一、CCD技术在啤酒生产在线检测中的应用（论文文献综述）
谢宇飞[1]（2021）在《基于气味与近红外光谱检测的啤酒发酵过程研究》文中指出发酵过程是决定啤酒品质的重要一环,对啤酒质量有着重要影响。当前啤酒发酵过程的检测通常依靠感官、化学方法和仪器法,检测手段繁多、操作复杂导致结果滞后,无法及时指导生产。本研究以啤酒发酵过程为研究对象,探究温度和溶氧量对啤酒发酵过程品质的影响,结合气味检测技术对啤酒发酵过程进行阶段判别,并通过近红外光谱技术对反应发酵状态的理化指标进行建模。最后利用气味和近红外光谱技术搭建啤酒发酵过程监测系统,对啤酒发酵过程的气味、理化指标等进行验证。（1）首先探究了不同温度（9、12和15℃）和不同溶氧量（3.69、5.43和8.59 mg/L）对啤酒主酵阶段发酵速率、酵母菌数量、理化指标以及挥发性成分的影响,并进行感官评定。结果表明,12℃为主酵温度溶氧量为8.59 mg/L时,温度较适宜酵母菌的增殖代谢活动,可有效增加酒精的浓度,提高糖类物质的利用率,能够降低p H值并提供酸性环境抑制杂菌生长,保证酵母菌的生长环境不受污染,醇类物质和酯类物质的比例更加协调,口感更加醇厚、清澈。（2）其次通过PEN3电子鼻和GC-MS技术从宏观和微观角度对发酵过程的气味信息进行分析,通过电子鼻结合多元统计方法对发酵阶段进行判别,采用GC-MS对被判别的样品挥发性成分的变化进行研究。结果表明,电子鼻能对啤酒发酵阶段进行良好判别,气味分析结果显示在发酵第5天挥发性成分出现拐点。GC-MS结果显示不同发酵阶段挥发性物质有所区别,随着发酵时间的延长不断丰富化并于第5天趋于稳定,与电子鼻分析结果一致,为基于气味检测技术电子鼻的啤酒发酵过程在线监测技术的研究和开发提供理论基础。（3）为了对反应啤酒发酵状态的酒精度和糖度进行快速检测,弥补电子鼻定量检测的不足,采用近红外光谱技术对样品光谱数据进行分析,结合间隔偏最小二乘筛选特征波段,优选出啤酒发酵酒精度和糖度的最优建模参数,提高模型的精度和稳定性,为啤酒酿造生产中酒精度、糖度的在线检测提供技术支持。（4）设计了基于气味和近红外光谱的啤酒发酵监测系统,并对监测系统进行验证性实验,结合电子鼻采集顶空气味数据,近红外光谱仪对啤酒发酵过程光谱数据进行在线检测。结果表明,电子鼻主成分分析可以直观展现发酵过程挥发性化合物含量和种类的变化,对啤酒发酵进程的判别具有重要意义。近红外光谱在线检测酒精度和糖度的预测模型决定系数分别为0.7732和0.8966,能够达到发酵过程中理化指标在线检测的要求。
赵于翔[2]（2020）在《面向啤酒瓶缺陷检测的虚拟仿真实验》文中研究指明虚拟教学仿真实验具有逼真的3D演示效果,且可以借助网络共享,在教育领域广泛应用。在此背景下,本文结合高校图像处理实验课程,设计了基于VR的啤酒瓶检测虚拟仿真实验。仿真实验使用Unreal Engine 4引擎开发,3DS Max建模,使用鼠标和键盘交互设备操作实验。本文的主要工作内容有:第一:查阅文献资料,根据啤酒瓶检测系统的结构组成和工作原理,对仿真实验做出整体的设计框架和结构层次,包括实验UI界面设计、三维场景可视化、实验内容设计和操作功能开发、图像处理缺陷检测四部分。分析仿真实验各个模块具体的功能,结合真实的检测线,设计仿真实验的内容,分析开发中需要解决的关键问题。第二:虚拟实验的模块功能实现和系统开发的关键技术。模块功能的实现包括鼠标抓取功能、界面交互功能、传送控制功能、相机模拟调节焦距功能、模拟检测功能,机械臂剔除功能等。关键技术包括场景的三维可视化、鼠标键盘交互、碰撞检测和射线检测、蓝图通信、UI界面设计。第三:啤酒瓶缺陷检测的实现。对拍摄的啤酒瓶瓶口图片做滤波处理和图像增强处理,采用Hough圆检测定位瓶口圆心,采用遗传算法和最大类间方差分割法分割图像,提取缺陷特征,与设定的阈值进行比较,判断啤酒瓶是否有缺陷。通过Matlab处理图像,把处理结果导入到UE4中,通过UI界面给出图像处理检测的流程,鼠标点击界面流程按钮,显示相应的处理结果。
盛子夜[3]（2020）在《基于视觉的瓶装矿泉水悬浮物自动检测技术研究》文中进行了进一步梳理瓶装矿泉水在我国零售行业占有巨大市场份额,是日常生活中必不可少的饮品。但是,由于现存的生产设备和检测设备有很多不足,在矿泉水的灌装过程中可能包含可见的悬浮物,例如纸屑、胶布、标签、蜘蛛等,这些含有悬浮物的产品一旦流入市场,不仅会损害到人的健康,也会对企业的声誉和经济造成巨大损失。在瓶装矿泉水出厂前需要检测里面是否存在悬浮物颗粒,中国目前大多数水企都是采用人工观察的方法,这种检测方式已经不能很好满足生产的需求,存在很多诸如准确度低、检测速度慢、费时费力并且易受到干扰、依赖员工的主观感觉、检测效果不好、可靠性差的缺点,无法从根本上保证产品的质量,也无法满足高速生产线的生产要求。针对这一问题,本文基于计算机视觉技术,建立了一种瓶装矿泉水中悬浮物颗粒自动检测方法,包括图像采集、悬浮物颗粒目标识别、数量统计及尺寸参数检测等图像分析处理流程。在此基础上,设计了瓶装矿泉水中悬浮物颗粒自动检测装置,阐述了该装置的结构及工作原理,并进行了瓶装矿泉水中悬浮物颗粒检测实验。首先,介绍了基于视觉的瓶装矿泉水检测系统的研究背景和意义,并根据矿泉水中可见悬浮物的特点,提出了瓶装矿泉水视觉检测系统总体设计方案,系统详细介绍了光源和照明方式、图像采集系统、工业相机等关键技术。其次,对采集到的含有运动悬浮物的序列图像进行预处理主要是为了减少或消除在成像过程中背景噪声带来的干扰。同时为了防止矿泉水瓶滚动到检测工位时发生的轻微抖动影响检测,本文提出了一种抖动消除算法,可以去除由抖动引起的噪声,与此同时保留了悬浮物检测目标的信息,降低了图像动态帧差分处理后的大面积噪声干扰。进一步地,本文提出一种旋转投影算法检测悬浮物的尺寸,并进行数量统计,从定性和定量两个方面对瓶装矿泉水中是否存在悬浮物颗粒进行检测,悬浮物颗粒数量统计准确,具有较高的精确度。最后,在研究以上技术的理论基础上,设计了验证试验,开发一套简易装置,给出了详细试验方案,并对检测结果进行误差分析与讨论,为下一步的研究奠定基础,试验表明,将上述装置及方法用于瓶装矿泉水出厂前检测,具有检测准确、节约人力、工作效率高、操作简单的特点。
黄芳恩[4]（2020）在《CCD在铜箔生产检测中的应用》文中研究表明本文主要从当前CCD技术的发展现状研究出发,阐述了CCD在铜箔生产检测中的质量管控,同时对铜箔生产检测中所使用CCD的要求进行了分析,进而展现出CCD技术在工业检测中发挥的重要作用。
周显恩[5]（2019）在《饮料智能生产线玻璃瓶视觉检测方法研究》文中研究表明我国的饮料产量规模世界第一,饮料包装材料多样,玻璃瓶具有密封性能好、可多次重复使用、降格低廉等优点,成为饮料主要包装材料,尤其广泛应用于啤酒包装。玻璃瓶易碎、易损,在运输和生产过程中发生碰撞、摩擦的现象极易造成玻璃瓶的破损,还可能存在脏污、异物等缺陷,使用存在脏污、异物或破损的玻璃瓶进行包装生产,可能造成生产线障碍、影响生产效率,甚至危及消费者的生命健康。因此,在利用玻璃瓶进行包装生产之前,需要对玻璃瓶的质量进行严格检测。研究饮料生产线中的视觉检测技术,保障饮料产品质量,加快饮料自动化生产线向智能生产线改造升级,实现饮料智能制造,满足饮料生产企业需求,是《中国制造2025》的一个重要环节。本文围绕饮料生产线玻璃瓶质量检测这一实际问题,开展以下研究工作:（1）分析饮料智能生产线和玻璃瓶的结构组成及特点,总结目前各种视觉成像机构的优缺点,研究玻璃瓶成像方案设计,设计电气控制系统,开发玻璃瓶视觉检测软件系统,研制并测试整套玻璃瓶机器视觉检测平台。（2）提出一种多次随机圆检测及圆拟合度评估的瓶口定位算法。采用阈值分割、重心法和径向扫描获取边缘点,利用从边缘点中随机采样的三个点确定一个圆,定义各边缘点到圆距离小于给定阈值的边缘点的数目与边缘点总数的比值为圆拟合度,提出将圆拟合度作为评估标准搜索最优定位结果的方法,利用多次重复随机圆检测获得大量圆拟合结果,并计算对应圆拟合度,以最大圆拟合度对应的圆拟合结果作为瓶口中心。为进一步提升定位精度,提出一种新的基于极坐标空间模型拟合和最小二乘原理的单圆检测方法,建立圆在极坐标空间的数学模型,利用该模型滤除噪声点,采用最小二乘法实现最终检测定位。实验证明,所提出的两种方法解决了瓶口缺损严重的情况下的瓶口速高精度定位难题。（3）提出一种残差分析动态阈值分割与全局阈值分割相结合的瓶口缺陷检测方法。分析各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,以克服灰度变化和瓶口缺失对检测结果的影响。实验证明,与五种瓶口缺陷检测法对比,该方法提升了缺陷检测正确率,实现了强干扰、大缺陷的瓶口图像中缺陷快速精准检测。（4）提出一种基于改进测地线距离变换与模板匹配的瓶底缺陷检测方法。将霍夫圆检测与瓶底的尺寸先验相结合,实现瓶底检测区域定位,并将瓶底划分为中心平面、环形平面和环形纹理三个检测区域。提出改进的测地线距离变换显着性检测方法突出缺陷与背景差异,克服不同瓶底图像灰度变化范围大的影响,实现瓶底中心平面区域缺陷检测。采用多尺度均值滤波实现环形平面区域缺陷检测。将模板匹配和多尺度均值滤波结合实现环形纹理区域的缺陷检测。构建三个瓶底图像测试数据集,评估算法性能。实验证明,该方法实现了瓶底图像中小尺寸、低对比度缺陷的精准检测。（5）提出一种基于显着性检测和小波变换的瓶底表面缺陷检测方法。提出一种熵率超像素圆检测定位方法,通过降采样减少算法计算量,提出一种改进的随机圆检测算法,将其与最小二乘圆检测、熵率分割方法结合,实现瓶底高速高精度定位,根据瓶底结构特征将其分为两个检测区域:中心平面区域和环形纹理区域。提出将显着性检测、各向异性扩散和改进的超像素分割相结合的缺陷检测方法,利用显着性检测和各向异性扩散突出缺陷,通过超像素分割使每个缺陷区域尽量聚拢为一个整体,并通过显着值和面积特征实现中心平面区域的缺陷识别。为进一步抑制纹理影响、提高对定位误差的鲁棒性,提出一种基于小波变换和多尺度滤波算法的环形纹理区域缺陷检测方法。实验证明,该方法克服了瓶底纹理干扰和定位误差对影响,进一步提升缺陷检测精度。（6）提出一种基于二值模板匹配的瓶壁定位方法。考虑到模板和输入图像进行匹配主要利用了模板的外形结构信息,分辨率的降低对被检测瓶壁和模板的轮廓结构特征影响小,因此,为减少计算量、提升算法速度,对输入图像进行降采样,将瓶颈或瓶壁作为模板,对降采样图像进行二值化,随后进行二值模板匹配,以获取瓶壁中线位置。提出一个新的滤波核函数对瓶壁图像进行滤波处理,通过分割、扫描获取瓶口上边缘坐标,以突出瓶口上边缘区域。实验证明,该方法克服了同一视角瓶壁图像中存在多个瓶壁时定位不准的问题,满足玻璃瓶包装生产线实时在线检测要求。综上所述,本文以饮料智能生产线玻璃瓶质量视觉检测的实际需求和问题为导向,开发玻璃瓶视觉检测系统,提出多种定位和表面缺陷视觉检测方法,进行大量测试（测试数据和算法代码可下载）,实验证明,本文提出的方法和研制的系统解决了饮料视觉检测中的部分问题,其研究成果在相关领域中有着重要的理论意义和工程价值。
刘士伟[6]（2019）在《基于OpenCV的陶瓷基片视觉检测技术研究》文中研究表明陶瓷基片作为一种电路绝缘基材,受其材料特性和加工工艺的影响,使其成品尺寸有一较宽的离散带。目前,我国陶瓷基片生产企业还主要依靠传统的手动或半自动化的测量方式,按照尺寸公差对陶瓷基片进行分类。这种检测方式不仅检测速率慢,而且人工测量容易引起视觉疲劳,导致误检或错检,从而影响分类结果。所以将机器视觉检测技术应用于陶瓷基片的检测,不仅可以解决人工测量带来的不利因素,而且能够降低企业生产成本,为企业创造更大的价值。针对陶瓷基片尺寸检测的需求,本文开发了基于OpenCV的陶瓷基片视觉检测系统的解决方案。该整体方案分为视觉检测系统硬件和软件两个部分。其中,视觉检测系统硬件负责陶瓷基片图像的获取,并根据检测结果实现陶瓷基片的自动上料与分选;软件部分负责陶瓷基片图像的分析处理以及尺寸的高精度测量,用户交互界面可以实现分类标准的设置与检测结果的实时显示等功能。本论文共分六章。第一章,介绍课题的来源。分析了国内外视觉检测在工业检测方面的研究现状以及发展趋势,概述了视觉检测中涉及的关键技术,并介绍了本文的研究思路及主要内容。第二章,根据课题要求,提出了一套基于OpenCV的陶瓷基片视觉检测系统的解决方案,并对视觉检测系统开发平台的具体设计进行了说明。第三章,设计了陶瓷基片视觉检测系统整体机械结构。介绍了其具体功能,并对其工作平台、送料机构和分选机构进行了详细分析。第四章,研究了相机标定与陶瓷基片图像预处理算法。介绍了相机的标定方法及标定过程;研究了图像校准方法、图像增强、降噪算法以及陶瓷基片边缘提取和细化算法,从而对陶瓷基片边缘进行初步定位。第五章,介绍了基于亚像素细分的陶瓷基片尺寸检测方法以及实验分析。通过对空间矩亚像素细分算法进行研究与分析,实现了陶瓷基片边缘的精确定位,并对尺寸测量方法进行研究。最后对整个视觉检测系统进行了多次联调测试,通过对检测结果以及误差进行分析,该测量系统在70mm的测量范围内,测量长度的最大误差小于2 μm,满足实际使用要求。第六章,总结与展望,总结了本课题的研究内容,并提出了进一步改进的研究方向。
刘贤辉[7]（2018）在《基于Android手机的啤酒瓶液位在线检测系统设计》文中研究说明随着我国啤酒行业的大规模发展,啤酒工业已经成为了国民经济不可或缺的一部分,但是我国的啤酒装备技术尚处于初步发展阶段,与国外相比还有不小的差距,尤其是在灌装的液位检测方面。传统的人工检测方式已经达不到精度和速度的要求,利用OpenCV的图像检测系统具有精度高、非接触等优点,将其应用在啤酒瓶液位检测中,能有效的避开人工检测缺陷,提高生产系统的智能化水平和效率。为实现便携式设备对啤酒瓶液位的非接触性检测,本文提出了一个多台Android手机的啤酒瓶液位在线检测系统设计。主要工作为:利用光电开关和编码器组成的图像采集触发器为手机工作提供信号,实现手机摄像头采集原始啤酒瓶图像;利用OpenCV视觉库在Android系统中的完美移植,在Android智能手机上进行程序软件开发,在Android手机中设计了啤酒瓶液位自动在线检测软件,并保存检测数据;最后利用wifi无线传输功能将数据传送到PC端保存和分析。本文使用多台Android7.0系统的华为荣耀V9手机（手机配置:运行内存6G、处理器Hisilicon Kirin960）测试多张640*480像素图像,完成了啤酒瓶的液位检测,充分发挥了 OpenCV在图像处理方向的准确性,实现了智能手机运用在啤酒瓶工业中的液位检测环节,验证了本设计方法的可行性和有效性,为进一步Android系统平台上的OpenCV图像处理技术广泛运用在工业中其他可视检测打下了基础。
李露青[8]（2017）在《基于多光谱技术的茶叶数字化品控技术研究》文中提出近年来,茶叶市场上以次充好、假冒伪劣现象屡见不鲜。部分企业在茶叶生产过程中违规添加糖、糖浆,利用陈茶冒充新茶,随意标注茶叶等级、虚假包装哄抬价格。此类不良竞争手段,不仅影响了市场秩序,危害了茶叶品牌,损害了消费者权益,而且在加工中使用的添加剂更是威胁到了食品质量安全。鉴于传统的感官审评和理化指标检测方法不能满足在线检测的需求,研究尝试基于数字化品控技术,建立茶叶品质安全的科学、简便、综合的评判方法。论文利用近红外光谱、高光谱图像和嗅觉可视化三种技术,结合多元数据分析方法,围绕茶叶品质安全的难点与热点问题,针对茶叶非法添加物鉴别、茶叶贮藏期判别以及茶叶等级评判进行研究。主要研究结果包括以下方面:1.首先对近红外光谱技术样品制备条件进行了优化,分析得到最优制样组合条件:样品颗粒度40-60目,压强条件40 MPa,样品厚度4 mm。然后以茶叶非法添加物为研究对象,通过对光谱模型外部验证结果的统计分析,优选出最佳建模光谱范围及预处理方法,并分别利用偏最小二乘和主成分-欧氏距离法建立定量及定性分析模型。实验结果显示,炒青掺糖样品最佳光谱建模范围为7502-6098.1 cm-1,5450-4597.7 cm-1,最优预处理方法为减去一条直线法:炒青掺糖浆样品最佳光谱建模范围为9403.6-8450.9 cm-1,6101.9-4597.7 cm-1,最优预处理方法为最小-最大归一化法。利用最优条件建立定量模型,炒青掺糖样品在校正集模型中相关系数R2达到99.76,RMSECV为0.313,在预测集模型中相关系数r2达到99.56,RMSEP为0.432;炒青掺糖浆样品在校正集模型R2达到99.6,RMSECV为0.408,在预测集模型中r2达到99.79,RMSEP为0.297。利用PCA-欧氏距离法建立定性模型,掺糖炒青和掺糖浆炒青正确识别率可分别达到96%和100%。研究结果表明基于近红外光谱技术能够实现对茶叶掺杂的准确鉴别,另外,在样品制备过程中对制备条件的优化是有必要的,可有效提高光谱的重合度和稳定性,进一步提高模型判别效果。2.在综合考虑仪器成本和使用便捷性的基础上,基于美国德州仪器的一款以衍射光栅作为分光系统,数字微镜装置作为可编程波长过滤器,InGaAs为检测器的集成光谱仪,实验中对模型和软件平台进行了搭建,制成一台操作便捷的便携式茶叶掺糖近红外分析仪。软件部分数据处理基于GA-PLS算法,能够实现对炒青掺糖量的准确分析。3.以人工和自然陈化茶样为研究对象,利用近红外光谱技术建立茶叶贮藏期判别模型,并对PCA-KNN,PCA-LDA和SVM算法的建模效果进行比较。最优判别模型判别结果如下:人工陈化炒青PCA-LDA模型判别率为100%,人工陈化毛峰SVM模型判别率为97.83%,六安瓜片和黄山毛峰贮藏样SVM模型判别率均为92%,建模结果能够基本满足判别需求。但在对保鲜茶的判别中,六安瓜片保鲜样PCA-KNN模型判别率为82%,黄山毛峰保鲜样PCA-LDA模型判别率为80%,实验结果表明单一的光谱信息不能够实现对较为复杂的保鲜贮藏茶的准确识别。4.以人工和自然陈化茶样为研究对象,利用高光谱图像技术建立茶叶贮藏期判别模型,对PCA-KNN,PCA-LDA和SVM算法的建模效果进行比较。试验首先利用主成分分析,优选出五个特征波长:670.74、720.08、836.14、886.09、和936.05 nm,基于特征波长提取光谱和纹理特征值。建模结果表明,在自然陈化茶样陈化时间判别中,纹理特征值建模效果优于光谱特征值。并且,特征融合模型判别效果整体优于单一特征值建模效果。在模型建立中SVM算法显示出明显的优越性,在特征融合模型对自然陈化茶样的判别中,黄山毛峰和六安瓜片贮藏茶样判别率分别为98%和96%,黄山毛峰和六安瓜片保鲜茶样判别率均达到100%。此外,利用GA-PLS建立模型有效地找出了贮藏茶样与人工陈化茶样、保鲜茶样的对应关系。5.利用高光谱图像技术,基于SVM算法建立了茶叶等级判别模型。试验中比较了不同扫描相机（扫描波段）和不同样品形态对高光谱图像技术应用于毛峰等级判别的影响。研究发现,以茶粉为样品形态,利用可见/近红外光谱信息建立的等级判别模型,验证集判别率达到98.7%,但是茶粉样本基本失去了图像特征。以茶叶为样品形态,基于可见/近红外图像信息建立的等级判别模型验证集判别率达到80%,是图像信息模型判别效果中最好的一个;基于近红外光谱信息建立的等级判别模型,验证集判别率达到91.25%,可以基本满足等级分类要求。试验优选出可见/近红外波段的五个特征波长:670.74、769.70、825.05、880.54和 936.05nm,近红外波段的五个特征波长:1102.25、1232.78、1314.38、1485.79和 1567.44nm。6.构建了一种新型的基于气敏传感器阵列的嗅觉可视化系统,利用BP-ANN算法建立建立黄山毛峰等级判别模型。传感器阵列通过将9种卟啉、金属卟啉和3种pH指示剂固定于反向硅胶板上构造而成。利用扫描仪对反应前后的传感器阵列进行图像采集,通过数据处理可以得到不同茶叶样本的差值图像。基于图像滤波和阈值分割,从差值图像中提取得到36个可视化嗅觉RGB特征变量。试验中相邻等级的茶叶样品在PCA散点分布图中有聚类分布的趋势,出现部分重叠的现象,这与相邻等级茶叶香气成分相似相互验证。BP-ANN作为有监督的算法判别效果优于PCA算法,判别率在校正集和预测集可以分别达到85%和86%,模型中所有错误分类样本均被错误地划分在相邻等级中,与PCA分析结果相近。7.基于高光谱图像技术,在可见/近红外波段中的特征波长（670.74、769.70、825.05、880.54、936.05nm）下提取纹理特征值,在近红外波段中的特征波长（1102.25、1232.78、1314.38、1485.79、1567.44nm）下提取光谱特征值,基于嗅觉可视化技术,从差值图像中提取嗅觉特征值。对不同特征值进行特征层融合,与PCA-KNN,PCA-LDA相比,SVM表现出了较好的处理复杂数据的能力,在融合不同传感器的数据方面表现出明显的优势。基于数据融合的SVM模型校正集和预测集模型判别率均为92%,明显优于基于光谱、纹理或RGB特征值建立的单一信息模型,三种不同类型的传感器信息相互补充,有效提高了判别准确率,实现对茶叶等级的全面评判。8.利用GC-MS技术对茶叶中香气成分进行了定量检测,基于GC-O和嗅觉可视化传感器阵列响应结果,选取了 7种香气成分并利用ANOVA单因素分析,方差分析结果表明:顺3-己烯醇、苯甲醇、芳樟醇、苯乙醇、水杨酸甲酯、癸醛、香叶醇、β-紫罗酮等7种香味成分对不同种类茶叶的区分具有显着性。利用香气物质单体配制浓度梯度,结合Pearson相关性分析,对气敏材料与香气成分对应关系进行验证。相关性分析结果显示,香叶醇含量与多个气敏传感器响应值显着相关,苯乙醇和癸醛含量分别与一个气敏传感器响应值显着相关。
王海洲[9]（2017）在《饮料空瓶检测机器人软件系统研究与开发》文中研究说明啤酒是饮料的一种,本文以回收啤酒瓶为研究对象。目前,我国啤酒销量已经连续多年位居世界第一,而用于生产的啤酒瓶80%是回收的旧瓶。回收的啤酒瓶可能存在各种缺陷,因此,必须在进行罐装前对回收瓶进行清洗和检测。传统的检测方式为人工灯检,要求工作人员在暗室中进行,配备简单的检测灯箱,通过目视检测回收瓶是否有缺陷,这种方法检查速度慢、操作繁琐、可靠性差和漏检率高,并且检测人员容易产生疲劳感。而基于机器视觉的回收瓶视觉检测机器人可以实现检测速度快、精度高、稳定性好全自动检测。当前我国在回收瓶检测设备方面的技术远远落后于发达国家,随着我国的啤酒产业高速发展,急需我国在这一方面的技术有所突破。为此,本论文对回收瓶视觉检测机器人进行了深入、系统的研究。本论文的研究工作、主要成果和创新点包括以下几个方面:1、本文在深入研究了国外相关成果的基础上,主要介绍了回收啤酒瓶视觉检测的概念和国内市场的需求,以及与视觉检测息息相关的机器视觉技术,最后介绍了机器视觉在各行业中的应用。总结了国外研发的回收瓶视觉检测机器人的相关成果。2、饮料空瓶检测机器人的总体设计,主要研究了回收瓶检测机器人的系统及其基本结构。首先,在机械结构中介绍了直线式传送系统和各结构的功能作用。其次,介绍了坏瓶剔除系统及其工作原理。在回收瓶检测机器人电气控制系统中介绍了基于工控机的控制系统方案,控制系统由一台西门子S7-200PLC实现。3、介绍了数字图像处理技术在回收瓶检测机器人中的应用。对于瓶口图像定位,提出了基于随机点霍夫变换圆检测方法。对于瓶底图像定位,首先用梯度法霍夫圆定位进行初步定位,然后利用阈值分割、轮廓提取和圆拟合进行精确定位。4、研制了回收瓶实验样机,完成了整个实验系统的机械、电气控制部分的设计、安装和调试,介绍了基于工控机的回收瓶检测机器人的工作流程和软件构架,用Micosoft Visual Studio 2012开发了基于工控机的整套软件平台,并建立了算法数据库。通过检测系统和样机的研发,发现并解决了许多一开始没考虑到的实际问题,为下一步的研发积累了大量的实际经验。
王鹏遥[10]（2016）在《轮胎胎面参数在线检测系统研究及应用》文中研究表明胎面是轮胎的重要组成部件,胎面的轮廓和长度等参数直接影响着轮胎结构质量,是轮胎生产过程中的重要质量指标。目前我国大多数轮胎厂对胎面的轮廓和长度等参数的检测仍为离线手工抽样检测。该人工测量过程效率低、劳动强度大、准确性差。因此,本论文开展轮胎胎面参数在线检测系统研究及应用具有重要的理论意义和实际应用价值。为了提高汽车轮胎生产过程中对胎面尺寸的测量精度,针对移动中的橡胶胎面设计了一种测量轮胎胎面参数的在线检测系统。选用3D激光传感器,根据传感器获得的坐标数据绘出胎面横截面轮廓,基于B样条曲线拟合方法,通过特征点测量计算胎面横截面数据。选用CCD图像传感器,设置两端基准线,根据现场亮度采用可调光源控制器,并采用OSTU算法对图像进行二值化处理,基于像素数和实际的尺寸存在线性对应关系,可获得胎面长度。现场实验结果表明,该测量系统的横截面参数测量误差小于1mm,长度测量误差小于2mm,能够满足生产工艺的测量要求,可实现胎面参数的在线动态测量,该测量系统具有安装方便、运行稳定等特点。经实验结果表明,本论文研制的轮胎胎面参数在线检测系统能够满足轮胎生产过程的需求,具有实际应用价值。
二、CCD技术在啤酒生产在线检测中的应用（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、CCD技术在啤酒生产在线检测中的应用（论文提纲范文）
（1）基于气味与近红外光谱检测的啤酒发酵过程研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 基于电子鼻气味检测技术 |
| 1.3 基于近红外光谱检测技术 |
| 1.4 啤酒发酵过程研究现状 |
| 1.5 课题研究内容 |
| 1.6 技术路线 |
| 第二章 温度和溶氧量对啤酒发酵过程的影响 |
| 2.1 前言 |
| 2.2 实验材料及方法 |
| 2.2.1 实验材料 |
| 2.2.2 主要仪器 |
| 2.2.3 实验方案 |
| 2.2.4 理化指标检测 |
| 2.2.5 GC-MS检测 |
| 2.2.6 数据处理 |
| 2.3 结果与讨论 |
| 2.3.1 温度和溶氧量对发酵时间的影响 |
| 2.3.2 温度和溶氧量对酵母菌数量的影响 |
| 2.3.3 温度和溶氧量对发酵过程理化指标的影响 |
| 2.3.4 温度和溶氧量对啤酒挥发性风味物质影响 |
| 2.3.5 感官品评结果 |
| 2.4 本章小结 |
| 第三章 基于气味检测技术的发酵过程挥发性成分分析 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 材料 |
| 3.2.2 仪器与设备 |
| 3.2.3 电子鼻检测 |
| 3.2.4 GC-MS检测 |
| 3.2.5 数据处理 |
| 3.3 结果与分析 |
| 3.3.1 电子鼻传感器响应信号分析 |
| 3.3.2 主成分分析 |
| 3.3.3 Fisher判别模型的建立与验证 |
| 3.3.4 PNN概率神经网络模型的建立与验证 |
| 3.3.5 判别模型的比较 |
| 3.3.6 啤酒发酵过程挥发性成分差异分析 |
| 3.4 本章小结 |
| 第四章 基于近红外光谱技术的啤酒发酵参数检测研究 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 实验材料 |
| 4.2.2 仪器与设备 |
| 4.2.3 分析步骤及模型评价标准 |
| 4.2.4 样品理化指标的测定 |
| 4.2.5 光谱采集 |
| 4.2.6 光谱预处理方法 |
| 4.2.7 化学计量学 |
| 4.2.8 筛选特征波段 |
| 4.3 结果与讨论 |
| 4.3.1 样品集的划分 |
| 4.3.2 光谱数据预处理 |
| 4.3.3 间隔偏最小二乘模型的建立 |
| 4.4 本章小结 |
| 第五章 啤酒发酵监测系统设计 |
| 5.1 引言 |
| 5.2 啤酒发酵检测系统总体方案设计 |
| 5.3 啤酒发酵监测系统硬件设计 |
| 5.4 啤酒温度控制系统软件部分 |
| 5.5 发酵监控系统实验验证 |
| 5.5.1 材料与方法 |
| 5.5.2 数据处理 |
| 5.5.3 结果与分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 论文创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间成果清单 |
（2）面向啤酒瓶缺陷检测的虚拟仿真实验（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 虚幻引擎Unreal Engine开发平台 |
| 1.3 课题的研究现状 |
| 1.4 本文主要内容 |
| 2 虚拟实验系统整体框架 |
| 2.1 实验系统总体设计 |
| 2.2 虚拟实验内容设计 |
| 2.3 虚拟实验功能开发流程 |
| 2.4 三维场景设计 |
| 2.5 UI界面设计 |
| 2.6 本章小结 |
| 3 虚拟仿真实验系统的实现 |
| 3.1 检测线工作原理 |
| 3.2 检测线设备三维建模 |
| 3.3 UI界面实现 |
| 3.4 虚拟实验开发的关键技术 |
| 3.5 检测系统的实现 |
| 3.6 本章小结 |
| 4 虚拟实验考核 |
| 4.1 图像预处理 |
| 4.2 瓶口定位 |
| 4.3 图像分割 |
| 4.4 瓶口缺陷检测 |
| 4.5 检测线设备搭建 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（3）基于视觉的瓶装矿泉水悬浮物自动检测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外液体中悬浮物检测设备研究现状 |
| 1.2.2 瓶装溶液中悬浮物检测研究现状 |
| 1.2.3 视觉检测技术研究现状及发展趋势 |
| 1.3 本文研究内容与结构安排 |
| 第二章 悬浮物检测系统总体方案设计 |
| 2.1 检测对象的分析 |
| 2.1.1 矿泉水中悬浮物的来源及分类 |
| 2.1.2 需求分析 |
| 2.2 矿泉水检测装置技术要求 |
| 2.2.1 图像质量的要求 |
| 2.2.2 检测效率的要求 |
| 2.3 检测系统总体方案设计 |
| 2.3.1 装置结构 |
| 2.3.2 工作原理 |
| 2.4 图像采集处理系统 |
| 2.4.1 图像采集处理的基本原理 |
| 2.4.2 光源与照明技术 |
| 2.4.3 本系统照明方案设计 |
| 2.5 工业相机选型 |
| 2.6 本章小结 |
| 第三章 瓶装矿泉水悬浮物检测算法研究 |
| 3.1 图像采集 |
| 3.2 悬浮物颗粒目标识别 |
| 3.2.1 图像差分 |
| 3.2.2 背景净化 |
| 3.2.3 边缘平滑 |
| 3.3 悬浮物颗粒数量统计及尺寸参数检测 |
| 3.3.1 悬浮物颗粒数量统计 |
| 3.3.2 尺寸参数检测 |
| 3.4 本章小结 |
| 第四章 系统测试与检测结果分析 |
| 4.1 材料与实验方案 |
| 4.2 检测结果与讨论 |
| 4.2.1 检测结果 |
| 4.2.2 误差分析与讨论 |
| 4.3 重复性实验 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读硕士学位期间科研情况 |
（4）CCD在铜箔生产检测中的应用（论文提纲范文）
| 1 CCD技术目前发展现状研究 |
| 2 CCD在铜箔生产检测中的质量管控 |
| 3 铜箔生产检测中所使用CCD的要求 |
| 4 结语 |
（5）饮料智能生产线玻璃瓶视觉检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 饮料市场和饮料包装 |
| 1.1.2 饮料生产工艺 |
| 1.1.3 饮料行业问题和挑战 |
| 1.2 机器视觉技术及其应用概述 |
| 1.2.1 光学成像系统 |
| 1.2.2 机器视觉技术优势及其应用 |
| 1.3 饮料生产线玻璃瓶视觉检测技术与装备研究现状 |
| 1.4 本文研究内容与结构安排 |
| 第2章 饮料智能生产线玻璃瓶视觉检测机器 |
| 2.1 饮料智能生产线 |
| 2.2 玻璃瓶视觉检测机 |
| 2.3 玻璃瓶缺陷视觉检测机的硬件设计 |
| 2.3.1 速度测控模块 |
| 2.3.2 残留液和异形瓶检测模块 |
| 2.3.3 瓶壁视觉检测模块 |
| 2.3.4 瓶口视觉检测模块 |
| 2.3.5 瓶底视觉检测模块 |
| 2.3.6 次品剔除模块 |
| 2.3.7 人机交互模块 |
| 2.4 玻璃瓶缺陷视觉检测机的软件设计 |
| 2.4.1 玻璃瓶视觉检测软件 |
| 2.4.2 运动控制软件 |
| 2.5 面向表面缺陷检测应用的图像标注软件设计 |
| 2.5.1 缺陷标注软件功能模块 |
| 2.5.2 缺陷标注软件界面 |
| 2.5.3 标注软件的工作状态转换 |
| 2.6 玻璃瓶结构和各部位缺陷 |
| 2.7 本章小结 |
| 第3章 基于多次随机圆检测和模型拟合的瓶口定位方法 |
| 3.1 引言 |
| 3.2 一种多次随机圆检测及拟合度评估的瓶口定位法 |
| 3.2.1 获取边缘点 |
| 3.2.2 多次随机圆检测及拟合度评估 |
| 3.2.3 参数敏感性分析 |
| 3.2.4 实验测试与结果分析 |
| 3.3 基于模型拟合及最小二乘圆检测的瓶口定位方法 |
| 3.3.1 边缘点提取 |
| 3.3.2 极坐标变换 |
| 3.3.3 模型拟合 |
| 3.3.4 最小二乘圆检测 |
| 3.3.5 实验测试与结果分析 |
| 3.4 本章小结 |
| 第4章 基于残差分析动态阈值分割的瓶口缺陷检测方法 |
| 4.1 引言 |
| 4.2 瓶口图像特征分析 |
| 4.3 基于残差分析动态阈值分割的缺陷检测 |
| 4.3.1 瓶口检测区域定位 |
| 4.3.2 残差分析动态阈值缺陷检测 |
| 4.3.3 全局阈值缺陷识别 |
| 4.3.4 缺陷检测联合判断 |
| 4.4 实验测试与结果分析 |
| 4.5 本章小结 |
| 第5章 基于测地线距离和模板匹配的瓶底缺陷检测方法 |
| 5.1 引言 |
| 5.2 瓶底图像特征和缺陷检测难点 |
| 5.3 基于测地线距离和模板匹配瓶底缺陷检测 |
| 5.3.1 检测区域的定位 |
| 5.3.2 环形纹理区域缺陷检测 |
| 5.3.3 环形平面区域缺陷检测 |
| 5.3.4 中心平面区域缺陷检测 |
| 5.4 实验测试与结果分析 |
| 5.4.1 评估指标 |
| 5.4.2 参数敏感性分析 |
| 5.4.3 方法验证 |
| 5.4.4 量化分析和方法对比 |
| 5.5 本章小结 |
| 第6章 基于显着性检测和小波变换的瓶底缺陷检测方法 |
| 6.1 引言 |
| 6.2 基于显着性检测和小波变换的瓶底缺陷检测 |
| 6.2.1 基于ERSCD的定位和检测区域划分 |
| 6.2.2 基于FTADSP的中心平面区域缺陷检测 |
| 6.2.3 基于WTMF的环形纹理区域缺陷检测 |
| 6.3 实验测试与结果分析 |
| 6.3.1 参数敏感性分析 |
| 6.3.2 ERSCD方法性能分析 |
| 6.3.3 FTADSP方法性能分析 |
| 6.3.4 WTMF方法性能分析 |
| 6.3.5 整个缺陷检测框架测试 |
| 6.4 本章小结 |
| 第7章 基于二值模板匹配的瓶壁定位方法 |
| 7.1 引言 |
| 7.2 基于二值模板匹配的瓶壁定位 |
| 7.2.1 图像降采样和分割 |
| 7.2.2 二值图像模板匹配 |
| 7.2.3 瓶口位置获取 |
| 7.3 实验测试与结果分析 |
| 7.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 发表论文和参加科研情况说明 |
| 致谢 |
（6）基于OpenCV的陶瓷基片视觉检测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究的背景及意义 |
| 1.3 视觉检测技术在工业检测方面的研究现状及发展趋势 |
| 1.3.1 机器视觉检测 |
| 1.3.2 机器视觉检测的研究现状 |
| 1.3.3 机器视觉的发展趋势 |
| 1.4 机器视觉检测关键技术 |
| 1.5 本文研究思路及主要内容 |
| 第二章 视觉检测系统的开发 |
| 2.1 引言 |
| 2.2 基于OpenCV的陶瓷基片视觉检测方案概述 |
| 2.2.1 OpenCV计算机视觉库简介 |
| 2.2.2 视觉检测方案概述 |
| 2.3 视觉检测系统硬件及其选择 |
| 2.3.1 相机选型 |
| 2.3.2 照明系统 |
| 2.3.3 计算机 |
| 2.4 视觉检测系统软件开发平台的搭建 |
| 2.4.1 基于MFC用户交互界面的开发 |
| 2.4.2 基于IDS工业相机的二次开发 |
| 2.5 本章小结 |
| 第三章 陶瓷基片视觉检测系统结构设计 |
| 3.1 引言 |
| 3.2 陶瓷基片检测系统结构方案设计 |
| 3.3 陶瓷基片检测系统整体机构 |
| 3.3.1 工作平台 |
| 3.3.2 送料机构 |
| 3.3.3 分选机构 |
| 3.4 本章小节 |
| 第四章 相机标定与数字图像预处理算法研究 |
| 4.1 引言 |
| 4.2 相机的标定 |
| 4.2.1 基于OpenCV的图像校正及误差分析 |
| 4.2.2 检测系统的定标方法 |
| 4.3 陶瓷基片图像校准 |
| 4.3.1 图像灰度校准 |
| 4.3.2 图像均匀性校准 |
| 4.4 陶瓷基片图像增强 |
| 4.5 陶瓷基片图像降噪算法研究 |
| 4.5.1 图像噪声种类 |
| 4.5.2 图像滤波 |
| 4.6 陶瓷基片边缘检测 |
| 4.6.1 边缘提取 |
| 4.6.2 图像边缘细化 |
| 4.7 本章小结 |
| 第五章 基于亚像素细分的陶瓷基片尺寸检测方法及实验分析 |
| 5.1 引言 |
| 5.2 亚像素边缘检测 |
| 5.2.1 亚像素细分定位基本原理 |
| 5.2.2 空间矩亚像素细分算法 |
| 5.3 陶瓷基片尺寸的视觉检测系统工作过程 |
| 5.3.1 陶瓷基片尺寸测量原理及方法 |
| 5.3.2 视觉检测系统工作过程 |
| 5.4 系统实验与误差分析 |
| 5.4.1 实验系统构成 |
| 5.4.2 实验结果与误差分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）基于Android手机的啤酒瓶液位在线检测系统设计（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 发展现状 |
| 1.3 液位检测发展趋势 |
| 1.4 本文的结构安排 |
| 2 系统总体方案设计 |
| 2.1 总体功能设计 |
| 2.2 检测系统结构分析 |
| 2.3 本章小结 |
| 3 图像采集信号发送器设计 |
| 3.1 信号发送器总体设计 |
| 3.2 STM32电路介绍 |
| 3.3 光电开关介绍 |
| 3.4 增量式编码器介绍 |
| 3.5 蓝牙模块设计 |
| 3.6 电源电路设计 |
| 3.7 本章小结 |
| 4 OpenCV图像处理设计 |
| 4.1 液位检测总体设计 |
| 4.2 OpenCV视觉库介绍 |
| 4.3 图像预处理 |
| 4.4 目标特征提取 |
| 4.5 LED光源设计 |
| 4.6 本章小结 |
| 5 Android软件系统设计 |
| 5.1 系统总体设计 |
| 5.2 Android系统介绍 |
| 5.3 OpenCVforAndroid环境搭建 |
| 5.4 UI界面设计 |
| 5.5 啤酒瓶液位图像的采集 |
| 5.6 图像处理设计 |
| 5.7 SQLite数据库模块设计 |
| 5.8 wifi数据传输实现 |
| 5.9 本章小结 |
| 6 系统总体测试 |
| 6.1 测试目的 |
| 6.2 测试内容和结果 |
| 6.3 结果分析 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者从事科学研究和学习经历简介 |
| 攻读学位期间取得的学术成果和获奖情况 |
（8）基于多光谱技术的茶叶数字化品控技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写和符号清单 |
| 第一章 绪论 |
| 1. 引言 |
| 2. 茶叶品质评判的国内外研究现状 |
| 2.1 茶叶品质传统评判方法 |
| 2.1.1 茶叶感官审评法 |
| 2.1.2 茶叶物理检验 |
| 2.1.3 茶叶化学检验 |
| 2.2 茶叶品质数字化品控技术 |
| 2.2.1 近红外光谱技术 |
| 2.2.2 高光谱图像技术 |
| 2.2.3 嗅觉可视化技术 |
| 2.3 近红外光谱技术在茶叶品质评判上的应用 |
| 2.4 高光谱图像技术在茶叶品质评判上的应用 |
| 2.5 嗅觉可视化技术在茶叶品质评判上的应用 |
| 3. 论文研究目的和主要研究内容 |
| 3.1 研究目的与意义 |
| 3.2 研究内容 |
| 3.2.1 探索茶叶非法添加物的快速鉴别方法 |
| 3.2.2 探索茶叶贮藏期的准确判别方法 |
| 3.2.3 探索茶叶等级的精确评判方法 |
| 3.2.4 探索嗅觉可视化技术气敏材料与茶叶香气对应关系 |
| 3.3 技术路线 |
| 3.4 特色和创新点 |
| 第二章 近红外光谱技术在茶叶非法添加物鉴别中的研究 |
| 1. 引言 |
| 2. 材料与方法 |
| 2.1 掺杂茶叶样品制备条件 |
| 2.2 仪器设备与实验材料 |
| 2.3 实验方法 |
| 2.3.1 基于近红外光谱技术鉴别茶叶非法添加物的步骤 |
| 2.3.2 近红外光谱采集 |
| 2.3.3 数据统计分析 |
| 3. 结果与分析 |
| 3.1 样品制备条件优化 |
| 3.2 光谱预处理方法比较 |
| 3.3 定量模型的建立与分析 |
| 3.4 定性模型的建立与分析 |
| 3.4.1 光谱范围及预处理方法的优化 |
| 3.4.2 定性模型对检验集样品的判别结果 |
| 4. 本章小结 |
| 第三章 便携式茶叶掺糖近红外分析仪的研制 |
| 1. 引言 |
| 2. 近红外光谱仪概述 |
| 2.1 近红外光谱仪的基本构成 |
| 2.1.1 光源 |
| 2.1.2 分光系统 |
| 2.1.3 测样附件 |
| 2.1.4 检测器 |
| 2.2 近红外光谱仪的主要类型 |
| 2.2.1 滤光片型仪器 |
| 2.2.2 光栅扫描型仪器 |
| 2.2.3 傅立叶变换型仪器 |
| 2.2.4 声光可调(AOTF)滤光型仪器 |
| 2.3 近红外光谱仪主要性能指标 |
| 3. 便携式茶叶掺糖分析仪的研制 |
| 3.1 光谱仪硬件系统 |
| 3.1.1 光谱仪类型 |
| 3.1.2 样品杯 |
| 3.2 光谱仪软件系统 |
| 3.2.1 GA-PLS定量模型的建立与分析 |
| 3.2.2 软件系统设计 |
| 3.3 便携式茶叶掺糖分析仪的使用指南 |
| 3.3.1 样品处理 |
| 3.3.2 样品检测 |
| 3.3.3 注意事项 |
| 4. 本章小结 |
| 第四章 高光谱图像技术在茶叶贮藏期判别中的研究 |
| 1. 引言 |
| 2. 材料与方法 |
| 2.1 茶叶样品陈化处理条件 |
| 2.2 仪器设备与实验材料 |
| 2.3 实验方法 |
| 2.3.1 基于近红外光谱技术和高光谱图像技术鉴别茶叶贮藏期的步骤 |
| 2.3.2 理化指标测定 |
| 2.3.3 近红外光谱采集 |
| 2.3.4 高光谱图像采集 |
| 2.3.5 高光谱图像数据分析 |
| 2.3.6 数据处理方法 |
| 3. 结果与分析 |
| 3.1 陈化茶样理化指标测定结果 |
| 3.2 基于近红外光谱技术鉴别茶叶贮藏期 |
| 3.2.1 不同贮藏期茶样的近红外光谱曲线 |
| 3.2.2 人工陈化茶样陈化时间判别模型的建立 |
| 3.2.3 贮藏茶样陈化时间判别模型的建立 |
| 3.2.4 保鲜茶陈化时间判别模型的建立 |
| 3.3 基于高光谱图像技术鉴别茶叶贮藏期 |
| 3.3.1 不同贮藏期茶叶的光谱曲线 |
| 3.3.2 特征波长的选择 |
| 3.3.3 融合图像信息和光谱信息判别茶叶贮藏期 |
| 3.4 人工陈化与自然陈化对应关系的建立与分析 |
| 3.4.1 自然陈化茶样与人工陈化茶样对应关系 |
| 3.4.2 自然陈化茶样与保鲜茶样对应关系 |
| 4. 本章小结 |
| 第五章 多信息融合技术在茶叶等级评判中的研究 |
| 1. 引言 |
| 2. 材料与方法 |
| 2.1 不同等级茶叶样品的收集 |
| 2.2 仪器设备与实验材料 |
| 2.3 实验方法 |
| 2.3.1 融合高光谱图像技术和嗅觉可视化技术鉴别茶叶等级的步骤 |
| 2.3.2 理化指标测定 |
| 2.3.3 基于不同扫描波段的高光谱图像采集 |
| 2.3.4 高光谱图像数据分析 |
| 2.3.5 嗅觉可视化系统的构建 |
| 2.3.6 可视化阵列图像的采集 |
| 2.3.7 嗅觉可视化系统的数据处理 |
| 2.3.8 数据分析方法 |
| 3. 结果与分析 |
| 3.1 等级茶样理化指标测定结果 |
| 3.2 茶样等级样品的高光谱图像分析 |
| 3.2.1 不同等级茶样的高光谱曲线 |
| 3.2.2 特征波长选择 |
| 3.2.3 等级判别模型的建立与分析 |
| 3.3 茶样等级样品的嗅觉可视化系统分析 |
| 3.3.1 差值图像的提取 |
| 3.3.2 主成分分析 |
| 3.3.3 BP-ANN模型建立 |
| 3.4 基于多信息融合技术建立茶叶等级判别模型 |
| 3.4.1 主成分分析 |
| 3.4.2 茶叶等级判别融合模型的建立 |
| 4. 本章小结 |
| 第六章 可视化传感阵列气敏材料与茶叶香气对应关系的探究 |
| 1. 引言 |
| 2. 材料与方法 |
| 2.1 仪器设备与实验材料 |
| 2.2 实验方法 |
| 2.2.1 茶叶香气成分的测定 |
| 2.2.2 香气成分定性和定量分析 |
| 2.3.3 嗅觉可视化系统数据的采集 |
| 2.3.4 数据分析方法 |
| 3. 结果与分析 |
| 3.1 气敏传感阵列响应相关的茶叶香气成分筛选 |
| 3.1.1 气敏传感阵列对不同茶叶种类的响应 |
| 3.1.2 香气成分筛选 |
| 3.1.3 单因素方差分析 |
| 3.2 基于嗅觉可视化系统对茶叶香气物质检测 |
| 3.2.1 嗅觉可视化系统对醇类物质的识别 |
| 3.2.2 嗅觉可视化系统对醛类物质的识别 |
| 3.2.3 嗅觉可视化系统对酯类物质的识别 |
| 3.2.4 嗅觉可视化系统对酮类物质的识别 |
| 3.3 灰度响应值与香气成分对应关系相关性分析 |
| 4. 本章小结 |
| 第七章 结论与展望 |
| 1. 主要研究结论 |
| 2. 讨论 |
| 2.1 对课题选取的讨论 |
| 2.2 对嗅觉可视化技术在绿茶等级判别中应用的讨论 |
| 2.3 对多传感器数据融合在茶叶等级判别中应用的讨论 |
| 3. 下一步研究展望 |
| 参考文献 |
| 在学期间发表的论着及科研成果清单 |
| 作者简介 |
（9）饮料空瓶检测机器人软件系统研究与开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 机器视觉概述 |
| 1.2.1 机器视觉概念 |
| 1.2.2 机器视觉在工业上的应用 |
| 1.3 全自动化智能制造生产线介绍 |
| 1.4 饮料空瓶检测机器人国内外研究现状 |
| 1.5 本文的主要研究内容 |
| 第2章 饮料空瓶检测机器人总体设计 |
| 2.1 引言 |
| 2.2 机械结构系统 |
| 2.2.1 直线式和旋转式传送系统 |
| 2.2.2 各结构介绍 |
| 2.3 坏瓶剔除系统 |
| 2.4 电气控制系统 |
| 2.5 光源照明系统 |
| 2.6 视觉成像系统 |
| 2.7 本章小结 |
| 第3章 饮料空瓶检测机器人瓶口瓶底定位算法研究 |
| 3.1 引言 |
| 3.2 图像预处理 |
| 3.2.1 图像处理概述 |
| 3.2.2 对比度增强 |
| 3.2.3 图像平滑 |
| 3.2.4 边缘检测 |
| 3.3 瓶口定位算法研究 |
| 3.3.1 瓶口定位概述 |
| 3.3.2 随机点霍夫变换圆检测方法 |
| 3.3.3 边缘检测 |
| 3.3.4 点组选取原则 |
| 3.3.5 算法实现流程及定位结果 |
| 3.4 瓶底定位算法研究 |
| 3.4.1 瓶底图像预处理 |
| 3.4.2 梯度法Hough圆定位 |
| 3.4.3 阈值分割 |
| 3.4.4 瓶底定位结果 |
| 3.5 本章小结 |
| 第4章 饮料空瓶视觉检测实验平台及系统软件实现 |
| 4.1 引言 |
| 4.2 饮料空瓶视觉检测实验系统平台 |
| 4.2.1 饮料空瓶视觉检测实验系统机械结构 |
| 4.2.2 饮料空瓶视觉检测实验系统电气控制系统 |
| 4.2.3 饮料空瓶视觉检测实验系统在线试验 |
| 4.3 饮料空瓶视觉检测系统软件实现 |
| 4.3.1 软件系统检测流程 |
| 4.3.2 系统软件构架 |
| 4.3.3 检测模块 |
| 4.3.4 图像采集模块 |
| 4.3.5 不同瓶型参数获取模块 |
| 4.3.6 电机控制模块 |
| 4.3.7 算法参数设置模块 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
| 附录B 攻读学位期间参加的科研项目 |
（10）轮胎胎面参数在线检测系统研究及应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 轮胎生产过程背景 |
| 1.3 国内外激光三角法测量与CCD测量方法研究进展 |
| 1.4 3D测量技术的发展 |
| 1.4.1 接触式测量技术 |
| 1.4.2 非接触式测量技术 |
| 1.5 CCD图像测量技术发展 |
| 1.6 课题研究内容及论文结构安排 |
| 1.6.1 课题主要研究内容 |
| 1.6.2 论文撰写结构安排 |
| 第2章 基于3D激光传感器的胎面轮廓在线测量系统 |
| 2.1 胎面轮廓在线测量系统需求分析 |
| 2.2 激光三角法测量原理 |
| 2.3 3D激光传感器 |
| 2.4 胎面轮廓测量系统设计 |
| 2.5 轮廓曲线分析和测量算法 |
| 2.5.1 B样条曲线拟合的概念 |
| 2.5.2 轮廓坐标数据预处理 |
| 2.5.3 轮廓特征点的确定 |
| 2.6 实验及结果分析 |
| 2.6.1 测量结果 |
| 2.6.2 误差分析 |
| 2.7 本章小结 |
| 第3章 基于CCD传感器的胎面长度在线测量系统 |
| 3.1 CCD测量原理 |
| 3.2 胎面长度测量系统方案设计 |
| 3.2.0 CCD相机 |
| 3.2.1 系统工作原理 |
| 3.2.2 胎面橡胶长度测量系统的测量过程描述 |
| 3.2.3 对不同长度规格胎面橡胶的测量 |
| 3.3 图像处理的计算方法 |
| 3.3.1 图像的预处理 |
| 3.3.2 图像灰度拉伸 |
| 3.3.3 图像的二值化 |
| 3.4 轮胎胎面边缘与基准线识别 |
| 3.4.1 霍夫变换原理 |
| 3.4.2 霍夫变换与最小二乘法相结合的直线拟合方法 |
| 3.5 相机的标定 |
| 3.5.1 方法一 |
| 3.5.2 方法二 |
| 3.6 测量实验与结果分析 |
| 3.6.1 测量结果 |
| 3.6.2 误差分析 |
| 3.7 本章小结 |
| 第4章 胎面参数在线检测系统软件设计 |
| 4.1 胎面橡胶轮廓参数测量系统软件需求 |
| 4.2 系统开发环境介绍 |
| 4.2.1 系统软件与硬件要求 |
| 4.2.2 系统开发工具的选择 |
| 4.3 系统登录授权模块 |
| 4.4 数据实时显示模块 |
| 4.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间参与科研项目与发表文章 |
| 致谢 |
四、CCD技术在啤酒生产在线检测中的应用（论文参考文献）
- [1]基于气味与近红外光谱检测的啤酒发酵过程研究[D]. 谢宇飞. 江南大学, 2021(01)
- [2]面向啤酒瓶缺陷检测的虚拟仿真实验[D]. 赵于翔. 山东科技大学, 2020
- [3]基于视觉的瓶装矿泉水悬浮物自动检测技术研究[D]. 盛子夜. 昆明理工大学, 2020(04)
- [4]CCD在铜箔生产检测中的应用[J]. 黄芳恩. 世界有色金属, 2020(03)
- [5]饮料智能生产线玻璃瓶视觉检测方法研究[D]. 周显恩. 湖南大学, 2019
- [6]基于OpenCV的陶瓷基片视觉检测技术研究[D]. 刘士伟. 杭州电子科技大学, 2019(01)
- [7]基于Android手机的啤酒瓶液位在线检测系统设计[D]. 刘贤辉. 山东科技大学, 2018(03)
- [8]基于多光谱技术的茶叶数字化品控技术研究[D]. 李露青. 安徽农业大学, 2017(03)
- [9]饮料空瓶检测机器人软件系统研究与开发[D]. 王海洲. 湖南大学, 2017(07)
- [10]轮胎胎面参数在线检测系统研究及应用[D]. 王鹏遥. 北京理工大学, 2016(03)