走在汽車革命的路上論文書籍站
國立虎尾科技大學 機械與電腦輔助工程系碩士班 張文陽所指導 蔡治平的 影像視覺之光譜照度分析與物件特徵辨識 （2012），提出m8墊片尺寸關鍵因素是什麼，來自於影像視覺、光譜照度、物件辨識、邊緣偵測、瑕疵物。
影像視覺之光譜照度分析與物件特徵辨識
為了解決m8墊片尺寸 的問題，作者蔡治平 這樣論述：
本研究為影像視覺之光譜照度與紋理特徵辨識分析，主要探討影像在不同的光譜照度之特性與不同物件之幾何特徵檢測。影像的光譜照度分析為物件在均等照度下，對於光源照射的角度、強度、穿透率與光譜之調適性進行分析。物件特徵辨識主要針對物件幾何尺寸、真圓度、紋理特徵與影像接合等進行特徵檢測，其中分析的物件主要有扣件(墊片與螺紋)、硬幣與自行車零組件。墊片的檢測是藉由影像形態學量測物件的幾何尺寸、真圓度與瑕疵處，而在墊片尺寸量測中，外徑的量測誤差為±1%，而經影像處理的內徑之量測誤差也僅為±2.5%，其中墊片的瑕疵檢測是藉由XOR影像相減作為基礎，並成功的將墊片內徑之突起瑕疵物辨識出來。螺紋紋理的辨識為使用傅
立葉頻譜進行頻域之轉換，再利用Sr(θ)與Sθ(r)的頻譜響應，即可順利區分良好螺紋與毀壞螺紋，其中螺距的檢測為針對M10×1.5、M8×1.25、M6×1.0與M4×0.7四種螺紋進行量測，在最後量測的誤差中M10×1.5與M8×1.25為±0.01mm，而M6×1.0與M4×0.7則是±0.03mm的誤差。硬幣的辨識首先以圓形裁剪將硬幣與背景影像進行分離，其次利用Sobel與影像相減判斷硬幣之正反面，最後使用平均對比度與平滑度識別出新舊硬幣。本研究另針對狹長型的自行車零組件，並以SIFT影像接合使其具備特徵完整性與高突顯性，且同時進行管長與管寬的量測，其量測誤差皆可控制在±1%內。