基于主成分分析的焊缝缺陷识别算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 研究的目的与意义 | 第12-13页 |
| 1.3.1 研究的目的 | 第12页 |
| 1.3.2 研究的意义 | 第12-13页 |
| 1.4 课题来源 | 第13页 |
| 1.5 研究的内容及技术路线 | 第13-14页 |
| 1.5.1 研究内容 | 第13页 |
| 1.5.2 技术路线 | 第13-14页 |
| 1.6 本章小结 | 第14-15页 |
| 第二章 图像处理的基础理论 | 第15-25页 |
| 2.1 图像处理技术 | 第15-18页 |
| 2.1.1 图像滤波 | 第15-16页 |
| 2.1.2 图像增强 | 第16-17页 |
| 2.1.3 图像分割 | 第17页 |
| 2.1.4 图像边缘提取 | 第17-18页 |
| 2.2 相关理论研究 | 第18-24页 |
| 2.2.1 神经网络相关理论研究 | 第18-19页 |
| 2.2.2 主成分分析相关理论研究 | 第19-21页 |
| 2.2.3 核主成分分析相关理论 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 埋弧焊焊缝缺陷图像的采集与处理 | 第25-41页 |
| 3.1 X射线焊缝缺陷图像采集系统的建立 | 第25-27页 |
| 3.1.1 CCD摄像头 | 第25-26页 |
| 3.1.2 图像采集的结果与存取 | 第26-27页 |
| 3.2 焊缝图像处理系统 | 第27-40页 |
| 3.2.1 确定焊缝区域(ROI) | 第28-39页 |
| 3.2.2 基于灰度曲线分析的焊缝缺陷定位 | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 特征参数的选取与分析 | 第41-60页 |
| 4.1 焊缝缺陷种类及其特点 | 第41-42页 |
| 4.2 建立缺陷的特征参数 | 第42-47页 |
| 4.2.1 截取到的焊缝缺陷区域 | 第42-44页 |
| 4.2.2 缺陷的几何特征 | 第44-45页 |
| 4.2.3 缺陷的形状特征 | 第45-46页 |
| 4.2.4 提取到气孔和裂缝的部分特征参数 | 第46-47页 |
| 4.3 特征参数的处理 | 第47-59页 |
| 4.3.1 主成分分析的基本原理及计算步骤 | 第47-49页 |
| 4.3.2 特征参数的主成分分析 | 第49-52页 |
| 4.3.3 核主成分分析的基本原理及计算步骤 | 第52-54页 |
| 4.3.4 特征参数的核主成分分析 | 第54-59页 |
| 4.4 特征参数的主成分分析和核主成分分析的对比 | 第59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 基于神经网络的焊缝缺陷识别研究 | 第60-70页 |
| 5.1 神经网络特征和缺陷识别原理 | 第60页 |
| 5.2 神经网络模型的对比 | 第60-66页 |
| 5.2.1 BP神经网络 | 第61-64页 |
| 5.2.2 RBF神经网络 | 第64-66页 |
| 5.3 实验对比分析 | 第66-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间发表的论文 | 第76-77页 |
