| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外发展现状 | 第8-12页 |
| 1.2.1 图像处理技术发展现状 | 第9-10页 |
| 1.2.2 模式识别方法发展现状 | 第10页 |
| 1.2.3 神经网络算法发展的历史及现状 | 第10-12页 |
| 1.3 研究的目的及意义 | 第12页 |
| 1.4 课题来源 | 第12-13页 |
| 1.5 研究的技术路线 | 第13页 |
| 1.6 本章小结 | 第13-14页 |
| 第二章 焊缝X射线实时成像系统的图像采集 | 第14-23页 |
| 2.1 焊缝X射线实时成像系统 | 第14-18页 |
| 2.1.1 X射线实时成像系统硬件系统 | 第15-17页 |
| 2.1.2 X射线实时成像系统软件系统 | 第17-18页 |
| 2.1.3 X射线实时成像系统的特点 | 第18页 |
| 2.2 焊缝X射线检测理论 | 第18-20页 |
| 2.2.1 X射线检测的原理 | 第18-20页 |
| 2.2.2 X射线检测的特点 | 第20页 |
| 2.3 焊缝X射线检测图像的采集 | 第20-22页 |
| 2.3.1 图像采集卡的二次开发 | 第20-21页 |
| 2.3.2 图像数据库的建立 | 第21-22页 |
| 2.4 本章小节 | 第22-23页 |
| 第三章 焊缝X射线检测图像的预处理 | 第23-41页 |
| 3.1 焊缝X射线检测图像的特点 | 第23-24页 |
| 3.2 焊缝X射线检测图像的预处理 | 第24-40页 |
| 3.2.1 焊缝区域的提取 | 第24-33页 |
| 3.2.2 基于Hopfield神经网络的焊缝图像增强 | 第33-36页 |
| 3.2.3 焊缝区域的缺陷分割 | 第36-39页 |
| 3.2.4 焊缝区域的噪声分割 | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 焊缝缺陷的特征提取 | 第41-51页 |
| 4.1 常见的焊缝缺陷类型 | 第41-43页 |
| 4.2 焊缝缺陷的特征参数建模 | 第43-49页 |
| 4.2.1 缺陷区域的确定 | 第44-45页 |
| 4.2.2 几何特征的计算 | 第45-47页 |
| 4.2.3 形状特征的计算 | 第47-49页 |
| 4.3 特征参数归一化处理 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于BP神经网络的焊缝缺陷建模及识别 | 第51-69页 |
| 5.1 神经网络简介 | 第51-52页 |
| 5.1.1 神经网络基本概念 | 第51-52页 |
| 5.1.2 神经网络应用领域及存在问题 | 第52页 |
| 5.2 BP神经网络算法 | 第52-56页 |
| 5.2.1 BP神经网络算法描述 | 第53-55页 |
| 5.2.2 BP神经网络结构描述 | 第55-56页 |
| 5.3 BP神经网络焊缝缺陷建模及识别 | 第56-68页 |
| 5.3.1 输入层、输出层的设计 | 第56-57页 |
| 5.3.2 隐含层的设计 | 第57-58页 |
| 5.3.3 神经元的传递函数 | 第58-59页 |
| 5.3.4 仿真实验 | 第59-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 攻读硕士学位期间发表的论文 | 第73-74页 |