2008和OpenCV开发工业包装历程
摘要：伴随着经济建设快速进展,工业生产规模不断扩大。民爆行业要求生产安全技术不断完善,设备的自动化和智能化程度逐步提升。包装历程是生产的一个重要工序,生产历程己实现机械化和自动化,但设备的安全可靠运转和智能化,尚有待提升。针对工业生产线生产历程信息缺乏、药卷姿态等影响生产线安全稳定运转的不足,本论文主要从药卷为检测对象,研发基于机器视觉的工业包装历程在线检测体系。首先分析工业包装生产线的工艺流程,明确在线检测任务并确定机器视觉体系具体需求。根据需求内容,设计机器视觉体系的照明案例、成像设备选取案例,建立运用于工业生产现场的机器视觉体系。其次,分析工业生产现场采集的药卷图像,探讨其处理办法。为便于药卷描述,根据药卷形状特点将药卷描述为直线模型。分别探讨针对生产现场药卷图像的分割算法,提出在计算分割阈值的历程中同时对图像进行简单分类的算法。该算法可防止潜在分割错误的发生。针对药卷姿态会影响生产线正常运转的不足,探讨药卷传输姿态在线识别与诊断办法。在药卷图像分割基础上,为提取药卷直线模型,提出边缘检测法和矩形逼近法。根据直线模型计算药卷的传输姿态信息,并结合经验规则诊断药卷传输姿态。以实验结果发现,矩形逼近法的识别效果较好,识别率可达到92.5%从上。针对包装历程信息获取不足,提出一种使用图像处理与支持向量机的药卷图像前景目标分类办法。提取目标的灰度分布特点、形状特点,从支持向量机作为分类算法,使用网格搜索法,搜索支持向量机算法参数。从特点数据作为支持向量机输入训练分类器,训练得到的分类模型作为分类器。实验结果表明,所选取特点经分类算法融合,与各个单一特点比较和与BP神经网络分类算法比较,本论文所提出办法的识别分类效果更好,并且训练时间比BP神经元网络少,可运用于生产线对药卷图像获取信息。最后在课题探讨的基础上,基于Microsoft Visual Studio2008和OpenCV开发工业包装历程在线检测体系,并且将体系投入实际环境测试。测试结果反馈,体系可在线检测生产线药卷信息,并能动态监控工业包装生产。关键词：机器视觉论文药卷姿态论文识别论文支持向量机论文包装历程论文工业论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要4-6
ABSTRACT6-8
目录8-11
CONTENTS11-14
第一章 绪论14-28

1.1 选题背景与作用14-15

1.2 工业包装历程及不足15-18

1.2.1 工业生产包装历程15-16

1.2.2 工业包装历程有着的不足16-18

1.3 国内外探讨近况18-26

1.3.1 包装设备近况18-19

1.3.2 数字图像处理技术概述及近况19-24

1.3.3 机器视觉体系概述及近况24-26

1.4 本论文主要探讨内容与结构安排26-28

第二章 基于机器视觉的包装历程在线检测体系28-35

2.1 机器视觉体系概述28-29

2.

1.1 机器视觉体系组成及原理28-29

2.2 包装历程视觉在线检测体系设计29-34

2.1 目标和任务29-30

2.2 总体设计30

2.3 模块设计30-34

本章小结34-35
第三章 计算模型与图像处理探讨35-50

3.1 药卷图像描述35-36

3.2 药卷计算模型36-38

3.3 药卷图像预处理38-49

3.1 药卷图像分割38-46

3.2 图像平滑滤波46-47

3.3 提取轮廓47-48

3.4 药卷图像处理总结48-49

本章小结49-50
第四章 药卷传输姿态快速识别与诊断办法探讨50-60

4.1 药卷传输姿态检测原理50-51

4.2 药卷传输姿态识别诊断历程51-54

4.

2.1 特点线段提取51-53

4.

2.2 诊断历程53-54

4.3 仿真实验54-59
4.

3.1 包装无文字药卷检测实验54-56

4.

3.2 包装有文字药卷检测实验56-59

本章小结59-60
第五章 基于支持向量机的生产线信息获取60-71

5.1 不足分析和办法60-61

5.2 特点提取61-63

5.

2.1 灰度统计特点61-62

5.2.2 几何特点论文导读：支持向量机原理63-645.3.2基于SVM的分类器设计64-665.4分类实验66-705.4.1数据说明665.4.2SVM参数寻优66-675.4.3特点比较分析67-695.4.4算法比较分析69-70本章小结70-71第六章体系设计与开发运用71-816.1开发工具极为功能简介716.2软件体系的总体构成及设计开发71-776.2.1制约界面的开发72-736.2.2图像采集制约模
62-63

5.3 分类器设计63-66

5.

3.1 支持向量机原理63-64

5.

3.2 基于SVM的分类器设计64-66

5.4 分类实验66-70
5.

4.1 数据说明66

5.

4.2 SVM参数寻优66-67

5.

4.3 特点比较分析67-69

5.

4.4 算法比较分析69-70

本章小结70-71
第六章 体系设计与开发运用71-81

6.1 开发工具极为功能简介71

6.2 软件体系的总体构成及设计开发71-77

6.

2.1 制约界面的开发72-73

6.

2.2 图像采集制约模块开发73-74

6.

2.3 图像处理与检测算法开发74-77

6.

2.4 报警及制约模块开发77

6.3 体系运转效果77-80
本章小结80-81
总结与展望81-83
总结81-82
展望82-83
参考文献83-87
攻读学位期间发表的论文87-89
致谢89