| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11-12页 |
| 1.3 本文的工作和内容安排 | 第12-14页 |
| 第2章 无损检验机器人焊缝识别技术研究基础 | 第14-20页 |
| 2.1 概述 | 第14页 |
| 2.2 数字图像特征分析 | 第14-16页 |
| 2.2.1 几何特征 | 第14页 |
| 2.2.2 边界特征 | 第14-15页 |
| 2.2.3 纹理特征 | 第15页 |
| 2.2.4 频域特征 | 第15页 |
| 2.2.5 灰度特征 | 第15-16页 |
| 2.3 人工神经网络基础 | 第16-19页 |
| 2.3.1 神经元基本模型 | 第16-17页 |
| 2.3.2 人工神经网络的模型 | 第17-18页 |
| 2.3.3 人工神经网络的学习 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于线性投影的焊缝识别方法研究 | 第20-26页 |
| 3.1 图像线性投影识别理论 | 第20-23页 |
| 3.1.1 Sobel边缘检测算子 | 第20-21页 |
| 3.1.2 线性投影理论 | 第21-22页 |
| 3.1.3 线性投影在数字图像处理中的应用 | 第22-23页 |
| 3.2 基于线性投影焊缝识别方法设计 | 第23页 |
| 3.3 计算机仿真与结果分析 | 第23-25页 |
| 3.4 本章小结 | 第25-26页 |
| 第4章 基于图像纹理特征值分布的焊缝识别方法研究 | 第26-33页 |
| 4.1 概述 | 第26页 |
| 4.2 焊缝图像纹理特征参数 | 第26-28页 |
| 4.3 基于纹理特征值分布的焊缝识别方法设计 | 第28-31页 |
| 4.3.1 基于图像块的特征提取 | 第28-29页 |
| 4.3.2 焊缝识别方法设计 | 第29-31页 |
| 4.4 计算机仿真与结果分析 | 第31-32页 |
| 4.5 本章小结 | 第32-33页 |
| 第5章 基于特征提取的焊缝识别方法研究 | 第33-47页 |
| 5.1 BP神经网络基础 | 第33-41页 |
| 5.1.1 网络模型与原理 | 第33-35页 |
| 5.1.2 网络设计 | 第35-37页 |
| 5.1.3 BP神经网络存在的问题与改进方法 | 第37-41页 |
| 5.2 基于像素灰度特征的焊缝识别方法设计 | 第41-44页 |
| 5.2.1 基于像素灰度特征的焊缝识别方法设计流程 | 第41-42页 |
| 5.2.2 计算机仿真与结果分析 | 第42-44页 |
| 5.3 基于图像纹理特征的焊缝识别方法设计 | 第44-46页 |
| 5.3.1 基于图像纹理特征的焊缝识别方法设计流程 | 第44页 |
| 5.3.2 计算机仿真与结果分析 | 第44-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第6章 无损检验机器人焊缝识别技术评价系统与仿真试验 | 第47-54页 |
| 6.1 概述 | 第47页 |
| 6.2 无损检验机器人焊缝识别技术评价系统开发 | 第47-50页 |
| 6.2.1 仿真方法与环境 | 第47页 |
| 6.2.2 系统性能评价指标 | 第47-48页 |
| 6.2.3 系统结构 | 第48-50页 |
| 6.3 无损检验机器人焊缝识别技术评价系统仿真试验 | 第50-53页 |
| 6.3.1 仿真试验及结果分析 | 第50-51页 |
| 6.3.2 性能分析 | 第51-53页 |
| 6.4 本章小结 | 第53-54页 |
| 第7章 总结与展望 | 第54-55页 |
| 7.1 总结 | 第54页 |
| 7.2 进一步研究与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
