李琰的硕士毕业论文研究机器视觉在工业检测中的应用。她选择这个题目有实际原因。工厂生产线需要检测产品外观。传统方法依靠人眼。人眼容易疲劳。人眼标准不统一。机器视觉可以解决这些问题。机器视觉用摄像头拍照。电脑分析照片。电脑判断产品好坏。这种方法速度快。这种方法标准稳定。

论文第一章介绍研究背景。工业自动化水平不断提高。产品质量要求越来越严格。外观缺陷影响产品价值。微小划痕可能造成大问题。手机屏幕不能有划痕。电池表面不能有凹坑。这些缺陷需要被检测出来。人工检测成本高。人工检测效率低。企业需要更优方案。机器视觉技术正在发展。这项技术适合完成这个任务。

第二章讨论技术原理。机器视觉系统包括几个部分。照明系统很重要。好的光线让缺陷更明显。李琰设计了环形光源。这种光源减少阴影。摄像头拍摄产品图像。图像传输到计算机。计算机运行算法。算法分析图像特征。首先需要图像预处理。预处理去除图像噪声。噪声像电视雪花点。噪声干扰缺陷识别。滤波算法可以平滑图像。图像分割是下一步。分割把产品与背景分开。阈值分割常用。像素灰度值大于阈值归为一类。像素灰度值小于阈值归为另一类。产品轮廓被提取出来。

特征提取是关键步骤。产品缺陷有多种形式。划痕是线状特征。污点是团状特征。凹凸造成亮度变化。李琰计算了多种特征。纹理特征描述表面粗糙程度。颜色特征区分色差。几何特征测量尺寸大小。这些特征组成数据向量。分类器接收这些向量。分类器判断产品是否合格。支持向量机是常用分类器。它找到最佳分界线。分界线分开合格品与不合格品。分界线距离两边数据都远。这个距离叫间隔。间隔越大分类越可靠。

第三章讲述实验设计。李琰搭建实验平台。平台模拟真实生产线。传送带缓慢运动。工业相机安装在支架上。相机连接电脑。电脑安装专业软件。软件由李琰编写。软件用Python语言。Python有很多工具库。OpenCV处理图像。Scikit-learn实现分类算法。实验样品是金属零件。金属零件表面有电镀层。电镀层可能出现斑点。斑点影响零件美观。斑点可能引起锈蚀。实验收集大量图片。合格零件图片五百张。缺陷零件图片五百张。缺陷类型不同。有些零件有划痕。有些零件有污渍。有些零件有磕碰。

李琰先测试传统方法。传统方法使用固定阈值。阈值设置一个固定数值。这个方法简单快速。实验结果不理想。光线变化影响阈值。零件颜色深浅不同。固定阈值错误很多。有些合格零件被误判。有些缺陷零件被放过。误判不能接受。工厂需要高准确率。

李琰改进算法。她采用自适应阈值。阈值根据局部区域计算。每个小区域有独立阈值。这个方法适应亮度变化。图像分割效果改善。缺陷区域被更好地提取。特征提取部分增加新特征。她加入形状上下文描述子。这个描述子记录轮廓点分布。缺陷会改变轮廓形状。分类器选择也做比较。她尝试了支持向量机。她尝试了神经网络。神经网络有多层结构。每层学习不同特征。深层网络学习复杂模式。实验数据分成两部分。大部分数据训练模型。小部分数据测试模型。训练让模型学习规律。测试评估模型能力。

第四章展示实验结果。自适应阈值方法提升分割精度。分割准确率达到百分之九十五。传统方法只有百分之八十七。特征提取效果明显。形状上下文特征帮助很大。划痕识别率提高百分之十。分类器性能有差异。支持向量机训练速度快。神经网络准确率更高。神经网络达到百分之九十八点五的准确率。支持向量机是百分之九十六点二。神经网络需要更多计算资源。工厂需要权衡速度与精度。李琰分析了错误案例。有些缺陷非常微小。微小缺陷像头发丝。相机分辨率有限。这些缺陷难以拍摄清楚。有些零件反光强烈。反光造成图像过曝。过曝区域一片白色。缺陷信息丢失。她提出解决方案。使用偏振滤镜减少反光。提高相机分辨率。增加多个拍摄角度。

第五章讨论实际应用。工厂环境复杂多变。震动可能让图像模糊。粉尘可能附着在镜头上。温度影响设备性能。这些因素都要考虑。系统需要稳定可靠。李琰设计防护方案。相机加装防护罩。镜头定期清洁。安装防震支架。系统部署在车间。工人反馈很重要。工人觉得系统操作简单。屏幕显示检测结果。合格显示绿色。不合格显示红色。不合格产品需要复检。系统生成检测报告。报告记录缺陷类型。报告统计合格率。这些数据帮助改进生产。生产参数可以调整。设备维护有了依据。

论文最后提到经济性。一套机器视觉系统需要投入。硬件包括电脑、相机、光源。软件需要开发费用。总体成本约十万元。系统可以代替两个检测工人。工人每年工资约八万元。系统运行电费很少。系统可以连续工作三年。长期看节省成本。系统提高检测一致性。客户投诉减少。品牌信誉提升。这些价值更大。

论文写作过程辛苦。李琰阅读很多文献。中文文献不够。她阅读英文文献。英文文献生词多。她查阅词典。她请教导师。导师给出建议。建议修改算法细节。建议补充实验数据。她每天在实验室工作。实验室晚上十点关门。她经常工作到九点半。暑假同学回家。她留在学校。她调试程序。程序总有错误。错误需要逐个解决。图像显示不正常。她检查代码。代码缺少一行。她添加这行代码。问题解决了。她感到高兴。论文修改多次。初稿结构松散。二稿语言不精炼。三稿图表不清晰。她反复修改。打印稿写满红笔字。最终稿完成时她松了一口气。

这项研究有实际意义。工厂正在转型升级。自动化是明确方向。机器视觉是自动化的重要部分。她的论文提供具体方案。方案经过实验验证。方案考虑实际困难。其他工厂可以参考。类似产品可以应用。电器外壳需要检测。塑料制品需要检测。纺织品也需要检测。技术原理相通。具体参数需要调整。她的工作是一个例子。这个例子展示技术如何落地。技术不能停留在论文。技术要解决真实问题。她的论文做到了这一点。

论文仍有改进空间。算法速度可以更快。工厂生产线速度很高。每秒需要检测几十个产品。当前算法需要零点五秒。这个速度还不够。硬件可以升级。更快的电脑有帮助。更先进的相机有帮助。算法可以优化。并行计算是一个方向。同时处理多个区域。缺陷种类可以扩展。当前只识别三种缺陷。实际缺陷更多样。模型需要更多数据。更多数据训练更强大的模型。这些是未来工作。

李琰通过论文学到很多。她深入学习机器视觉。她掌握图像处理算法。她熟悉编程工具。她了解工业现场需求。她学会解决问题。问题不会自动消失。她要寻找方法。尝试不同路径。最终找到答案。这个过程培养她的能力。她现在能够独立研究。她能够完成复杂项目。这对她以后工作有帮助。她可能去科技公司。她可能去制造企业。她可能继续读博士。无论做什么，这段经历都有用。

论文答辩已经完成。答辩委员会老师提出问题。问题关于技术细节。李琰一一回答。回答清晰准确。老师点头认可。答辩通过后她修改最后格式。提交图书馆存档。论文封面是蓝色。蓝色是学校的颜色。封面写着她的名字。名字下面是论文题目。题目下面有日期。日期是六月。六月是毕业的季节。她打印了几本。一本送给导师。导师指导她两年。一本送给父母。父母支持她读书。一本自己保留。保留这份记忆。记忆里有汗水。记忆里有坚持。记忆里有成果。这本论文不厚。大约八十页。这些页包含很多内容。这些页是她工作的记录。这些页是她学习的证明。这些纸上有文字。文字描述技术。文字背后有她的努力。努力现在有了结果。结果是一个终点。结果也是一个起点。