基于机器视觉的纸张缺陷检测系统的研究

基于机器视觉的纸张缺陷检测系统的研究

论文摘要

纸张缺陷视觉检测是利用相机对纸幅快速拍照,利用计算机进行处理、分类,然后自动判别纸张缺陷类别。典型的纸张缺陷有孔洞、裂痕、污点、褶子、透明点、尘埃等。纸病的性质如形式、大小、结构、位置等能反映出纸病的起源,可以根据其有效特征进行精确分类。本文介绍了机器视觉检测技术的概念、原理、研究现状和发展趋势,针对纸张缺陷视觉检测的特点,论述了基于机器视觉的纸张缺陷视觉检测系统的总体设计方案,及各个组成部分的设计。本文的主要内容以及完成的主要工作如下:一、本文简要介绍了机器视觉的概念,并将机器视觉检测技术应用到纸张缺陷检测中,并简单介绍了基于机器视觉的纸张缺陷检测的研究现状和发展前景。二、针对纸张缺陷检测速度高、精度高、实时性处理的要求,提出了一种基于FPGA+DSP的嵌入式图像处理器的设计方案用于纸张缺陷视觉检测系统。三、在XILINX ISE4.1集成开发环境中,利用Verilog HDL语言完成了基于FPGA的视频图像采集及预处理程序的设计,并完成仿真。四、根据建立的基于FPGA+DSP的图像处理器模型,完成系统的硬件设计及PCB设计并分别进行了介绍。五、研究了图像处理算法在高性能DSP中的实现,开发出了高效实用的图像处理识别程序,并给出了程序流程图及详细说明。六、系统实现了视频图像采集处理板的软硬件设计和调试,完成了整个视觉检测系统的初步搭建,并对系统的性能进行了初步测试。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 机器视觉检测技术概述与发展
  • 1.1.1 机器视觉检测的概念
  • 1.1.2 机器视觉检测技术在工业生产中的应用
  • 1.1.3 机器视觉检测技术的发展
  • 1.2 基于机器视觉检测技术的纸张缺陷检测技术概述
  • 1.3 本文的主要研究工作
  • 第2章 纸张缺陷视觉检测系统的方案研究
  • 2.1 纸张的机器视觉检测技术原理综述
  • 2.1.1 纸张图像的获取
  • 2.1.2 图像的处理和分析
  • 2.1.3 结果输出及执行
  • 2.2 纸张缺陷视觉检测系统的总体设计方案
  • 2.2.1 系统的总体结构设计
  • 2.2.2 成像单元设计
  • 2.3 图像处理器的设计方案
  • 2.4 基于FPGA+DSP 的图像处理器的总体设计
  • 2.5 系统的工作流程
  • 第3章 基于 FPGA 的图像预处理算法及仿真实现
  • 3.1 预处理滤波方法简介
  • 3.2 中值滤波技术介绍
  • 3.2.1 中值滤波原理
  • 3.2.2 中值滤波与均值滤波在VC++下的仿真
  • 3.3 中值滤波的FPGA 实现
  • 3.3.1 基于FPGA 的3×3 模板的硬件构成
  • 3.3.2 基于FPGA 的移位寄存器块的实现
  • 3.3.3 基于FPGA 的排序模块
  • 3.3.4 中值滤波实现及试验结果
  • 第4章 基于 FPGA+DSP 的图像处理器的硬件设计
  • 4.1 DSP 的特点及系统设计开发流程
  • 4.1.1 DSP 的特点
  • 4.1.2 DSP 系统的硬件设计流程
  • 4.2 图像处理器芯片选择
  • 4.2.1 DSP 芯片的选择
  • 4.2.2 FPGA 芯片的选择
  • 4.3 基于FPGA 的图像采集预处理电路设计
  • 4.3.1 SAA7111A 视频解码芯片介绍
  • 4.3.2 SAA7111A 视频解码电路设计
  • 4.4 DSP 电路设计
  • 4.4.1 TMS320DM642 的外部存储器EMIFA 接口
  • 4.4.2 TMS320DM642 的外部存储器扩展
  • 4.4.3 TMS320DM642 的时钟系统
  • 4.4.4 DSP 监控复位系统
  • 4.5 USB 主机接口设计
  • 4.5.1 USB 总线及其接口芯片ISP1581
  • 4.5.2 TMS320DM642 的USB 接口设计
  • 4.6 TMS320DM642 的电源设计
  • 4.7 硬件设计的其它问题
  • 4.7.1 解码芯片的采样速率
  • 4.7.2 系统时序问题
  • 4.8 印制电路板(PCB)的设计
  • 第5章 系统软件设计与系统实现
  • 5.1 DSP 的系统设计开发流程
  • 5.1.1 项目建立
  • 5.1.2 项目调试
  • 5.2 系统软件的整体结构描述
  • 5.3 视频图像采集预处理软件设计
  • 5.3.1 图像采集预处理的FPGA 实现
  • 5.3.2 DSP 中断响应流程
  • 5.4 图像处理识别算法的软件设计
  • 5.4.1 边缘检测算法的软件设计
  • 5.4.2 图像分割算法的实现
  • 5.4.3 缺陷分类识别算法的实现
  • 5.5 检测系统的组成与运行结果测试
  • 第6章 结论与展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间发表学术论文
  • 相关论文文献

    • [1].机器视觉构造及应用综述[J]. 四川工程职业技术学院学报 2015(03)
    • [2].3D视觉,机器视觉未来蓝海[J]. 自动化博览 2019(12)
    • [3].台达:机器视觉“智造”未来[J]. 自动化博览 2019(12)
    • [4].基于机器视觉的南疆智能果蔬存放系统的设计研究[J]. 电子世界 2020(04)
    • [5].一种基于机器视觉的移动式汽车警示牌[J]. 电子世界 2020(03)
    • [6].基于深度学习的机器视觉儿童智能安防系统[J]. 电子质量 2020(04)
    • [7].5G战略应用机器视觉[J]. 中国公共安全 2020(04)
    • [8].基于机器视觉的快速分拣食品包装系统研究[J]. 肉类研究 2020(06)
    • [9].机器视觉影像测量技术在飞行器总装精测中的应用[J]. 装备制造技术 2020(07)
    • [10].智能制造专业机器视觉与检测课程线上教学探索[J]. 电子测试 2020(18)
    • [11].机器视觉让设备更智能[J]. 现代制造 2020(12)
    • [12].多项机器视觉新技术助力视觉产品性能提升[J]. 现代制造 2020(12)
    • [13].基于机器视觉与云平台监控的助农机器人设计[J]. 中国设备工程 2020(21)
    • [14].机器视觉对线缆市场的影响及趋势[J]. 功能材料信息 2018(04)
    • [15].机器视觉在网球捡球机器人中的应用研究[J]. 科技创新与应用 2019(16)
    • [16].机器视觉研究与发展综述[J]. 装备制造技术 2019(06)
    • [17].基于机器视觉的果园喷药机器人设计[J]. 湖北农机化 2019(16)
    • [18].国内机器视觉产业的技术市场[J]. 电子产品世界 2019(09)
    • [19].基于机器视觉的数字识别技术研究及实现[J]. 汽车实用技术 2019(22)
    • [20].机器视觉在汽车行业中的发展与应用[J]. 汽车实用技术 2017(22)
    • [21].基于GPS和机器视觉的自主导航定位农机设备研究[J]. 农机化研究 2018(02)
    • [22].机器视觉在多领域内的应用[J]. 电子技术与软件工程 2018(01)
    • [23].机器视觉时代,最好的时代![J]. 智能机器人 2018(02)
    • [24].台达机器视觉系统助力制造业迈向智造新时代——访台达集团-中达电通机器视觉产品项目经理王风路[J]. 国内外机电一体化技术 2016(06)
    • [25].宇视揭秘安防机器视觉[J]. 中国公共安全 2016(19)
    • [26].机器视觉:让中国制造2025“看”得更远[J]. 新经济导刊 2017(Z1)
    • [27].凌华科技推出三款高性能机器视觉产品[J]. 自动化应用 2017(02)
    • [28].台达携机器视觉系统解决方案 亮相2017上海国际机器视觉展[J]. 变频器世界 2017(03)
    • [29].机器视觉行业投资分析报告[J]. 机器人技术与应用 2015(05)
    • [30].邮电类高校《机器视觉与应用》课程教学创新改革与探索[J]. 学周刊 2020(21)

    标签:;  ;  ;  ;  ;  

    基于机器视觉的纸张缺陷检测系统的研究
    下载Doc文档

    猜你喜欢