图像检测技术与切屑形态识别技术的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-19页 |
| 1．1 引言 | 第8-16页 |
| 1．1．1 数字图像处理技术的发展 | 第8-9页 |
| 1．1．2 图像处理系统的发展 | 第9-12页 |
| 1．1．3 数字图像处理技术的应用状况 | 第12-16页 |
| 1．2 本文的研究内容 | 第16-19页 |
| 1．2．1 课题的提出背景 | 第16-18页 |
| 1．2．2 课题来源 | 第18页 |
| 1．2．3 研究内容 | 第18-19页 |
| 第2章 神经网络计算的基础理论 | 第19-30页 |
| 2．1 概述 | 第19页 |
| 2．2 神经网络的基础理论 | 第19-29页 |
| 2．2．1 神经网络模型 | 第19-22页 |
| 2．2．2 神经网络的结构 | 第22-24页 |
| 2．2．3 神经网络的学习和训练 | 第24-25页 |
| 2．2．4 神经网络的学习规则 | 第25-29页 |
| 2．3 本章小结 | 第29-30页 |
| 第3章 系统组成与标定原理及方法 | 第30-42页 |
| 3．1 概述 | 第30页 |
| 3．2 系统组成 | 第30-32页 |
| 3．2．1 输入设备 | 第31-32页 |
| 3．2．2 主机系统 | 第32页 |
| 3．2．3 输出设备 | 第32页 |
| 3．3 图像采集系统原理及标定方法 | 第32-38页 |
| 3．3．1 灰度图采集 | 第33页 |
| 3．3．2 成像变换与摄像机模型 | 第33-38页 |
| 3．4 实验系统标定的方法 | 第38-41页 |
| 3．4．1 实验仪器 | 第39页 |
| 3．4．2 实验结果与分析 | 第39-41页 |
| 3．5 本章小结 | 第41-42页 |
| 第4章 基于特征拓展和RBF网络的切屑形态识别 | 第42-55页 |
| 4．1 切屑形态识别概述 | 第42页 |
| 4．2 模式识别技术基础知识 | 第42-43页 |
| 4．3 切屑种类及预处理 | 第43-45页 |
| 4．4 特征拓展的识别方法 | 第45-48页 |
| 4．4．1 识别原理 | 第45-47页 |
| 4．4．2 流程图 | 第47页 |
| 4．4．3 识别结果及分析 | 第47-48页 |
| 4．5 基于神经网络的识别方法 | 第48-54页 |
| 4．5．1 神经网络的构造 | 第48-50页 |
| 4．5．2 神经网络输入输出矢量的确定 | 第50-52页 |
| 4．5．3 神经网络训练及识别 | 第52-54页 |
| 4．6 本章小结 | 第54-55页 |
| 第5章 刀具磨损及切屑的尺寸测量 | 第55-64页 |
| 5．1 概述 | 第55页 |
| 5．2 磨损特征分析及预处理 | 第55-57页 |
| 5．3 识别原理 | 第57-59页 |
| 5．3．1 面积的计算 | 第58页 |
| 5．3．2 周长的计算 | 第58页 |
| 5．3．3 磨损区域长度和宽度的计算 | 第58-59页 |
| 5．4 检测结果及分析 | 第59页 |
| 5．5 锯齿形切屑的长宽及角度的测量 | 第59-62页 |
| 5．5．1 边缘拟合 | 第59-61页 |
| 5．5．2 锯齿形切屑的长度与宽度的计算 | 第61-62页 |
| 5．6 本章小结 | 第62-64页 |
| 结论 | 第64-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 参考文献 | 第67-70页 |
