导读:本文包含了计算机视觉检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:视觉,计算机,卷积,缺陷,零件,特征,神经网络。
计算机视觉检测论文文献综述
王佳[1]（2020）在《计算机视觉在香芋病害检测中的应用研究》一文中研究指出针对传统的人工识别香芋病害的局限性、主观性的特点,基于计算机视觉技术设计了香芋病害识别系统,由病害图像采集装置、图像处理系统、形态特征提取系统和缺陷目标检测系统组成。通过提取香芋叶片的颜色特征和纹理特征,建立香芋病害数据库,并利用支持向量机(SVM)的方法对香芋病害识别。试验结果表明:基于计算机视觉的香芋病害检测系统能够准确识别香芋的病害类别,满足使用要求,能够为后续的香芋病害防治工作提供准确信息。(本文来源于《农机化研究》期刊2020年08期）
陈涛[2]（2019）在《计算机视觉技术在农产品品质检测中的应用》一文中研究指出随着消费者对食品安全关注的增加,农产品品质检测越来越重要。计算机视觉作为一种无损检测方法,有快速、使用简便、制样少的优势,已广泛应用于农产品的大小、形状、颜色、缺陷、新鲜度等品质检测。该文简要陈述了计算机视觉技术的原理,主要介绍其在2009—2018年间农产品品质评价方面的应用情况,旨在为计算机视觉技术在未来农产品品质检测方面的应用提供参考。(本文来源于《安徽农学通报》期刊2019年20期）
林俊,党伟超,潘理虎,白尚旺[3]（2019）在《基于计算机视觉的井下输送带跑偏检测方法》一文中研究指出为了准确监测井下输送带运行状态,防止输送带跑偏,提出了一种基于计算机视觉的井下输送带跑偏检测方法。首先采用基于卷积神经网络的MaskRCNN实例分割算法提取输送带图象中的感兴趣区域并进行图像预处理;之后采用改进的Canny算法提取输送带区域的边缘轮廓信息;最后采用改进的直线段检测(LSD)算法提取输送带边缘直线特征,根据边缘直线的斜率和中心线的相对位置判断输送带是否跑偏。实验结果表明,提出的井下输送带跑偏检测方法能够较准确地检测出输送带边缘直线从而进行跑偏判定,验证了算法的有效性。(本文来源于《煤矿机械》期刊2019年10期）
叶群辉[4]（2019）在《基于计算机视觉的前方车辆检测及测距分析》一文中研究指出汽车交通安全问题已成为现代社会非常重要的研究问题,智能交通系统可以显着降低交通事故发生的概率.基于计算机视觉的前方车辆检测及测距研究,提出了一种结合车牌面积及图像阴影算法来计算实际距离,并运用单目视觉测距方法来实现对车距的检测,应用二阶径向畸变模型降低现实因素造成的误差而导致的数据误差.结果表明:静态试验测距误差为2%～4%,距离为10～22 m,误差较为稳定;动态车距测量在10～80 m内都可以保持较小的误差.(本文来源于《兰州工业学院学报》期刊2019年05期）
向玉开,雷林建,张悦[5]（2019）在《基于计算机视觉的注塑零件表面缺陷在线检测研究》一文中研究指出传统的注塑零件表面缺陷检测多采用人工抽检的方式进行,人工检测在数量较庞大时难以保证实时性,且人为主观判断的个体差异也会影响检测的质量。计算机视觉技术的发展,使得表面缺陷的在线实时检测变成可能。现有的缺陷检测系统多针对一种零件的一种或几种缺陷设计。根据注塑零件表面缺陷的特点,设计了一种根据零件形态、位置状态进行自适应形位校正,并计算Hu矩特征,再由光照相关相似度匹配实现缺陷识别的在线缺陷检测算法。算法仅需少量标注样本,且能够适应两种注塑零件和多种表面缺陷,实现注塑零件在线检测的自动化。(本文来源于《塑料工业》期刊2019年S1期）
李易健,张浩楠,黄金龙[6]（2019）在《基于计算机视觉的零件缺陷检测系统》一文中研究指出本文介绍了计算机视觉和机器学习的概念和国内外发展现状,并且详细介绍了对于本次零件缺陷检测相对应的算法,和具体的处理流程,交代了算法的优越性以及使用原因。同时对于模型的局限性进行了总结并提出了解决方案。(本文来源于《电子技术与软件工程》期刊2019年15期）
张乾,肖永菲,杨玉成,余江浩,王林[7]（2019）在《基于计算机视觉的室外停车场车位检测实验设计》一文中研究指出为便于汽车驾驶员在室外停车场中寻找可用空车位,基于以数据采集、图像处理和目标检测等过程的计算机视觉,开发了室外停车场车位检测实验。该实验将Haar-like特征描述和车位中颜色能量变化作为判别模型的数据输入,选取随机森林作为车位可用状态的判别模型。通过在国际公开数据集PKLot上进行实验,对可用车位的检测准确率的均在91%以上;在自建的GZMU-LOT上进行实验,可用空车位的检测准确率达92.21%。(本文来源于《实验技术与管理》期刊2019年07期）
李成吉,张淑娟,孙海霞,陈彩虹,邢书海[8]（2019）在《基于计算机视觉的核桃外观缺陷检测》一文中研究指出为快速准确识别核桃外观缺陷(黑斑、破裂),自行搭建图像采集系统采集样本图像。预处理后采用形态学和逻辑运算去除背景,基于样本图像提取18个颜色特征参数和20个纹理特征参数。采用形态学和逻辑运算提取缺陷部分和样本投影像素面积的比值t以及样本图像阈值分割后二值图像的欧拉数。分别采用回归系数法(Regression Coefficient,RC)和连续投影法(Successive Projections Algorithm,SPA)优选特征参数并建立偏最小二乘法(PLS)模型。结果表明,基于SPA法优选特征参数建立的模型性能最优。将SPA法提取的5个优选特征参数作为输入建立最小二乘支持向量机(LS-SVM)模型,并对预测集样本进行预测。结果表明,对正常核桃、黑斑核桃、破裂核桃的判别准确率分别为88.9%、83.3%、94.6%,总判别率为88.9%。本研究建立的方法能够很好的对核桃外观缺陷进行检测,为今后核桃的在线检测分选提供了技术支持。(本文来源于《现代食品科技》期刊2019年08期）
薛振北,方奇[9]（2019）在《基于计算机视觉的人群密度检测的设计》一文中研究指出随着我国经济社会的快速发展,我们面临着多种应急突发事件:自然灾害、事故灾难、公共卫生、社会安全等,严重影响了我国经济的健康发展,对百姓的生命、财产安全也造成了严重威胁。建立预警和应急机制是保障人民生命财产的重要内容,预警和应急机制能够把应急信息在最短时间内发布出去。对视频图像中的人群密度的检测是实现应急预警能力的先导,也是保障人民生命财产的一个重要部分,预先知道人的数量能够更好地应对突发事件。本文针对人群密度检测中经常出现的问题,采用计算机视觉的相关技术,对人群密度的相关算法进行研究,得到基于计算机视觉人群密度检测的设计方案。(本文来源于《2019贵州社会公共安全高端论坛优秀论文集》期刊2019-06-28）
李文[10]（2019）在《计算机视觉中运动目标检测算法探究》一文中研究指出运动目标检测是指在图像序列中检测出变化区域并将运动目标从背景图像中提取出来。通常情况下,目标分类、跟踪和行为理解等后处理过程仅仅考虑图像中对应于运动目标的像素区域,因此运动目标的正确检测与分割对于后期处理非常重要,本文主要介绍几种经常使用的目标检测算法的原理。(本文来源于《数码世界》期刊2019年06期）
计算机视觉检测论文开题报告
（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：
随着消费者对食品安全关注的增加,农产品品质检测越来越重要。计算机视觉作为一种无损检测方法,有快速、使用简便、制样少的优势,已广泛应用于农产品的大小、形状、颜色、缺陷、新鲜度等品质检测。该文简要陈述了计算机视觉技术的原理,主要介绍其在2009—2018年间农产品品质评价方面的应用情况,旨在为计算机视觉技术在未来农产品品质检测方面的应用提供参考。
（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。
计算机视觉检测论文参考文献
[1].王佳.计算机视觉在香芋病害检测中的应用研究[J].农机化研究.2020
[2].陈涛.计算机视觉技术在农产品品质检测中的应用[J].安徽农学通报.2019
[3].林俊,党伟超,潘理虎,白尚旺.基于计算机视觉的井下输送带跑偏检测方法[J].煤矿机械.2019
[4].叶群辉.基于计算机视觉的前方车辆检测及测距分析[J].兰州工业学院学报.2019
[5].向玉开,雷林建,张悦.基于计算机视觉的注塑零件表面缺陷在线检测研究[J].塑料工业.2019
[6].李易健,张浩楠,黄金龙.基于计算机视觉的零件缺陷检测系统[J].电子技术与软件工程.2019
[7].张乾,肖永菲,杨玉成,余江浩,王林.基于计算机视觉的室外停车场车位检测实验设计[J].实验技术与管理.2019
[8].李成吉,张淑娟,孙海霞,陈彩虹,邢书海.基于计算机视觉的核桃外观缺陷检测[J].现代食品科技.2019
[9].薛振北,方奇.基于计算机视觉的人群密度检测的设计[C].2019贵州社会公共安全高端论坛优秀论文集.2019
[10].李文.计算机视觉中运动目标检测算法探究[J].数码世界.2019
论文知识图
