导读:本文包含了面向机器视觉论文开题报告文献综述及选题提纲参考文献，主要关键词:机器视觉,语义分割,自动机器学习,超参数优化
面向机器视觉论文文献综述
刘桂雄,黄坚,刘思洋,廖普[1]（2019）在《面向语义分割机器视觉的AutoML方法》一文中研究指出自动机器学习(Automatic Machine Learning,AutoML)可实现语义分割,使机器学习大部分步骤自动化。针对面向超参数优化、迁移学习、神经架构搜索等方法的算法思想、优化对象、实现技术、技术指标、应用效果及场景,结合语义分割的机器学习超参数多、数据集规模较小、标注工作量大等问题,指出超参数优化、迁移学习、神经架构搜索分别有助于提升训练效率、降低样本标注工作量、自动构建专用卷积神经网络,若AutoML与机器视觉相结合可赋予系统自学习、快速更换检测对象和解决特别复杂任务等特性。(本文来源于《激光杂志》期刊2019年06期）
王飞,田刚,吴澎[2]（2019）在《面向智能制造应用的机器视觉检测方法研究》一文中研究指出智能制造是我国制造业的发展方向,将物联网、大数据等先进信息技术与制造业进行结合有利于智能制造的实现。本文提出了一种面向智能制造的机器视觉检测系统设计方案。基于机器视觉的生产线检测方法能有效完成对生产线生产产品的质量检测与数据统计,并实时完成数据上传,有利于提升企业的信息化建设。(本文来源于《信息与电脑(理论版)》期刊2019年12期）
杨建西,林海波[3]（2019）在《面向机油泵零件关键尺寸的机器视觉测量》一文中研究指出机油泵工作平面的检测精度直接影响其工作稳定性和寿命,针对利用微分算子进行边缘检测存在"提升噪声"缺陷,提出一种基于机器视觉的测量方法。在对背光数字图像进行边缘亚像素边缘提取的基础上,采用Ramer算法对获取的亚像素边缘坐标数据按几何特征进行分段,采用改进最小二乘法,提取有用边缘,迭代拟合零件轮廓,抑制离值点对边缘检测干扰。通过机油泵内外转子的检测结果表明:该方法能够精确提取具有清晰边缘的高精度复杂形状背光图像边缘信息,高效应用于中小机械零件的中心距、圆度等几何量的中高精度(IT5～IT7)测量。(本文来源于《组合机床与自动化加工技术》期刊2019年06期）
黄坚,刘桂雄[4]（2019）在《面向机器视觉检测的CNN语义分割方法进展》一文中研究指出图像分割是机器视觉的关键步骤。本文针对目前经典图像分割方法、基于图论的图像分割方法与语义分割方法,尤其是卷积神经网络(Convolutional Neural Networks,CNN)应用于语义分割存在问题,系统比较编-解码器、多孔卷积等端到端语义分割架构的结构、体系演进、特点及趋势、技术水平,指出CNN端到端语义分割方法的并联模块设计、多孔卷积层多孔比例选取、其他多尺度特征提取算法均值得深入研究,分割方法与评价规则算法、辅助标注、边缘智能计算和并行调度计算结合是研究重要趋势。(本文来源于《激光杂志》期刊2019年05期）
彭飞[5]（2019）在《面向发动机风扇罩的在线机器视觉系统的设计与实现》一文中研究指出随着德国工业4.0和中国制造2025、智能制造、智能工厂战略的相继提出和落实,机器视觉越来越多地用于工业制品的质量检验和尺寸测量等方面。汽车发动机风扇罩作为注塑件,其表面经常会出现各类毛刺、异突、缺凹、歪斜等缺陷。针对这些缺陷的检测,本文在传统机器视觉图像分析的基础理论上,设计了一套自动化标定系统和机器视觉检测系统,使其能够在线检测出工件的缺陷。并及时指导工人对工件进行修整和分拣。本文主要完成的工作如下:1)自动化相机标定设备的开发。针对相机人工采集标定图像时不精确的问题,本文设计了一套云台和丝杠组合的设备,实现了相机对标定图像的可重复地、精确的采集。基于张氏标定法利用OpenCV设计了不同类型相机的标定程序,实现了对RGBD、红外、单目、双目等相机的通用性,克服了不同相机之间来回切换程序的繁琐过程。2)搭建了机器视觉检测平台。设计了从流水线上获取工件、检测工件、处理结果的一套机器视觉检测平台。完成了对工业相机、光电开关、电磁阀、气缸以及步进电机等关键的传感器和动力元件的选型。完成了对抓取结构、相机模块等关键模块的叁维设计。3)设计并优化了机器视觉算法。基于传统的机器视觉检测流程,针对本文特定的发动机风扇罩进行了优化,并重新设计了其中一些重要的算法环节,提升了了图像检测的精度。优化设计了滤波环节,向高斯滤波中混入了中值滤波,提出了基于高斯滤波的混合滤波方式,克服了普通高斯滤波不能滤除冲击噪声的缺点。重新设计了图像增强算法,实现了图像灰度扩展算法对图像整体灰度的自适应,强化了数字图像中工件的细节部分。最后针对圆的拟合问题,提出了一种基于最近邻聚合(KNN)聚合原理的新的圆的拟合方式。4)机器视觉系统的设计和开发。基于新的机器视觉检测算法,设计了整套检测系统。系统分为图像采集和视觉检测系统两个大部分,其中的图像采集系统是基于下位机及硬件传感器开发完成的。基于OpenCV来开发完成视觉检测系统的算法部分,并利用Qt设计开发了整个系统的交互界面。5)系统的部署、运行测试和检测结果分析。(本文来源于《电子科技大学》期刊2019-05-01）
葛动元,姚锡凡,向文江,汪海志,刘敏[6]（2019）在《面向齿廓偏差等精密检测的机器视觉关键技术》一文中研究指出提出一种基于机器视觉的齿廓偏差检测新方法。在求得齿廓过某采样点的法线与基圆的切点后,得到该切点与对应的理论渐开线各离散点组成的各矢量倾角,采用"比较"与"异或"运算,得到过该采样点的齿廓的法线与理论渐开线的交点;然后,在齿轮齿廓渐开线的法线方向上测量齿廓偏差,以确保该方案所得到的齿廓偏差与其定义相一致。经实验得到所测某齿轮的齿廓偏差为6. 944 3μm。实验表明,所提出的基于机器视觉的齿廓偏差的检测方法,能够满足工程精度的需要。(本文来源于《机械传动》期刊2019年02期）
邸伟峰[7]（2019）在《面向电声器件PCB板视觉贴合系统的机器视觉关键技术研究》一文中研究指出近年来随着中国制造2025战略的不断推进,智能手机和平板电脑等智能电子产品的快速普及,电声器件行业进入快速发展阶段。电声器件行业是集印刷、点胶、贴合、焊接、组装等多环节于一体的加工制造行业。贴合作为其中的关键步骤,加工效果的好坏对产品的品质有着直接影响。本文结合电声器件PCB板贴合工序的实际情况,着重研究了面向电声器件PCB板视觉贴合系统的机器视觉关键技术,开发出具有较高自动化水平、环境适应性强、操作便利、稳定性高的视觉贴合系统。本文主要工作内容如下:(1)在贴合工艺和应用需求的基础上完成了视觉贴合系统的硬件系统设计,包括机器视觉系统的硬件选型、图像采集平台设计和机械手控制系统的关键设备选型、方案布局设计。(2)研究了圆形标定点中心提取算法。该提取算法通过集成应用图像预处理、阈值分割、形态学操作、边缘提取和最小二乘圆拟合等图像处理方法,解决了提取过程中图像存在的灰度不均匀、噪声、污渍干扰等问题,提高了圆形标定点提取精度。(3)分析研究了面向视觉贴合系统的相机标定技术。传统相机标定多采用单区域标定方法,修正图像精度较低,本文结合视觉贴合系统的实际应用环境,提出标定精度更高的分区域标定方法。(4)针对视觉贴合系统深入研究了图像匹配方法。通过实验对比,筛选出适用于视觉贴合系统的模板匹配算法;在保证匹配精度的前提下,提出优化匹配速度的叁个方向;针对PCB板外部轮廓边缘特性良好,内部轮廓边缘特性较差的问题,提出双模板匹配定位算法;为了提高操作效率,设计出创建模板与机械补偿调整一体化的在线模板对位方法。(5)根据设计原则和功能需求,确定了系统的模块划分和软件框架,设计了系统的人机界面;鉴于设备运行过程中自我保护方面的考虑,建立了视觉贴合系统的限位保护机制;最后通过实验验证了系统的精度、效率和稳定性。(本文来源于《华南理工大学》期刊2019-01-02）
王中任,刘海生,肖光润,刘德政,晏涛[8]（2018）在《面向新工科的机器视觉技术课程建设研究》一文中研究指出分析了新工科的特点及其对机器视觉技术人才的要求,提出了要以"新工科"为指导,整合课程教学内容,进行立体化教材建设。介绍了以案例教学为重点的课堂教学方法改革。提出了以实验室建设为依托,构建机器视觉实践平台。最后,以湖北文理学院VISION团队为例,介绍了通过校企合作培养机器视觉行业创新创业人才的方法与途径。(本文来源于《教育教学论坛》期刊2018年50期）
詹千熠,蒋亦樟,晏涛,王骏,邓赵红[9]（2018）在《面向数字媒体技术专业的机器视觉类课程智能化教学研究》一文中研究指出根据新一代人工智能技术的发展,机器视觉作为最适合数字媒体技术专业的课程已编入本科教学大纲。结合当前先进的智能化大数据处理技术,尝试将该方法引入数字媒体技术专业的机器视觉课程的教育过程中,通过采集学生课堂的实时大数据来追踪学生的学习表现,进而改进教学手段,提升教学效果。(本文来源于《无锡职业技术学院学报》期刊2018年04期）
潘银松,李政英,王丽芳,丁徽徽,蒲春宇[10]（2018）在《面向机器视觉的云母槽精确定位系统》一文中研究指出针对机车电机整流子维修加工过程中,当前普遍应用的激光调制定位型云母槽削刻系统存在精度较低且需大量人工干预的问题,提出了一种基于机器视觉的云母槽精确定位方法,来克服电机整流子云母槽边缘难以精确提取的难点。本系统首先自主设计了精度补偿算法并构建了定位误差修正模型,基于此搭建了嵌入式系统平台,实现了对云母槽中心线的全自动快速精确定位;准确计算刻刀与中心线的偏差值;精确控制刀头移动到正确的下刻位置。实验结果表明,该仪器能精准计算云母槽中线位置,通过伺服电机对铣刀进行微调对准,并将刻刀定位误差控制在0.02 mm之内,实现了整个操作流程的自动化和精确化。(本文来源于《光电工程》期刊2018年07期）
面向机器视觉论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
智能制造是我国制造业的发展方向,将物联网、大数据等先进信息技术与制造业进行结合有利于智能制造的实现。本文提出了一种面向智能制造的机器视觉检测系统设计方案。基于机器视觉的生产线检测方法能有效完成对生产线生产产品的质量检测与数据统计,并实时完成数据上传,有利于提升企业的信息化建设。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
面向机器视觉论文参考文献
[1].刘桂雄,黄坚,刘思洋,廖普.面向语义分割机器视觉的AutoML方法[J].激光杂志.2019
[2].王飞,田刚,吴澎.面向智能制造应用的机器视觉检测方法研究[J].信息与电脑(理论版).2019
[3].杨建西,林海波.面向机油泵零件关键尺寸的机器视觉测量[J].组合机床与自动化加工技术.2019
[4].黄坚,刘桂雄.面向机器视觉检测的CNN语义分割方法进展[J].激光杂志.2019
[5].彭飞.面向发动机风扇罩的在线机器视觉系统的设计与实现[D].电子科技大学.2019
[6].葛动元,姚锡凡,向文江,汪海志,刘敏.面向齿廓偏差等精密检测的机器视觉关键技术[J].机械传动.2019
[7].邸伟峰.面向电声器件PCB板视觉贴合系统的机器视觉关键技术研究[D].华南理工大学.2019
[8].王中任,刘海生,肖光润,刘德政,晏涛.面向新工科的机器视觉技术课程建设研究[J].教育教学论坛.2018
[9].詹千熠,蒋亦樟,晏涛,王骏,邓赵红.面向数字媒体技术专业的机器视觉类课程智能化教学研究[J].无锡职业技术学院学报.2018
[10].潘银松,李政英,王丽芳,丁徽徽,蒲春宇.面向机器视觉的云母槽精确定位系统[J].光电工程.2018