管道焊缝识别方法研究与焊缝超声扫查装置的设计
摘要 | 第3-4页 |
Abstract | 第4-5页 |
第1章 绪论 | 第9-14页 |
1.1 课题来源、研究背景及意义 | 第9页 |
1.2 焊缝识别技术研究现状 | 第9-11页 |
1.3 管道焊缝扫查装置发展状况 | 第11-12页 |
1.4 本文的工作和内容安排 | 第12-14页 |
第2章 添加人工导航标志的焊缝识别方法 | 第14-23页 |
2.1 数字图像处理基本问题 | 第14页 |
2.2 人工导航标志 | 第14-15页 |
2.3 图像滤波 | 第15-18页 |
2.3.1 算术均值滤波 | 第15-16页 |
2.3.2 高斯滤波 | 第16-17页 |
2.3.3 中值滤波 | 第17-18页 |
2.4 图像分割 | 第18-20页 |
2.4.1 最大类间方差法 | 第18页 |
2.4.2 最佳阈值迭代法 | 第18-20页 |
2.5 基于导航标志的焊缝识别方法设计 | 第20-21页 |
2.6 基于图像质心的偏移量提取方法 | 第21-22页 |
2.7 本章小结 | 第22-23页 |
第3章 焊缝超声扫查装置运动控制系统设计 | 第23-44页 |
3.1 控制系统硬件设计 | 第23-34页 |
3.1.1 扫查装置整体结构框架 | 第23-24页 |
3.1.2 MCU处理模块 | 第24-26页 |
3.1.3 电源电路 | 第26-27页 |
3.1.4 电机驱动电路 | 第27-30页 |
3.1.5 摄像头模块 | 第30-32页 |
3.1.6 无线遥控模块 | 第32-34页 |
3.2 控制系统软件设计 | 第34-38页 |
3.2.1 控制系统总体设计方案 | 第34-35页 |
3.2.2 软件总体设计架构 | 第35-37页 |
3.2.3 图像采集软件设计 | 第37-38页 |
3.3 扫查装置运动控制系统数学建模及仿真 | 第38-42页 |
3.3.1 直流电机模型 | 第38-39页 |
3.3.2 扫查装置负载模型 | 第39-40页 |
3.3.3 摩擦力模型 | 第40-41页 |
3.3.4 控制系统数学模型仿真 | 第41-42页 |
3.4 扫查装置沿管道焊缝扫查试验 | 第42-43页 |
3.5 本章小结 | 第43-44页 |
第4章 基于图像纹理特征的焊缝识别方法研究 | 第44-56页 |
4.1 图像的纹理 | 第44-45页 |
4.2 灰度直方图及其纹理统计特征参数 | 第45-46页 |
4.3 灰度共生矩阵 | 第46-49页 |
4.3.1 灰度共生矩阵的定义 | 第46-48页 |
4.3.2 灰度共生矩阵的纹理统计特征参数 | 第48-49页 |
4.4 基于图像纹理特征的焊缝识别方法设计 | 第49-54页 |
4.4.1 纹理特征参数的提取 | 第49-50页 |
4.4.2 焊缝识别方法的设计 | 第50-53页 |
4.4.3 识别方法的改进 | 第53-54页 |
4.5 仿真结果及分析 | 第54-55页 |
4.6 本章小结 | 第55-56页 |
第5章 基于BP神经网络的焊缝识别方法研究 | 第56-68页 |
5.1 人工神经网络概念及神经元模型 | 第56-57页 |
5.2 BP神经网络 | 第57-59页 |
5.2.1 BP神经网络模型及特点 | 第57-58页 |
5.2.2 构建BP神经网络的步骤 | 第58-59页 |
5.3 BP神经网络的改进算法 | 第59-61页 |
5.4 BP神经网络的设计 | 第61-63页 |
5.4.1 输入层、输出层的设计 | 第61-62页 |
5.4.2 传递函数的确定 | 第62页 |
5.4.3 隐含层的设计 | 第62-63页 |
5.5 仿真结果及分析 | 第63-67页 |
5.6 本章小结 | 第67-68页 |
第6章 焊缝超声扫查系统的改进方案 | 第68-76页 |
6.1 扫查系统硬件改进方案 | 第68-70页 |
6.1.1 控制板卡 | 第68-69页 |
6.1.2 USB摄像头 | 第69-70页 |
6.2 扫查系统软件改进方案 | 第70-75页 |
6.2.1 扫查控制主流程设计 | 第70-72页 |
6.2.2 焊缝识别算法设计 | 第72-73页 |
6.2.3 BP网络模型设计 | 第73-75页 |
6.3 本章小结 | 第75-76页 |
第7章 总结与展望 | 第76-78页 |
7.1 总结 | 第76页 |
7.2 展望 | 第76-78页 |
参考文献 | 第78-81页 |
致谢 | 第81页 |