输油管道连接焊缝典型缺陷分类及损伤识别
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究的学术背景和意义 | 第11-12页 |
| ·课题研究的学术背景 | 第11页 |
| ·课题研究的意义 | 第11-12页 |
| ·X射线数字图像识别的研究现状 | 第12-14页 |
| ·X射线检测底片图像识别在国外发展现状 | 第12-13页 |
| ·X射线检测底片图像识别在国内发展现状 | 第13-14页 |
| ·论文的内容安排 | 第14-15页 |
| ·本章小结 | 第15-17页 |
| 第2章 X射线数字图像预处理 | 第17-35页 |
| ·图像噪声分析及降噪方法 | 第17-23页 |
| ·常见噪声的种类以及模型的建立 | 第17-19页 |
| ·基于快速中值滤波的降噪方法的研究 | 第19-23页 |
| ·数字图像增强 | 第23-24页 |
| ·直方图增强 | 第23-24页 |
| ·图像分割与轮廓提取的研究 | 第24-34页 |
| ·图像边缘检测 | 第24-27页 |
| ·图像分割 | 第27-30页 |
| ·缺陷边缘提取 | 第30-32页 |
| ·缺陷填充 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 焊缝的缺陷分类及特征参数化 | 第35-47页 |
| ·焊缝缺陷分类 | 第35-38页 |
| ·缺陷的分类 | 第35-38页 |
| ·焊缝缺陷的评价标准 | 第38-42页 |
| ·焊缝缺陷的参数化 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 第4章 神经网络识别焊缝缺陷的方法研究 | 第47-61页 |
| ·人工神经网络 | 第47-51页 |
| ·神经元模型 | 第47-48页 |
| ·人工神经网络模型 | 第48-49页 |
| ·神经网络的学习 | 第49-51页 |
| ·竞争型神经网络 | 第51-60页 |
| ·自组织特征映射神经网络模型 | 第51-52页 |
| ·自组织特征映射网络目标识别模型 | 第52-53页 |
| ·自组织特征映射网络的构建 | 第53-57页 |
| ·自组织特征映射网络的训练以及分类的实现 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 辅助专家系统的设计 | 第61-69页 |
| ·专家系统概述 | 第61-63页 |
| ·辅助诊断专家系统简介 | 第61-63页 |
| ·知识库的构建 | 第63-65页 |
| ·知识表示 | 第63-64页 |
| ·规则库的建立 | 第64-65页 |
| ·推理技术和控制策略 | 第65-66页 |
| ·推理技术 | 第65页 |
| ·控制策略 | 第65-66页 |
| ·数据库 | 第66-67页 |
| ·数据库功能设计 | 第67页 |
| ·本章小结 | 第67-69页 |
| 第6章 缺陷诊断系统软件实现 | 第69-75页 |
| ·Visual 6.0特点 | 第69页 |
| ·系统软件设计 | 第69-74页 |
| ·软件功能与开发坏境 | 第69页 |
| ·软件结构 | 第69-70页 |
| ·识别程序实现 | 第70-71页 |
| ·程序推理解释 | 第71-74页 |
| ·本章小结 | 第74-75页 |
| 第7章 结论与展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |
