基于神经网络的焊缝缺陷自动识别技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-14页 |
| ·研究的目的和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·国内研究现状 | 第11-12页 |
| ·国外研究现状 | 第12页 |
| ·本文内容结构 | 第12-14页 |
| 2 射线检测图像采集系统原理及组成 | 第14-18页 |
| ·射线检测技术的基本理论 | 第14-15页 |
| ·射线衰减规律 | 第14页 |
| ·射线检测图像特点 | 第14-15页 |
| ·射线检测图像采集系统组成 | 第15-16页 |
| ·图像及缺陷尺寸的定量 | 第16页 |
| ·缺陷智能检测系统的原理 | 第16-17页 |
| ·小结 | 第17-18页 |
| 3 射线检测焊缝图像的预处理 | 第18-42页 |
| ·胶片质量合格性判定 | 第18-22页 |
| ·胶片质量的要求 | 第18-21页 |
| ·胶片质量的检测 | 第21-22页 |
| ·射线检测图像的增强 | 第22-30页 |
| ·增强技术分类 | 第23页 |
| ·空域变换增强 | 第23-27页 |
| ·模糊增强 | 第27-30页 |
| ·射线检测图像的去噪 | 第30-35页 |
| ·图像噪声的分析 | 第30-31页 |
| ·去噪方法 | 第31-35页 |
| ·焊缝背景的去除 | 第35-41页 |
| ·形态学图像处理 | 第35-39页 |
| ·焊缝提取 | 第39-41页 |
| ·小结 | 第41-42页 |
| 4 射线检测焊缝缺陷特征提取 | 第42-62页 |
| ·基于边缘检测的缺陷分割 | 第42-47页 |
| ·Sobel算子 | 第43-44页 |
| ·Roberts算子 | 第44-45页 |
| ·Canny算子 | 第45页 |
| ·Prewitt算子 | 第45-46页 |
| ·LOG算法 | 第46-47页 |
| ·基于区域检测的缺陷分割 | 第47-48页 |
| ·数字减影法提取焊缝缺陷 | 第48-53页 |
| ·理想焊缝模拟 | 第48页 |
| ·基于数字减影处理的焊缝缺陷提取 | 第48-53页 |
| ·缺陷的特征提取 | 第53-61页 |
| ·焊缝中常见缺陷分类 | 第53-54页 |
| ·缺陷的影像特征 | 第54-55页 |
| ·特征选择 | 第55-58页 |
| ·特征参数计算 | 第58-61页 |
| ·小结 | 第61-62页 |
| 5 缺陷识别方法与GUI界面设计 | 第62-80页 |
| ·人工神经网络综述 | 第62-63页 |
| ·神经网络特征 | 第62-63页 |
| ·缺陷识别的基本原理 | 第63页 |
| ·网络模型的比较 | 第63-69页 |
| ·BP神经网络 | 第63-68页 |
| ·RBF神经网络 | 第68-69页 |
| ·PNN神经网络 | 第69页 |
| ·网络评述 | 第69页 |
| ·基于RBF神经网络的缺陷识别设计 | 第69-71页 |
| ·RBF神经网络用于缺陷识别的基本步骤 | 第70页 |
| ·RBF网络设计函数 | 第70-71页 |
| ·神经网络参数确定 | 第71页 |
| ·缺陷识别的实验结果 | 第71-72页 |
| ·GUI界面设计 | 第72-79页 |
| ·设计的总体方案 | 第73页 |
| ·窗口界面的实现 | 第73-75页 |
| ·各模块的实现 | 第75-79页 |
| ·本章小结 | 第79-80页 |
| 6 结论 | 第80-82页 |
| ·总结 | 第80-81页 |
| ·展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间发表的论文 | 第86-87页 |
| 致谢 | 第87-89页 |
