| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题研究的背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16页 |
| 1.3 本文主要研究内容及论文结构 | 第16-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第2章 钢筋骨架焊接缺陷在线检测系统总体设计 | 第19-27页 |
| 2.1 视觉检测系统的总体设计 | 第19-20页 |
| 2.2 视觉检测系统的硬件组成 | 第20-24页 |
| 2.2.1 焊接缺陷图像采集系统 | 第20-21页 |
| 2.2.2 CCD的选型 | 第21-23页 |
| 2.2.3 图像采集卡的特性分析及选型 | 第23-24页 |
| 2.3 视觉检测系统的软件设计流程 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 钢筋骨架焊接缺陷图像处理与特征提取算法研究 | 第27-49页 |
| 3.1 焊接缺陷图像预处理算法 | 第27-34页 |
| 3.1.1 差分法焊缝区域提取 | 第27-28页 |
| 3.1.2 中值滤波法图像降噪 | 第28-31页 |
| 3.1.3 模糊法图像增强 | 第31-34页 |
| 3.2 Otsu图像分割优化算法 | 第34-39页 |
| 3.2.1 传统的Otsu法阈值分割 | 第35-37页 |
| 3.2.2 Otsu优化算法阈值分割 | 第37-39页 |
| 3.3 焊缝缺陷区域提取算法 | 第39-41页 |
| 3.3.1 小面积背景去除 | 第39页 |
| 3.3.2 缺陷图像反色 | 第39-40页 |
| 3.3.3 缺陷区域提取 | 第40-41页 |
| 3.4 缺陷区域目标标记和边界轮廓跟踪算法 | 第41-45页 |
| 3.4.1 缺陷区域目标标记 | 第41-43页 |
| 3.4.2 缺陷区域边界轮廓跟踪 | 第43-45页 |
| 3.5 缺陷区域的几何特征参数计算 | 第45-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第4章 钢筋骨架焊接缺陷图像识别 | 第49-65页 |
| 4.1 钢筋骨架常见焊接缺陷类型和识别方法 | 第49-52页 |
| 4.1.1 漏焊缺陷识别方法 | 第49-50页 |
| 4.1.2 虚焊缺陷识别方法 | 第50页 |
| 4.1.3 焊点脱落缺陷识别方法 | 第50-51页 |
| 4.1.4 焊缝表面缺陷识别方法 | 第51-52页 |
| 4.2 钢筋骨架焊接缺陷识别技术路线 | 第52-53页 |
| 4.3 基于BP神经网络的钢筋骨架缺陷识别 | 第53-63页 |
| 4.3.1 神经网络的概述 | 第53-55页 |
| 4.3.2 BP神经网络的原理 | 第55-56页 |
| 4.3.3 BP神经网络算法描述 | 第56-58页 |
| 4.3.4 BP算法的不足与改进 | 第58-59页 |
| 4.3.5 BP网络的设计与实验 | 第59-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第5章 钢筋骨架焊接缺陷识别系统开发及应用 | 第65-81页 |
| 5.1 钢筋骨架焊接缺陷图像识别软件系统开发 | 第65-68页 |
| 5.1.1 VS2010开发平台简介 | 第65-66页 |
| 5.1.2 Vb.net程序语言 | 第66-67页 |
| 5.1.3 软件系统结构框架 | 第67-68页 |
| 5.2 钢筋骨架焊接缺陷检测系统应用 | 第68-80页 |
| 5.2.1 系统主界面的介绍 | 第68-69页 |
| 5.2.2 图像采集与管理 | 第69-70页 |
| 5.2.3 焊缝区域图像处理和特征提取 | 第70-75页 |
| 5.2.4 缺陷区域图像处理和特征提取 | 第75-78页 |
| 5.2.5 图像识别 | 第78-79页 |
| 5.2.6 数据管理 | 第79-80页 |
| 5.3 本章小结 | 第80-81页 |
| 总结与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间所发表的学术论文及参与的科研项目 | 第87-89页 |
| 致谢 | 第89页 |