| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 压力管道的无损检测 | 第10-11页 |
| 1.2.2 基于视觉的无损检测 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-15页 |
| 第二章 翅片管束无损检测系统硬件设计 | 第15-24页 |
| 2.1 基于视觉的无损检测系统总体设计方案 | 第15-16页 |
| 2.2 翅片管束无损检测系统硬件结构 | 第16-17页 |
| 2.2.1 摄像头行走方案确定 | 第16-17页 |
| 2.2.2 系统硬件总体结构 | 第17页 |
| 2.3 翅片管束无损检测系统硬件选型 | 第17-23页 |
| 2.3.1 工业摄像头选型 | 第18-21页 |
| 2.3.2 电机选型 | 第21-22页 |
| 2.3.3 控制器选型 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 翅片管内壁图像拼接与特征提取 | 第24-52页 |
| 3.1 图像处理总体方案 | 第24-25页 |
| 3.2 图像预处理 | 第25-29页 |
| 3.2.1 图像灰度化与ROI提取 | 第25-27页 |
| 3.2.2 关键帧图像提取与距离标定 | 第27-29页 |
| 3.3 图像拼接 | 第29-45页 |
| 3.3.1 图像极坐标变换与相机标定 | 第29-33页 |
| 3.3.2 图像增强 | 第33-37页 |
| 3.3.3 图像拼接 | 第37-45页 |
| 3.4 翅片管内壁图像损伤特征提取 | 第45-51页 |
| 3.4.1 自适应阈值化 | 第45-47页 |
| 3.4.2 快速中值滤波算法 | 第47-49页 |
| 3.4.3 损伤特征提取 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于 Faster RCNN 的翅片管内壁损伤检测 | 第52-73页 |
| 4.1 目标检测与卷积神经网络 | 第52-56页 |
| 4.1.1 目标检测算法 | 第52页 |
| 4.1.2 卷积神经网络 | 第52-56页 |
| 4.2 Faster RCNN 网络结构 | 第56-63页 |
| 4.2.1 RCNN 与 Fast RCNN | 第56-59页 |
| 4.2.2 Faster RCNN 网络结构 | 第59-63页 |
| 4.3 Faster RCNN 网络优化与损伤检测 | 第63-72页 |
| 4.3.1 Faster RCNN 网络优化 | 第63-68页 |
| 4.3.2 损伤定位与损伤程度分析 | 第68-69页 |
| 4.3.3 Faster RCNN 网络构建与损伤检测 | 第69-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 系统软件设计与实验 | 第73-78页 |
| 5.1 系统软件设计 | 第73-75页 |
| 5.1.1 系统软件功能分析 | 第73页 |
| 5.1.2 基于QT的系统软件设计 | 第73-75页 |
| 5.2 实验分析 | 第75-77页 |
| 5.2.1 无损检测系统稳定性测试 | 第75-76页 |
| 5.2.2 损伤检测准确率测试实验 | 第76-77页 |
| 5.3 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士研究生期间的研究成果 | 第85-86页 |
| 致谢 | 第86页 |
