1. 研究目的与意义（文献综述包含参考文献）
1.1课题背景零件故障是工业零件生产中不可避免的问题，如果不及时发现并处理，将会影响产品外观表面质量及性能，导致企业生产效益下降.目前，针对工业生产线上的工业零件存在尺寸误差和外观缺陷等问题，大多数工厂采用人工方式来测量尺寸和检测缺陷，但人工测量和检测的精度易受外部环境和主观意识的影响，从而会有检测效率低、误检及漏检率高等问题。
为此，本项目设计了一种基于机器视觉的工业零件故障检测系统。
缺陷检测过程可以分为零件图像的获取、零件的检测及预处理、缺陷特征提取、分类识别等阶段，其中特征选择和提取的基本任务是从图像的众多数据中找出最能代表其特征的有效信息，这一步是保证分类器设计能否实现以及性能是否优良的关键基础。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容、问题解决措施及方案
2.1主要研究内容零件缺陷识别是工业自动化过程中的重要步骤，基于计算机视觉的零件识别由于具有高速、便捷等优点，得到了广泛的研究。
深度学习技术能够有效地学习图像描述，在自动的零件识别中具有很大的挖掘空间。
本课题的研究内容主是图像识别算法研究编程模拟，最终实现零件缺陷的自动识别。
剩余内容已隐藏，您需要先支付 1元 才能查看该篇文章全部内容！立即支付
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
