文献综述
1.课题研究的现状及发展趋势
铝箔表面缺陷自动视觉检测的基本原理是利用成像设备获取铝箔图像，并将得到的图像输入计算机，采用机器视觉手段对获得的铝箔图像进行表面缺陷检测。表面缺陷自动检测的传统方法主要包括统计法、结构法和基于模型的方法等，传统的表面缺陷检测方法通常是在分割得到缺陷区域的基础上提取缺陷特征，再采用 K 最近邻、神经网络和支持向量机等方法进行分类。国内外学者对物体表面缺陷的自动视觉检测方法开展了广泛研究，也取得了一定成果。
最新研究：李薇薇，于博在《信息系统工程》发表机器视觉检测系统的组成的研究。机器视觉系统是指通过图像摄像机将被摄取目标物体转换成图像信号并传送给专用的计算机系统,根据像素信息转变成数字化信号;图像系统将运用几种算法对这些信号进行抽取目标的特征,根据识别的结果来控制执行机构。
辅小荣在《产业与科技论坛》发表基于机器视觉的品质检测系统设计。机器视觉主要通过一个放置在前挡风玻璃的高清摄像头采集图像,由于摄像头本身存在局限性,为了保证性能,需要对车载机器视觉系统进行系统、充分的测试验证。文章以基于机器视觉实现的车道偏离预警系统的测试为例,主要对其测试场景进行分类研究,包括天气、道路、道路材质、道线线型、光照、路面干扰、车道情况等。
Przemyslaw Dolata ，Mariusz Mrzyglod ，Jacek Reiner在《Applied Artificiallcition Intelligence》发表的Double-stream Convolutional Neural Networks for Machine Visional Inspection of Natural Products。基于机器视觉的筒子纱缺陷在线检测系统.该系统由2个工业相机、条形LED光源、对照式光电开关和计算机组成.首先,相机与同步光源分时采集筒子纱顶面和侧面过曝模式及正常模式图像.然后通过对顶面过曝图像自适应分割来定位筒子纱中心.其次,通过极坐标变换展开顶面正常图像.最后,在顶面展开图中,分别利用垂直方向边缘分布的投影特征、纹理及强度一致性、局部方向直方图纹理识别菊花芯、多源纱和网纱缺陷;在筒子纱侧面图中,通过投影法快速确定边界位置,并通过轮廓拟合程度识别多层台缺陷.结果表明,该系统可实时识别多层台、网纱、菊花芯、多源纱等筒子纱缺陷,具有较好的检测效果。
鲁棒主成分分析法ＲPCA，即稀疏与低秩矩阵分解法，在一定条件下能够自动识别出观测数据矩阵中被严重破坏的元素。Wright等人提出，假定观测数据矩阵具有低秩性，并且原数据矩阵中只有少部分元素受到破坏，即噪声部分是稀疏的，但大小可以是任意的，采用ＲPCA方法能够有效实现对观测数据的低秩稀疏分解。
最近研究：肖垚，刘畅在《中国科学院大学学报》发表基于稀疏求解的改进PCA方法在SAR目标识别中的应用。针对实际军事情况下车辆目标为非合作目标,提出改进的主成分分析方法(IPCA)。它首先利用稀疏求解方法得到与测试样本最相关的部分训练样本以及它们对测试样本的表示系数。然后结合主成分分析(PCA)得到最优投影矩阵,。利用美国运动和静止目标获取与识别数据库中3类目标进行识别实验,结果表明基于改进的PCA方法比传统的PCA方法能够得到更高的识别率,并对稀疏方位角训练样本有更好的鲁棒性。
卢桂馥在《南京大学学报:自然科学》发表了基于L1-范数的鲁棒稀疏的张量PCA人脸图像分
析。张量主成分分析(Tensor Principal Component Analysis，TPCA)是主成分分析(Principal Component Analysis，PCA)在多维空间上的推广，能充分利用图像/视频的空间关联，在图像分析和视频处理中扮演了重要的角色．传统的张量PCA方法提取的特征向量是非稀疏的，这使得其很难进行解释．另一方面，在目标函数中引入弹性网，联合使用Lasso与Ridge惩罚因子来实现稀疏化，增强了算法的语义解释性．然后，设计了一种基于二阶张量的投影矩阵交替求解算法，二阶张量便于数学描述，每个步骤都采用贪心算法以迭代的方式逐个特征提取以求得U或V.最后，对迭代过程的单调性做了理论证明．基于ORL，Yale和Feret库，将TPCA－L1S应用于人脸图像分析并与其他常见方法作比较，实验结果验证了该模型的有效性．
以上是毕业论文文献综述，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。
