基于机器视觉的货车转向架典型故障检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 论文的选题背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 机器视觉的研究现状 | 第11-12页 |
| 1.2.2 货车转向架典型故障检测的研究现状 | 第12-14页 |
| 1.3 论文的主要研究内容 | 第14-15页 |
| 1.4 论文的章节安排 | 第15-17页 |
| 2 货车转向架典型故障检测总体方案 | 第17-24页 |
| 2.1 TFDS概述 | 第17-21页 |
| 2.1.1 工作原理 | 第17页 |
| 2.1.2 设备构成 | 第17-21页 |
| 2.2 货车转向架典型故障类型简介 | 第21-22页 |
| 2.2.1 滚动轴承轴端螺栓丢失故障 | 第21-22页 |
| 2.2.2 滚动轴承前盖丢失故障 | 第22页 |
| 2.2.3 枕簧丢失故障 | 第22页 |
| 2.3 故障图像识别总体方案 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 图像处理相关技术 | 第24-39页 |
| 3.1 图像去噪 | 第24-28页 |
| 3.1.1 均值滤波 | 第24-26页 |
| 3.1.2 高斯滤波 | 第26-27页 |
| 3.1.3 中值滤波 | 第27-28页 |
| 3.2 图像增强 | 第28-31页 |
| 3.2.1 直方图均衡化 | 第29-30页 |
| 3.2.2 图像对比度增强 | 第30-31页 |
| 3.3 图像分割 | 第31-32页 |
| 3.4 图像边缘检测 | 第32-36页 |
| 3.4.1 Roberts边缘检测算子 | 第32-33页 |
| 3.4.2 Prewitt边缘检测算子 | 第33-34页 |
| 3.4.3 Sobel边缘检测算子 | 第34页 |
| 3.4.4 Canny边缘检测算子 | 第34-36页 |
| 3.5 故障判读 | 第36-38页 |
| 3.5.1 Hough变换 | 第36-37页 |
| 3.5.2 模板匹配 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 故障识别算法的设计及实现 | 第39-54页 |
| 4.1 滚动轴承轴端螺栓丢失故障识别算法设计 | 第39-44页 |
| 4.1.1 螺栓区域定位 | 第39-41页 |
| 4.1.2 提取感兴趣区域 | 第41-42页 |
| 4.1.3 故障判读 | 第42-44页 |
| 4.2 滚动轴承前盖丢失故障识别算法设计 | 第44-49页 |
| 4.2.1 图像预处理 | 第45-46页 |
| 4.2.2 图像特征提取 | 第46-48页 |
| 4.2.3 故障判读 | 第48-49页 |
| 4.3 枕簧丢失故障识别算法设计 | 第49-53页 |
| 4.3.1 枕簧区域定位 | 第50-51页 |
| 4.3.2 图像特征提取 | 第51-52页 |
| 4.3.3 故障判读 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 货车故障检测系统的实现 | 第54-59页 |
| 5.1 系统整体流程 | 第54页 |
| 5.2 系统软件设计 | 第54-58页 |
| 5.2.1 开发软件简介 | 第54-55页 |
| 5.2.2 系统功能介绍 | 第55页 |
| 5.2.3 系统测试 | 第55-58页 |
| 5.3 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间的研究成果 | 第64页 |
