基于图像的高温运动钢坯状态监测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题的研究意义 | 第9-10页 |
| 1.2 传统的温度和速度测量方法 | 第10-13页 |
| 1.2.1 传统测温方法 | 第10-13页 |
| 1.2.2 传统测速方法 | 第13页 |
| 1.3 基于图像技术的温度和速度测量方法 | 第13-15页 |
| 1.3.1 国内外温度测量的研究现状 | 第13-14页 |
| 1.3.2 国内外速度测量的研究现状 | 第14-15页 |
| 1.4 论文研究内容 | 第15-17页 |
| 第二章 钢坯加热工艺概述与辐射测温原理 | 第17-25页 |
| 2.1 钢坯加热工艺概述 | 第17-21页 |
| 2.1.1 加热炉介绍 | 第17-20页 |
| 2.1.2 加热炉加热钢坯的目的 | 第20页 |
| 2.1.3 加热钢坯过程中易产生的问题 | 第20-21页 |
| 2.2 辐射测温原理 | 第21-24页 |
| 2.2.1 热辐射的基本概念 | 第21-22页 |
| 2.2.2 黑体辐射基本定律 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于图像的钢坯温度模型的建立 | 第25-49页 |
| 3.1 辐射测温法 | 第25-30页 |
| 3.1.1 单色测温法 | 第25页 |
| 3.1.2 比色测温法 | 第25-26页 |
| 3.1.3 三色测温法 | 第26-27页 |
| 3.1.4 本文采用的测温法及改进 | 第27-30页 |
| 3.2 图像预处理 | 第30-34页 |
| 3.2.1 图像去噪 | 第31-32页 |
| 3.2.2 图像颜色空间 | 第32-33页 |
| 3.2.3 钢坯图像预处理 | 第33-34页 |
| 3.3 数据拟合方法研究 | 第34-38页 |
| 3.3.1 BP神经网络 | 第34-36页 |
| 3.3.2 极限学习机 | 第36-38页 |
| 3.3.3 拟合方法比较 | 第38页 |
| 3.4 实验结果与分析 | 第38-47页 |
| 3.4.1 加热炉入口处温度模型 | 第39-45页 |
| 3.4.2 加热炉出口处温度模型 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 钢坯速度测量方法研究 | 第49-71页 |
| 4.1 测量钢坯运动速度意义 | 第49页 |
| 4.2 图像采集系统 | 第49-52页 |
| 4.3 钢坯静止状态检测 | 第52-57页 |
| 4.3.1 大津算法 | 第52-54页 |
| 4.3.2 图像间相似度度量准则 | 第54-57页 |
| 4.4 钢坯速度检测 | 第57-69页 |
| 4.4.1 特征点检测 | 第57-63页 |
| 4.4.2 特征描述子生成 | 第63-64页 |
| 4.4.3 特征点匹配算法 | 第64-68页 |
| 4.4.4 运动速度计算 | 第68-69页 |
| 4.5 运动状态检测系统 | 第69-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间发表的专利 | 第78页 |
