磨粒图像计算机识别分析方法研究与实现
| 第1章 绪论 | 第1-16页 |
| 1．1 磨损故障监测的意义 | 第9-10页 |
| 1．2 铁谱技术 | 第10-12页 |
| 1．2．1 铁谱技术的概念 | 第10页 |
| 1．2．2 铁谱技术的发展 | 第10-12页 |
| 1．2．3 铁谱技术的主要内容 | 第12页 |
| 1．3 铁谱诊断技术及其智能化发展 | 第12-15页 |
| 1．3．1 计算机技术在铁谱诊断中的应用 | 第13页 |
| 1．3．2 磨粒智能分析的国内外研究现状 | 第13-15页 |
| 1．4 选题的意义及本文的主要工作 | 第15-16页 |
| 第2章 磨损故障分析的理论基础 | 第16-22页 |
| 2．1 磨损失效及其分类 | 第16-17页 |
| 2．1．1 粘着磨损 | 第16页 |
| 2．1．2 磨料磨损 | 第16-17页 |
| 2．1．3 表面疲劳磨损 | 第17页 |
| 2．1．4 腐蚀磨损 | 第17页 |
| 2．2 磨粒分析 | 第17-21页 |
| 2．2．1 磨粒分类 | 第17-18页 |
| 2．2．2 典型磨粒形态特征及形成机理 | 第18-21页 |
| 2．3 本章小结 | 第21-22页 |
| 第3章 图像处理技术在磨粒分析中的应用 | 第22-36页 |
| 3．1 磨粒图像处理的步骤 | 第22-23页 |
| 3．2 磨粒图像预处理 | 第23-27页 |
| 3．2．1 均值平滑 | 第23-25页 |
| 3．2．2 中值滤波 | 第25页 |
| 3．2．3 小波去噪 | 第25-27页 |
| 3．3 磨粒图像分割 | 第27-32页 |
| 3．3．1 RGB阈值分割 | 第27-28页 |
| 3．3．2 HSI阈值分割 | 第28-29页 |
| 3．3．3 背景差分分割 | 第29-30页 |
| 3．3．4 灰度阈值分割 | 第30-31页 |
| 3．3．5 基于区域生长的分割 | 第31-32页 |
| 3．4 磨粒图像边缘检测 | 第32-35页 |
| 3．4．1 并行边缘检测 | 第32-34页 |
| 3．4．2 串行边界分割 | 第34-35页 |
| 3．5 本章小结 | 第35-36页 |
| 第4章 铁谱覆盖面积定量分析 | 第36-50页 |
| 4．1 铁谱覆盖面积定量分析在铁谱分析中的地位 | 第36-37页 |
| 4．2 覆盖面积定量参数及其特点 | 第37-39页 |
| 4．3 定量参数分析方法 | 第39-43页 |
| 4．3．1 铁谱趋势分析 | 第39-41页 |
| 4．3．2 铁谱回归分析 | 第41-43页 |
| 4．4 东风公司油样定量参数分析研究 | 第43-49页 |
| 4．4．1 油样的采集 | 第43页 |
| 4．4．2 铁谱图像采集与覆盖面积计算 | 第43-44页 |
| 4．4．3 铁谱数据分析 | 第44-49页 |
| 4．5 本章小结 | 第49-50页 |
| 第5章 磨粒形态参数描述及计算 | 第50-60页 |
| 5．1 磨粒特征分析简介 | 第50-51页 |
| 5．2 几何参数 | 第51-54页 |
| 5．3 颜色参数 | 第54-55页 |
| 5．3．1 RGB颜色参数 | 第54-55页 |
| 5．3．2 HSI颜色参数 | 第55页 |
| 5．4 纹理参数 | 第55-59页 |
| 5．4．1 纹理概念简介 | 第55-56页 |
| 5．4．2 灰度共生矩阵 | 第56-58页 |
| 5．4．3 磨粒图像纹理特征描述 | 第58-59页 |
| 5．5 本章小结 | 第59-60页 |
| 第6章 磨粒智能分析与实现 | 第60-74页 |
| 6．1 基于 BP神经网络的磨粒类型识别 | 第60-66页 |
| 6．1．1 BP神经网络算法描述 | 第60-63页 |
| 6．1．2 BP算法的改进 | 第63-64页 |
| 6．1．3 磨粒参数的采集 | 第64页 |
| 6．1．4 参数的归一化 | 第64-66页 |
| 6．1．5 BP神经网络设计与实现 | 第66页 |
| 6．2 磨粒成分分析 | 第66-69页 |
| 6．3 磨粒在线分析的实现 | 第69-73页 |
| 6．4 本章小结 | 第73-74页 |
| 第7章 结论与展望 | 第74-76页 |
| 7．1 本文要点与贡献 | 第74-75页 |
| 7．2 今后工作的建议 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间发表的论文和参与的科研项目 | 第80页 |
