基于数字图像处理技术的粒度在线检测方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-19页 |
| ·课题的来源及研究目的意义 | 第9-10页 |
| ·传统粒度检测方法简介 | 第10-13页 |
| ·离线检测法简介 | 第10-11页 |
| ·在线检测法简介 | 第11-13页 |
| ·选矿粒度在线检测技术现状及展望 | 第13-18页 |
| ·国内外选矿生产中粒度检测技术现状 | 第13-14页 |
| ·图像粒度检测技术的发展现状 | 第14-15页 |
| ·神经网络的应用 | 第15-17页 |
| ·MATLAB 在粒度检测中的应用 | 第17-18页 |
| ·主要研究内容 | 第18-19页 |
| 第二章 颗粒形态识别方法研究 | 第19-36页 |
| ·图像处理基本思路 | 第19-20页 |
| ·图像的数字化 | 第19-20页 |
| ·数字图像的处理方法和内容 | 第20页 |
| ·颗粒图像的预处理 | 第20-25页 |
| ·图像的灰度变换与滤波 | 第20-23页 |
| ·多尺度形态学梯度的边缘检测及图像的平滑处理 | 第23-25页 |
| ·颗粒图像的分割方法比较与选择 | 第25-35页 |
| ·阈值分割法 | 第26-28页 |
| ·边缘检测分割法 | 第28-30页 |
| ·分水岭分割法 | 第30-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 颗粒的形态与尺度标定方法研究 | 第36-43页 |
| ·标定方法研究 | 第36-38页 |
| ·标定实验方案 | 第38-40页 |
| ·标定结果的验证 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于 BP 神经网络的静态粒度检测实验 | 第43-51页 |
| ·BP 神经网络模型训练样本的建立 | 第43-45页 |
| ·BP 神经网络模型结构的建立 | 第45-49页 |
| ·BP 神经网络模型结构的设计 | 第45-47页 |
| ·BP 神经网络学习参数的设定 | 第47-49页 |
| ·静态粒度检测实验 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第五章 动态粒度检测实验分析 | 第51-60页 |
| ·粒度检测装置结构设计 | 第51-52页 |
| ·粒度检测软件设计 | 第52-55页 |
| ·图像采集与分析处理模块设计 | 第52-54页 |
| ·神经网络模块与显示输出模块设计 | 第54-55页 |
| ·动态粒度检测实验 | 第55-57页 |
| ·实验平台的构建 | 第55页 |
| ·实验方案设计 | 第55-56页 |
| ·实验分析 | 第56-57页 |
| ·粒度动态检测与静态检测结果对比分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录：BP 神经网络训练样本数据 | 第65-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间的研究成果 | 第68-69页 |
