有哪些信誉好的足球投注网站- 1、本文档共69页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
智能视觉检测技术在金属表面缺陷识别中的应用研究
目录
内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.3研究内容与目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
1.4研究方法与技术路线．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
智能视觉检测技术基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
2.1视觉检测系统构成．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12
2.1.1光源选择与设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
2.1.2图像采集设备．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
2.1.3图像处理单元．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16
2.2图像预处理技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
2.2.1图像去噪．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
2.2.2图像增强．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21
2.2.3图像配准．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
2.3图像特征提取方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24
2.3.1纹理特征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26
2.3.2形状特征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28
2.3.3颜色特征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30
金属表面缺陷类型与特征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30
3.1表面裂纹缺陷．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31
3.2表面划痕缺陷．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33
3.3表面气孔缺陷．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34
3.4表面夹杂缺陷．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37
3.5其他类型缺陷．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38
基于智能视觉的缺陷识别算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40
4.1基于传统图像处理算法的识别方法．．．．．．．．．．．．．．．．．．．．．．．．41
4.1.1边缘检测算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42
4.1.2形态学处理算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43
4.1.3颜色分割算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46
4.2基于机器学习的缺陷识别方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．47
4.2.1支持向量机算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48
4.2.2神经网络算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49
4.2.3决策树算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50
4.3基于深度学习的缺陷识别方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．52
4.3.1卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．54
4.3.2深度信念网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．55
4.3.3循环神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．
文档评论（0）