基于图像数字化处理的油液磨粒检测系统
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·研究意义和内容 | 第13-16页 |
| 2 磨损机理与磨粒特征的研究 | 第16-32页 |
| ·典型磨损类型 | 第16-22页 |
| ·粘着磨损(Adhesive Wear) | 第16-17页 |
| ·磨料磨损(Abrasive Wear) | 第17-19页 |
| ·疲劳磨损(Suerface Fatigue) | 第19-20页 |
| ·腐蚀磨损(Corrosive Wear) | 第20-21页 |
| ·微动磨损(Fretting Wear) | 第21-22页 |
| ·磨粒与磨损的对应关系 | 第22-24页 |
| ·磨粒特征的数学模型 | 第24-32页 |
| ·磨粒形状尺寸参数 | 第24-26页 |
| ·磨粒纹理特征 | 第26-27页 |
| ·磨粒颜色特征 | 第27-32页 |
| 3 基于图像处理技术的磨粒检测系统设计 | 第32-40页 |
| ·系统方案设计 | 第32-33页 |
| ·系统硬件组成 | 第33-38页 |
| ·铁谱分析仪 | 第33-35页 |
| ·工业显微镜 | 第35-37页 |
| ·图像采集装置 | 第37-38页 |
| ·系统软件设计 | 第38-40页 |
| 4 基于OpenCV的磨粒图像处理方法 | 第40-58页 |
| ·磨粒图像预处理 | 第40-46页 |
| ·图像灰度化处理 | 第41-42页 |
| ·图像增强处理 | 第42-45页 |
| ·直方图均衡化处理 | 第45-46页 |
| ·图像分割算法的设计 | 第46-52页 |
| ·Otsu自动阈值分割算法 | 第47-49页 |
| ·标记Watershed分割算法 | 第49-52页 |
| ·磨粒特征参数的提取 | 第52-58页 |
| 5 磨粒模式识别机的实现 | 第58-72页 |
| ·支持向量机 | 第58-64页 |
| ·统计学习理论 | 第58-60页 |
| ·SVM分类方法 | 第60-64页 |
| ·多分类SVM | 第64页 |
| ·磨粒样本数据的建立 | 第64-66页 |
| ·磨粒分类机的设计 | 第66-72页 |
| ·基于SVM的磨粒分类器的训练 | 第67-68页 |
| ·基于SVM的磨粒分类器的测试 | 第68-72页 |
| 6 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 作者简历 | 第78-82页 |
| 学位论文数据集 | 第82页 |
