首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

基于X射线图像的焊缝缺陷检测与识别技术

摘要第1-5页
Abstract第5-10页
1 绪论第10-17页
   ·课题的背景及意义第10-11页
   ·X射线检测技术第11-12页
     ·X射线检测技术发展状况第11页
     ·X射线检测技术存在的问题第11-12页
   ·焊缝缺陷自动检测技术第12页
   ·焊缝缺陷图像处理和识别技术在国内外的发展状况第12-16页
   ·论文内容安排第16-17页
2 X射线检测理论和成像系统第17-23页
   ·X射线检测理论第17-19页
     ·X射线检测原理第17-18页
     ·X射线检测特点第18-19页
   ·X射线实时成像系统第19-22页
     ·X射线实时成像系统的组成第19-20页
     ·X射线实时成像系统的总体设计及工作原理第20-22页
     ·X射线实时成像系统的特点第22页
   ·本章小节第22-23页
3 X射线检测焊缝图像的预处理技术第23-42页
   ·X射线检测图像的特点第23-24页
   ·X射线检测焊缝图像的降噪技术第24-30页
     ·X射线图像噪声的来源第25页
     ·传统降噪方法第25-26页
     ·小波降噪方法第26-28页
     ·增强方法第28-30页
   ·焊道区域的获取第30-31页
     ·调节光栅方法第30页
     ·线灰度曲线法第30-31页
   ·X射线检测焊缝图像的分割研究第31-35页
     ·分水岭方法第32-33页
     ·算法描述第33-35页
   ·基于减影技术的迭代阈值分割法第35-40页
     ·减影技术第35-37页
     ·阈值选取方法第37-39页
     ·算法描述第39-40页
   ·本章小节第40-42页
4 缺陷特征提取技术第42-53页
   ·常见焊缝缺陷的分类第42-45页
   ·焊缝缺陷图像特征分析第45-49页
   ·用于缺陷识别的特征选择第49-51页
     ·特征选择依据和判断第49-50页
     ·特征特点第50-51页
     ·特征选择第51页
   ·仿真试验第51-52页
   ·本章小节第52-53页
5 基于神经网络方法的焊缝图像识别技术第53-69页
   ·神经网络简介第53-54页
     ·神经网络的基本概念第53-54页
     ·神经网络的研究方向和应用领域第54页
   ·误差反向传播神经网络算法第54-59页
     ·误差反向传播神经网络算法描述第55-58页
     ·误差反向传播神经网络的结构第58页
     ·误差反向传播神经网络的特点第58-59页
   ·BP网络的结构设计第59-68页
     ·输入、输出层的设计第59页
     ·神经元上的传递函数第59-61页
     ·神经元上的训练函数第61-62页
     ·隐含层的设计第62-63页
     ·仿真实验第63-68页
   ·本章小节第68-69页
6 结束语第69-71页
参考文献第71-76页
攻读硕士学位期间撰写的论文及科研成果第76-77页
致谢第77页

论文共77页,点击 下载论文
上一篇:基于静态傅里叶变换干涉具的被动激光光谱探测技术研究
下一篇:开放识别框架D-S证据理论合成规则研究