全文总字数：8307字

1. 研究目的与意义（文献综述）

1.目的及意义（含国内外的研究现状分析）

近30年来，随着计算机的发展，基于计算机技术的视觉测量成为各国研究的热点，视觉测量的应用领域也越来越广泛，视觉测量技术与传统的测量方法相比，具有快速、信息量大、无损等特点，能实现对动态外形和形变的测量，易于自动化和网络化，是测量领域中最具发展前景的自动检测技术之一。起重机械在现代国民经济生产中占有重要的地位，是物流运输、生产建设中的关键设备。起重机械的作业安全是保证国民经济安全运行的重要一环，尤其在一些重大工程中，起重机械能否安全的完成作业，直接关系到整个项目能否成功实施。在长期高负载运作下，但由于机械磨损、疲劳断裂产生的裂纹以及长期暴露于高温、潮湿环境下造成的机械腐蚀是无法避免的问题传统的人工检测，一方面无法保证检测人员的作业安全，另一方面无法保证检测的全面性。挠性形变使图像靶标中心点产生异常，通过对这些异常数据识别可检测挠性形变。此时通过机器视觉系统对挠性形变进行识别，可实现非接触式测量即可对被测对象无损伤，而且不影响被测对象的动态性能和正常工作。

异常数据识别工业、医学、电力、机械、金融等领域都有着广泛的应用，可以通过异常数据的识别实现风机电阻状态监测和故障诊断；在电商行业可以通过分析数据发现异常客户，在矿业上，可以通过分析化学元素含量异常值检测致矿异常的原因；在环境学上，可通过异常数据检测实现废弃污染监控；在大数据挖掘上，异常数据识别与处理时数据预处理必不可少的环节，由此可见异常数据识别在分析、检测中发挥着重要的作用。

2. 研究的基本内容与方案

本次设计的主要目标是建立基于copula理论的视觉测量系统异常数据识别方法，通过分析靶标数据的异常实现远程精密测量起重机的挠性形变。共有四个模块：前端交互界面，图像靶标中心点提取模快，用copula数据相关性分析模块，方案总体框r如图2.1所示。

图2.1系统结构图

3. 研究计划与安排

第1—4周：查阅相关文献资料，明确研究内容，了解研究所需理论知识，对系统要求进行分析，确定方案，完成外文文献翻译和开题报告；

第5—6周：处理视觉测量系统的图像，对所得图像靶标数据进行分析。

第7—8周：用多种copula函数分析数据，选取合适的copula函数。

4. 参考文献（12篇以上）

报,2015,15(12):41-60.

[2]韩茜茜,耿世勇,李恒毅.基于机器视觉的缺陷检测应用综述[j].电工技术,2019(14).

[3]wang y, infield d g, stephen b, et al. copula-based model for wind turbine power curveoutlier rejection[j].wind.energy,2015,17(11):2015, 17(11):1677-1688.