X射线智能评片系统的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·本课题的学术背景与研究意义 | 第9-12页 |
| ·问题的提出 | 第9页 |
| ·X 射线检测技术概述 | 第9-11页 |
| ·课题研究学术背景和意义 | 第11-12页 |
| ·X 射线数字化底片图像处理的研究现状 | 第12-13页 |
| ·论文内容安排及创新点 | 第13-15页 |
| 第2章 X 射线底片数字图像的预处理 | 第15-28页 |
| ·X 射线底片数字图象的特点 | 第15-16页 |
| ·X 射线底片数字化 | 第15页 |
| ·X 射线底片的特点 | 第15-16页 |
| ·X 射线数字底片的去噪方法 | 第16-21页 |
| ·X 射线数字底片的噪声模型 | 第16-17页 |
| ·X 射线数字底片的去噪 | 第17-21页 |
| ·缺陷的特征提取 | 第21-28页 |
| ·缺陷特征的种类 | 第22-24页 |
| ·缺陷的特征参数 | 第24-25页 |
| ·缺陷特征参数的计算 | 第25-28页 |
| 第3章 缺陷识别知识库的建立 | 第28-39页 |
| ·知识的表示方法 | 第28-30页 |
| ·产生式表示法 | 第28-29页 |
| ·逻辑式表示法 | 第29页 |
| ·语义网络表示法 | 第29页 |
| ·框架表示法 | 第29-30页 |
| ·特征表示法 | 第30页 |
| ·知识的获取 | 第30-39页 |
| ·知识的归纳 | 第30-32页 |
| ·深层知识库的构建 | 第32-36页 |
| ·浅层知识库的构建 | 第36页 |
| ·知识库的自学性 | 第36-37页 |
| ·知识库的管理 | 第37-39页 |
| 第4章 焊缝缺陷的模糊神经网络识别方法研究 | 第39-52页 |
| ·BP 神经网络的结构及算法 | 第39-42页 |
| ·缺陷识别的模糊神经网络结构 | 第42-45页 |
| ·网络的训练与识别 | 第45-52页 |
| ·输入数据的预处理 | 第45-46页 |
| ·输出数据的表征 | 第46-47页 |
| ·初始权值的设计 | 第47页 |
| ·网络的训练和识别 | 第47-52页 |
| 第5章 智能评片模糊神经网络专家系统的设计 | 第52-63页 |
| ·模糊神经网络焊缝缺陷识别专家系统 | 第52-54页 |
| ·系统的识别策略 | 第52-53页 |
| ·系统的知识表示、获取与推理 | 第53-54页 |
| ·系统软件设计 | 第54-63页 |
| ·软件功能与开发环境 | 第54页 |
| ·软件结构 | 第54-55页 |
| ·图像显示与缺陷特征提取 | 第55-56页 |
| ·模糊BP 神经网络的实现 | 第56-58页 |
| ·推理解释 | 第58-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 附录A 攻读学位期间所发表的学术论文 | 第68-69页 |
| 附录B 模糊BP 神经网络算法实现的部分源代码 | 第69-78页 |
| 致谢 | 第78页 |
