基于铁谱技术的油液监测数字化研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-20页 |
| 1.1 研究背景 | 第10-17页 |
| 1.1.1 油液分析技术 | 第11-12页 |
| 1.1.2 铁谱技术概述 | 第12-13页 |
| 1.1.3 磨粒智能识别的研究现状 | 第13-17页 |
| 1.2 研究价值与意义 | 第17-18页 |
| 1.3 主要研究内容 | 第18-20页 |
| 2 磨损机理与磨粒类型的研究 | 第20-28页 |
| 2.1 磨损分类 | 第20-24页 |
| 2.1.1 磨损阶段 | 第20-21页 |
| 2.1.2 磨损机理 | 第21-24页 |
| 2.2 磨粒种类及特征 | 第24-27页 |
| 2.2.1 磨粒分类 | 第24-25页 |
| 2.2.2 磨粒特征及形成机理 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 铁谱图像处理算法研究 | 第28-52页 |
| 3.1 数字图像处理的基础知识 | 第28-29页 |
| 3.1.1 图像分类 | 第29页 |
| 3.1.2 图像数字化 | 第29页 |
| 3.2 图像预处理 | 第29-33页 |
| 3.3 图像灰度化 | 第33页 |
| 3.4 图像增强处理 | 第33-35页 |
| 3.5 图像分割 | 第35-44页 |
| 3.5.1 基于区域生长的磨粒图像背景减除 | 第36-42页 |
| 3.5.2 Ostu分割法 | 第42-43页 |
| 3.5.3 分割流程图 | 第43-44页 |
| 3.6 磨粒形态学运算 | 第44-45页 |
| 3.7 磨粒标号 | 第45-49页 |
| 3.7.1 磨粒边界提取 | 第45-47页 |
| 3.7.2 种子填充 | 第47-49页 |
| 3.8 图像处理算法实例 | 第49-51页 |
| 3.9 本章小结 | 第51-52页 |
| 4 磨粒特征参数的提取与识别 | 第52-74页 |
| 4.1 磨粒特征参数计算 | 第52-67页 |
| 4.1.1 尺寸参数 | 第52-59页 |
| 4.1.2 颜色参数 | 第59-64页 |
| 4.1.3 纹理参数 | 第64-67页 |
| 4.2 识别方法 | 第67-73页 |
| 4.2.1 BP神经网络识别方法 | 第67-70页 |
| 4.2.2 灰色关联方法 | 第70-71页 |
| 4.2.3 磨粒识别次序 | 第71-73页 |
| 4.3 本章小结 | 第73-74页 |
| 5 磨粒智能识别系统 | 第74-88页 |
| 5.1 系统的整体结构设计 | 第74-80页 |
| 5.1.1 系统的硬件设计 | 第74-76页 |
| 5.1.2 系统的软件设计 | 第76-80页 |
| 5.2 结果分析 | 第80-86页 |
| 5.2.1 磨粒分割结果分析 | 第80-82页 |
| 5.2.2 磨粒识别结果分析 | 第82-86页 |
| 5.3 本章小结 | 第86-88页 |
| 6 结论 | 第88-90页 |
| 参考文献 | 第90-94页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第94-98页 |
| 学位论文数据集 | 第98页 |
