导读:本文包含了颜色缺陷论文开题报告文献综述及选题提纲参考文献，主要关键词:褐黄色钻石,晶格缺陷,位错滑移,致色机理
颜色缺陷论文文献综述
亓炜,鲍晶,刘柳,刘厚祥[1]（2019）在《津巴布韦灰褐黄色钻石中晶格缺陷与其颜色耦合关系》一文中研究指出针对津巴布韦钻石颜色普遍呈现褐黄色、黄褐色、灰褐色等色调,且内部晶格缺陷普遍发育等特征,采用红外光谱仪、显微红外光谱仪、拉曼光谱仪、Diamond View等测试分析方法,就津巴布韦钻石的晶格缺陷与其颜色的耦合关系进行研究。研究结果表明,多组位错滑移线系是津巴布韦褐黄、黄褐色钻石晶体中常见的一种线缺陷,多沿钻石晶体的{111}方向上位错滑移而成;由线缺陷、位错滑移和点缺陷群构成的晶格缺陷是导致津巴布韦钻石晶体呈现褐黄、黄褐色调的主要缘由;503nm(H3)发光中心和575nm及637nm发光中心与该类钻石晶体内的晶格缺陷密切相关,是导致津巴布韦钻石呈现褐黄色、黄褐色调的主要缘由之一;由C-H键伸缩和弯曲振动及合频振动导致的一组特征红外光谱分别出现在3107cm~(-1)、1405cm~(-1)及4498cm~(-1)的波数范围内,由晶格氢形成的杂质原子心是导致津巴布韦钻石呈现灰褐色调的主要缘由。(本文来源于《中国国际珠宝首饰学术交流会论文集（2019）》期刊2019-11-13）
周友行,马逐曦,石弦韦,孔拓[2]（2019）在《HSI颜色空间下的直线导轨表面缺陷检测方法》一文中研究指出为解决直线导轨表面微小缺陷受背景纹理影响、无法准确检测的问题,提出了一种HSI颜色空间下的直线导轨表面缺陷视觉检测方法。将直线导轨表面图像由RGB空间转换到HSI空间,得到色调、饱和度和亮度的分量图;采用主成分分析法对各分量图像进行降维,建立混合灰度模型;利用粒子群算法优化其相应的加权系数;通过阈值分割完成缺陷检测。实验及计算结果表明,相比RGB空间的缺陷提取,该方法能准确检测出常见的直线导轨表面四种类型缺陷。(本文来源于《中国机械工程》期刊2019年18期）
金根炎[3]（2019）在《基于机器视觉的光伏太阳能晶硅电池片缺陷检测及颜色分选系统研究》一文中研究指出为了解决在丝网印刷流水线末端光伏太阳能晶硅电池的自动缺陷检测和颜色分类的问题,通过对太阳能电池的检测方法进行分析,提出了基于机器视觉的电池片缺陷检测及颜色分选的解决方案,开发了光伏太阳能晶硅电池片检测系统。首先介绍了太阳能电池的制备工艺,分析了太阳能电池的常见缺陷种类和色系等级及其形成原因,并提出了相应的检测标准和要求。同时进行光伏太阳能晶硅电池片检测系统整体方案设计,分别对系统硬件和系统软件进行分析设计,然后根据检测系统要求完成了工业相机,镜头,灰度卡等核心元件的选型以及检测功能模块化,离线在线相结合的软件系统设计。研究了太阳能晶硅电池片缺陷检测算法,介绍了电池片图像的色彩校正,区域提取,硅片定位,工艺点屏蔽等预处理过程。提出了基于亚像素的电池片的尺寸测量方法。针对破损缺陷,分别使用形态学和参考模板的检测方法进行实验,通过比较分析选择合适的检测算法。针对栅线印刷缺陷,根据栅线分布特征将检测步骤细分为栅线提取,细栅检测,主栅检测。针对脏污缺陷,提取出基于改进的局部阈值分割方法。研究了太阳能晶硅电池片颜色分选算法,介绍了常用的颜色空间及其转化方法,并使用HSI通道进行颜色直方图特征提取。分析了传统的颜色分选算法后,提出了一种基于神经网络的颜色分选算法,并通过实验对比分析两种方法的运行效率和精确度,验证了本算法的优越性。最后,针对本课题的太阳能晶硅电池片缺陷检测及颜色分选系统,在线检测与人工目检相结合,分别从系统的精确度,高效性以及稳定性进行综合性能的实验分析。实验数据表明,系统的综合性能可以满足实际生产需求。(本文来源于《华南理工大学》期刊2019-01-03）
曾磊,曾芳艳,冯午阳,张书真,宋海龙[4]（2018）在《基于颜色与缺陷检测的椪柑分级算法》一文中研究指出以湘西椪柑为研究对象,提出了一种基于颜色与缺陷检测的椪柑自动分级算法.首先,对椪柑灰度图像进行阈值分割和孔洞填充得到二值图像;然后,将二值图像与椪柑彩色图像的R,G,B分量分别进行与运算,并将运算后的3幅单色图像进行合成,从而得到彩色图像的椪柑目标区域;接着,提取目标区域的黄色像素占比和缺陷面积作为色泽特征参数和缺陷特征参数;最后,利用决策树模型融合特征参数以进行椪柑分级判定.实验结果表明,对比基于单一特征的椪柑分级算法,新算法通过特征的互补提高了椪柑分级的准确率.(本文来源于《吉首大学学报(自然科学版)》期刊2018年06期）
张瑞峰,夏坡坡,张辉,陈喜庭,赵辰彦[5]（2018）在《基于RGB颜色分量线性关系的木材缺陷分割研究》一文中研究指出以RGB色彩空间为基础,木材缺陷目标分割识别为目标,提出了一种用于木材缺陷彩色图像识别的阈值分割方法。通过数学分析RGB叁个色彩分量的数学关系及其直方图之间关系,得出了基色两两之间的线性关系表达式,取得线性关系表达式之间联系,即得出木材图像分割阈值范围公式。即得出无损图像的RGB两两基色的线性关系的集合范围,超出集合的便认为是缺陷。实验结果表明,本算法可以实现对木材缺陷彩色图像精准分割与识别。(本文来源于《大庆师范学院学报》期刊2018年06期）
徐永宽,金雷,程红娟,史月增,张丽[6]（2018）在《不同颜色AlN单晶缺陷研究》一文中研究指出通过物理气相传输(PVT)法在石墨系统中制备了绿色、无色和琥珀色氮化铝(Al N)单晶,在金属系统中制备了琥珀色Al N单晶。晶体中杂质含量测试结果表明石墨系统中琥珀色的Al N晶体比绿色和无色Al N晶体C、Si杂质含量低1~2个数量级,金属系统中琥珀色Al N晶体杂质含量最低,C、Si、O元素含量均在1018cm-3级别。Al N晶体的吸收图谱和光致发光图谱的分析结果表明,Al N晶体存在着位于4.7 e V、3.5 e V、2.8 e V、1.85 e V的4个吸收峰,其中4.7 e V和3.5 e V的吸收峰导致了Al N吸收截止边的红移,该吸收峰分别源于碳占氮位(CN)的点缺陷和VAl与O杂质的复合缺陷,2.80 e V的吸收峰导致了Al N晶体的琥珀色,该吸收峰是C元素和O元素共同导致的,1.85 e V的吸收峰导致了Al N晶体的绿色,该吸收峰是Si元素和C元素导致的。(本文来源于《人工晶体学报》期刊2018年07期）
黄炳强[7]（2018）在《基于机器视觉的长竹条表面缺陷检测及颜色分类研究》一文中研究指出随着我国竹木产业的发展,竹制品越来越受到人们的喜爱,但由于当前我国竹制品加工技术落后、生产效率低下、判断标准不统一等问题,严重阻碍了我国竹业市场扩大。为此,本课题基于国家星火计划项目对长竹条表面缺陷检测及颜色分类系统及方法进行了研究,实现了长竹条表面缺陷检测和颜色的分类,对提高竹制品企业的生产效益和自动化加工生产效率发挥着重要作用,论文研究的主要内容如下:(1)设计了长竹条表面图像采集方案。根据长竹条的形状和长度特点,设计了用于长竹条表面图像采集的装置,通过选择合适的采集设备,搭建用于长竹条表面缺陷检测的机器视觉系统,采集了常见竹条缺陷及3种颜色类型的图像样本库,实现了动态运动长竹条表面图像的合理采集。(2)分析了长竹条表面图像缺陷的类型,设计各个常见竹条缺陷(包括虫洞、裂缝、竹青、竹白)的检测方法和流程。对长竹条表面缺陷类型进行分析,划分了竹条的缺陷类型,并针对性的对常见的虫洞、裂缝、竹青和竹白缺陷进行检测,首先对原始图像进行去噪、灰度化、阈值化、倾斜校正等预处理算法的设计,然后基于形态学和差影的方法对虫洞缺陷进行了检测、基于自适应Canny双阈值对竹条的裂缝进行了检测、基于垂直投影结合边缘提取对大/小竹青缺陷进行了检测和基于区域生长算法的竹白缺陷检测。(3)针对黄面的竹白缺陷,提出了一种基于自适应区域生长分块处理的检测方法和一种用于检测竹节的跃变特征,实现了竹白缺陷的快速检测,避免了竹节区域对竹白缺陷检测的影响,提高了竹白检测的效率。(4)结合长竹条青黄面灰度、纹理、颜色等特征,对竹条青黄面的检测方法进行了研究。为了减少竹条青黄面对缺陷检测的影响,通过建立叁层3输入2输出用于竹条表面识别的网络结构和模型,综合提取了16个竹条表面特征输入到网络中进行训练,根据输出判断竹条的青黄面,结果表明总检测率在99%以上,获得了较好的效果。(5)分析了影响长竹条分类的原因,对竹条颜色分类的方法进行了研究。针对长竹条颜色区域的分布不均匀,提出了一种基于主颜色的特征提取方法,结合机器学习算法设计了基于KNN算法的组合分类器,实现了长竹条颜色的分类。所设计的方法稳定有效,减少了竹条表面颜色分布不均匀的影响,提高了竹条分类的抗干扰能力,平均分类检测成功率为91.58%。(本文来源于《广西师范大学》期刊2018-06-01）
王泽润[8]（2018）在《基于颜色与纹理特征的木材表面缺陷识别方法》一文中研究指出木材表面缺陷检测技术是一种基于机器视觉与计算机图像识别的多学科技术,通过对木材图像特征值的提取与分析,将缺陷识别,并广泛地应用在木制品原材料挑选方面,具有极高的实用价值。木材表面缺陷图像的检测原理是利用光学设备的图像拍摄和计算机的逻辑运算能力代替人类的眼睛和大脑,来对木材进行感知并且以特定的方式识别出木材表面图像中的缺陷部分。首先通过光学设备获取木材表面缺陷图像,并将其以数字图像的形式保存。其次通过算法把获得的木材表面图像进行预处理并分块,提取出木材表面缺陷图像子块的特征,然后对提取出来的特征进行模式识别方法的训练,建立模型。通过模型来达成对木材缺陷图像进行识别和分类的要求。本文主要以木材的死节、活节和虫眼叁种常见缺陷为研究对象,对木材的缺陷图像分块和模式识别方法进行了研究。通过对木材表面缺陷的分析,发现了颜色和纹理特征是木材缺陷和正常部分的最大区别之一。然后对木材表面图像进行分块,提取子块的颜色和纹理特征,并使用支持向量机训练,建立了缺陷在木材表面存在的模型。随之提出了基于颜色和纹理特征的木材表面缺陷识别方法。其中分别使用了灰度最大熵、颜色聚合向量和颜色矩叁种颜色特征和LBP纹理特征对缺陷进行了识别。以下为本文主要工作:(1)分别使用颜色或纹理作为特征,建立了模型,并正确地识别出了木材表面的缺陷。但是单一特征的木材表面缺陷检测容易出现误检,使识别结果并不与真实情况完全符合。(2)由于单一使用颜色或纹理作为特征识别木材表面缺陷的效果不佳,会出现误检,本文尝试了将两者特征一起作为特征进行识别,以期相对于单一特征的木材表面缺陷识别方法,其能更进一步地将缺陷识别。试验结果表明,两者特征融合实现了互补,可以在正确识别出木材表面缺陷的前提下,减少了识别的误检率。且所有识别方法在识别纹理不明显的旋切木板时的精度远远高于测量纹理明显的旋切木板精度。(本文来源于《浙江农林大学》期刊2018-01-11）
李建辉[9]（2017）在《基于机器视觉的竹条表面缺陷检测及颜色分类系统设计》一文中研究指出在我国,竹资源丰富且再生能力强,因此竹材在各方面都得到广泛应用,特别是在竹家具、竹砧板等方面。由于竹条在生长和贮存过程中会长虫、发霉,在破竹过程中会造成竹条裂开,烘干过程会因竹条含水量不同和烘干时间不同造成颜色不一。竹材表面完整以及颜色一致是衡量产品质量的重要标准,所以挑选出缺陷竹条以及竹条按颜色分类是竹产品加工的重要环节。而目前竹产品加工行业采用人工肉眼挑选缺陷竹条及颜色分类,此法效率低、长时间作业以及人肉眼视觉疲劳会影响筛选质量。本文旨在设计基于机器视觉的竹条表面缺陷检测及颜色分类系统实现竹条自动分拣以取代传统人工肉眼筛选方式。本文主要研究了基于机器视觉的表面缺陷检测及颜色分类方法,设计了竹条表面缺陷检测及颜色分类的总体方案。着重论述了虫眼缺陷检测、裂缝缺陷检测、竹青缺陷检测以及基于CIEDE2000色差的颜色分类算法实现过程,并对测试结果作出了分析。本文的主要研究内容如下:1.本文研究了光源类型以及光源照明方案,设计了适用于竹条表面缺陷检测及颜色分类的光源照明系统。光源的种类以及光源照射的组合方式多种多样,对于各种不同的缺陷,与之相适应的照明系统才能突出缺陷特征。针对竹条裂缝、虫眼缺陷的特征以及考虑到大范围照明的需求和竹条颜色分类的需求,光源照明系统采用D65标准光源,它是模拟人工日光,显色指数高,而且能提供大面积的照明。为了突出裂缝、虫眼等缺陷特征,照明方案采用了直接明场正面照明方案。2.本文研究了表面缺陷检测算法,设计了基于机器视觉的竹条表面缺陷检测系统。竹条的缺陷类型主要包括虫眼、裂缝以及竹青等缺陷。在算法的设计过程中首先分析了各种缺陷与正常竹条的特征差异。针对虫眼缺陷区域与背景的相似性,采用了最大类间方差法阈值分割,水漫填充法以及形态学填充。针对裂缝缺陷灰度值的突变性,采用了 Canny算子检测算子检测裂缝,并对其改进,使其上下阈值以最大类间方差最优阈值为基础自适应调整。针对竹青缺陷阈值分割图在x方向上投影数据统计,以竹条宽的方差特性做为竹青缺陷检测特征。3.本文研究了工业上比较常用的几种色差公式,设计了基于CIEDE2000色差公式的竹条颜色分类系统。通过比较待测竹条与样本组色差,将待测竹条中色差最小类归为同类。通过对CIE94、CMC、CIELAB以及CIEDE2000色差公式的比较,选用了更接近人眼视觉感知系统的CIEDE2000色差公式来计算竹条之间色差。为了提高颜色分类的鲁棒性,防止差样本影响颜色分类,本文提出了以高斯系数加权调整待测竹条与样本组色差的方法。4.本文设计了一套适用于竹条实时检测的软件系统。该系统包括了 UI用户界面以及多线程图像处理、下位机通讯。(本文来源于《广西师范大学》期刊2017-04-01）
徐亚明,黄晶晶,田鹏,邢诚[10]（2016）在《HSV颜色理论在核安全壳表面缺陷检测中的应用》一文中研究指出锈蚀和渗流是核安全壳外观检查中较为重要的两种缺陷,但由于其没有固定形态,容易被淹没在背景噪声中。针对这两种缺陷的颜色特征,利用HSV颜色分割理论实现对锈蚀和渗流目标与背景的分离,取得了较好的实验结果。(本文来源于《测绘地理信息》期刊2016年02期）
颜色缺陷论文开题报告
（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：
为解决直线导轨表面微小缺陷受背景纹理影响、无法准确检测的问题,提出了一种HSI颜色空间下的直线导轨表面缺陷视觉检测方法。将直线导轨表面图像由RGB空间转换到HSI空间,得到色调、饱和度和亮度的分量图;采用主成分分析法对各分量图像进行降维,建立混合灰度模型;利用粒子群算法优化其相应的加权系数;通过阈值分割完成缺陷检测。实验及计算结果表明,相比RGB空间的缺陷提取,该方法能准确检测出常见的直线导轨表面四种类型缺陷。
（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。
颜色缺陷论文参考文献
[1].亓炜,鲍晶,刘柳,刘厚祥.津巴布韦灰褐黄色钻石中晶格缺陷与其颜色耦合关系[C].中国国际珠宝首饰学术交流会论文集（2019）.2019
[2].周友行,马逐曦,石弦韦,孔拓.HSI颜色空间下的直线导轨表面缺陷检测方法[J].中国机械工程.2019
[3].金根炎.基于机器视觉的光伏太阳能晶硅电池片缺陷检测及颜色分选系统研究[D].华南理工大学.2019
[4].曾磊,曾芳艳,冯午阳,张书真,宋海龙.基于颜色与缺陷检测的椪柑分级算法[J].吉首大学学报(自然科学版).2018
[5].张瑞峰,夏坡坡,张辉,陈喜庭,赵辰彦.基于RGB颜色分量线性关系的木材缺陷分割研究[J].大庆师范学院学报.2018
[6].徐永宽,金雷,程红娟,史月增,张丽.不同颜色AlN单晶缺陷研究[J].人工晶体学报.2018
[7].黄炳强.基于机器视觉的长竹条表面缺陷检测及颜色分类研究[D].广西师范大学.2018
[8].王泽润.基于颜色与纹理特征的木材表面缺陷识别方法[D].浙江农林大学.2018
[9].李建辉.基于机器视觉的竹条表面缺陷检测及颜色分类系统设计[D].广西师范大学.2017
[10].徐亚明,黄晶晶,田鹏,邢诚.HSV颜色理论在核安全壳表面缺陷检测中的应用[J].测绘地理信息.2016