一、自动磁粉探伤系统中的图像技术（论文文献综述）
易文渊[1]（2021）在《基于机器视觉的轴承部件磁粉探伤系统软件设计与实现》文中认为万向节作为轴承部件的一种,是汽车动力传动装置的重要组成部分。为了保证万向节工件的出厂质量,在生产过程中,需要对工件进行缺陷检测。工业上常用人眼检测磁粉探伤法来对万向节工件的表面缺陷进行检测,然而传统的人工检测效率低、稳定性差,且工作环境对人体健康有害。针对这些问题,本文设计了一种基于机器视觉的轴承部件磁粉探伤系统来代替人眼检测万向节工件的表面缺陷。系统针对万向节表面缺陷的特点,分别采用了基于图像处理的内壁缺陷检测算法和基于深度学习的外壁检测算法来检测万向节不同部位。基于图像处理的内壁缺陷检测算法主要分成图像预处理、提取感兴趣区域、图像分割三个部分:采用自适应中值滤波算法,降低图像噪声;使用一种改进的Canny边缘检测算法来提取图像中的感兴趣区域;对感兴趣区域采取自适应阈值法得到了缺陷、背景的二值化图像。由于外壁图像样本规模较小,目前基于深度学习的表面缺陷检测算法大多利用目标检测和语义分割实现,然而这些目标检测和语义分割网络需要较大的数据驱动,在缺陷样本数据集较小时检测效果不佳。因此本文设计了一种基于UNET和ResNet的二阶段深度学习网络来检测轴承部件外壁缺陷,在数据集规模较小的情况下表现良好。一阶段对轴承部件外壁图像进行粗分割,提取出图像中可能存在的缺陷部位,二阶段对提取到的缺陷部位进行分类。整个系统采用分布式微服务架构,主要包括缺陷检测模块,用户权限管理模块,设备管理模块,数据管理模块。缺陷检测模块用Flask服务器形式部署缺陷检测算法,通过HTTP协议与硬件系统通信实现磁粉探伤的全自动化。用户权限管理、设备管理、数据管理响应智能制造趋势,实现检测过程的可视化和设备的远程控制。实验测试得出,系统能长时间稳定运行,单个模块宕机后仍能对外提供服务,算法检出率到达99.3%,检测速度1.7秒,系统能完全满足实际生产流水线上的相关检测要求。
罗媛媛[2]（2021）在《聚焦：自动磁粉探伤系统中的图像技术》文中研究说明随着我国社会主义市场经济的发展以及科技水平不断提升,带动航空运输行业的蓬勃发展,当前时代对航空工程质量的要求越来越严格,工程企业只有加强对该工程的技术创新,才能提供更加高质量的航空服务,保障该行业平稳持续发展。当前我国正处于百年未有之大变局的发展格局下,新冠肺炎疫情给各行各业的发展建设带来一定的机遇与挑战,对航空技术的研究工作来说也不例外,
王丹奇[3]（2020）在《超声波无损检测POD分析在疲劳裂纹中的应用》文中提出由于疲劳载荷和腐蚀的影响,裂纹是老化的结构体中一种常见的缺陷,例如,在核电厂中,裂纹通常会出现在管道,压力容器镀层和其他一些核心设备中,裂纹的发展会导致其中某些设备发生突然的失效,从而造成灾难性的后果,因此,保证这些设备的完整性对核电厂等工厂的安全运行至关重要。超声波无损检测方法在工业中被广泛采用来检测设备中的裂纹等缺陷,然而其检测过程不可避免地要受到各种因素的影响,如被检部件的几何结构,材料性质,温度等,由于这些影响因素的作用,检测信号中会存在噪声,从而降低检测结果的可靠性。为了评估超声波检测方法对裂纹的检测能力,需要量化其检出可靠性。以往的相关研究中大都采用在试件中制备形状规则的裂缝来进行超声波检测实验并对其进行可靠性分析,然而,现实中的裂纹涉及到更复杂的形状和因素,所以,仅利用人工切割产生的裂缝不能够准确地评价出超声波检测对疲劳裂纹的检出可靠性。本文基于数值仿真和实验,利用检出概率（probability of detection,POD）对奥氏体不锈钢中疲劳裂纹的超声波无损检测的可靠性进行了评价。通过使用基于有限元方法的Com Wave软件进行三维数值仿真,建立了带有裂纹的平板试件的超声波检测模型,分析了信号随着裂纹尺寸的变化趋势,研究了裂纹深度和长度都会对信号产生较大的影响,因此,超声波检测的可靠性分析需要同时考虑这两个变量。在实验中,首先通过四点弯曲试验在奥氏体不锈钢平板试件中制备了接近实际的疲劳裂纹,并对试件进行了表面处理和利用电子显微镜测定了裂纹的长度和深度,利用UI-25超声波探伤仪对其进行检测获得了实验信号。通过对信号幅值的分析,验证了裂纹深度和长度都会对信号产生较大的影响。在评价超声波检测的可靠性方面,基于在数值仿真和实验中获取的检测信号,首先借助于单变量概率模型建立了POD与裂纹深度之间的关系,结果显示在假定的检出阈值下,超声波检测方法能够检测出深度大于1.6 mm的裂纹。此外,检出阈值对可靠性分析结果影响也比较大,因此在评价检测可靠性时,需要使用合理的方法确定阈值。由于单变量概率模型要求信号和变量之间存在线性关系,因此不能利用该模型建立POD与裂纹长度之间的关系。借助于多变量概率模型,利用实验信号对仿真信号进行了校准,建立了POD轮廓图。该轮廓图能够同时显示检出概率随着裂纹长度和深度的变化,因此能够更全面地评价超声波检测的可靠性。
杜亮亮[4]（2019）在《磁场激励下焊接缺陷磁光成像特征研究》文中研究说明焊接是当代工业中广泛应用的加工技术,由于焊接过程极其复杂,容易受到焊接设备和焊接参数的影响,所以会产生一系列微小焊接缺陷如裂纹、凹坑、未熔合等,直接影响焊接产品的质量,降低生产效率。而传统的焊接缺陷无损检测方法都存在一定的局限性,如射线检测对人体有辐射,超声检测需要耦合剂,漏磁检测只适用于铁磁性焊接材料的检测等。因此本课题研究基于法拉第磁光效应的磁光成像无损检测新方法,通过不同磁场励磁,获得缺陷处周围的漏磁场,生成缺陷磁光图像,直观判断焊接产品质量,提高缺陷无损检测效果。目前焊接缺陷磁光成像检测大多数是基于恒定磁场和交变磁场励磁,但该方法仍然难以实现多方向焊接缺陷的检测。为实现多方向缺陷和亚表面缺陷的检测,提高缺陷无损检测效率,本课题研究基于交变磁场和旋转磁场激励的焊接缺陷磁光成像,通过分析不同磁场不同励磁状态下的焊接缺陷磁光图像,探索不同磁场激励下焊接缺陷磁光成像检测方法的规律和特征,为复杂缺陷和亚表面缺陷的可视化检测奠定基础,提高焊接产品的无损检测效率。首先用不同焊接方法如钨极惰性气体保护焊（TIG焊）或激光焊制作一批可用于试验的焊接微小缺陷,如裂纹、凹坑、未熔合等。然后建立不同磁场激励下的磁光成像试验平台,在该平台的基础上设计多种焊接缺陷不同试验参数的磁光成像试验。其次针对旋转磁场磁光成像试验系统,通过改变旋转磁场发生器的励磁电压和磁光传感器的提离值,探索不同旋转磁场励磁参数下的缺陷检测效果,通过对比分析不同参数下的磁光成像情况来确定旋转磁场的最佳励磁参数,同时分析旋转磁场励磁下焊接缺陷磁光成像规律,探究磁滞效应对缺陷磁光成像的影响,为后续深入研究旋转磁场成像情况提供试验依据。选取一组具有不同方向性的缺陷作为表面缺陷样本,在表面缺陷上覆盖相同材料的试件模拟亚表面缺陷,对比分析不同磁场激励下获得的磁光图像效果,探究交变磁场和旋转磁场检测多方向缺陷和亚表面缺陷的能力。最后对焊接缺陷磁光图像进行频域处理,如二维离散傅立叶变换、巴特沃斯高通滤波等。通过对不同焊接缺陷进行一系列频域滤波处理和变换,分析不同焊接缺陷磁光图像的频域特征以及该特征的成像机理,并探索缺陷磁光图像频域特征与空域特征的对应关系,获得缺陷无损检测的最佳检测方法,提高焊接缺陷无损检测效果。
陈继泽[5]（2019）在《基于图像处理的罐体裂纹磁粉自动检测系统研究》文中研究指明目前储罐类等大型承压类特种设备的定期检验采用人工检测,且磁粉裂纹的检测工作量大、劳动强度高、环境恶劣等问题,急需开发能代替人工进行操作的智能化检测设备,包括检测部分和机构行走部分。课题针对自动检测设备上罐体裂纹视觉检测系统进行研究,提出了基于磁粉检测的罐体裂纹的视觉自动识别系统,该系统利用机器视觉技术检测罐体裂纹,起到代替人眼识别的功能,包括图像采集、图像处理、图像裂纹长度的标定,以及裂纹特征的提取及裂纹长度的计算等工作。根据罐体裂纹图像的特征及检测精度选取系统硬件的型号及参数,包括相机、镜头、光源、照明方式、磁粉、磁化类型。选用MATLAB软件作为系统图像处理的软件。针对罐体裂纹图像中存在的打磨及污渍等图像噪声,采用自适应中值滤波进行预处理的方法祛除噪声干扰。针对裂纹信息和背景信息对比度不高的问题,采用开运算与线性变换组合处理的方法对裂纹图像进行了加强处理,提高了裂纹信息和背景信息的对比度。利用图像分块处理法对含有裂纹信息的图像区域进行分块处理,同时引入了裂纹的圆形度、裂纹长宽比、裂纹平均宽度等特征作为裂纹识别的条件,来区分裂纹和干扰信息,达到剔除污渍、凹坑等干扰信息。针对罐体裂纹形状特点,提出两种裂纹像素长度的计算方法,线性拟合法和累加计算法,并对计算结果进行了的比对,选用了与实际长度更接近的累加计算法。通过相机标定明确了裂纹像素长度和裂纹实际长度之间的比例关系,在此基础上计算得到罐体裂纹的实际长度。利用VB6.0软件开发了基于图像处理的罐体裂纹磁粉自动检测系统,实现了焊缝图像的采集、处理、存储和检测。通过现场的实验验证,实际测量裂纹长度为9.5mm,累加法测得的长度约为8.9mm,误差6.4%在允许的范围内,验证了检测系统的可行性和准确性,可为罐体裂纹自动检测的发展提供可靠的技术支持。图 49 幅;表 5 个;参 50 篇。
宗大公[6]（2019）在《列车轮对轮辋跟随式探伤系统的研究与实现》文中研究说明轮对作为列车运行的重要部件,其健康状况对列车的安全运行具有重要影响。随着列车运行速度的不断提高,人们对列车轮对的安全性提出了更高的要求。本文针对列车轮对缺陷的检测技术进行了深入研究,利用计算机技术和超声检测技术,设计研发了列车轮对轮辋跟随式探伤系统,用于轮对踏面缺陷及轮辋内部缺陷的检测。系统采用多通道组合探伤的方式,将电磁超声检测（EMAT）技术与常规超声检测（UT）技术相结合,选取合适的EAMT线圈及压电超声探头,并根据轮对检测要求设计了探头阵列。通过跟随检测的方式在不落轮的条件下完成车轮踏面缺陷及轮辋内部周向裂纹和径向裂纹的全方位检测。采用无线通信的方式进行命令及探伤数据的传输,对接收到的探伤原始信号先使用小波分析法进行滤波降噪处理,滤除探伤信号中的非有效信号,然后通过对降噪后的数据进行预处理、筛选、转换等一系列处理,完成被测车轮缺陷数据的采集及显示。系统上位机采用LabVIEW作为开发平台,遵循数据流的设计理念,采用塔形结构进行设计,由轮对探伤模块、用户管理模块、参数设置模块和安全退出模块四个主要模块组成,各模块分工明确,能够准确直观的给出缺陷的位置及类型,支持探伤结果的多类型显示,支持车轮检测报表的生成,且能够将车轮检测结果与机务段的车辆管理系统相关联实现列车轮对的一体化管理。本文使用跟随式探伤系统对样板轮及现场在役轮对进行多次试验。实验结果表明,列车轮对轮辋跟随式探伤系统自动化程度高、稳定性能好、检测精度高且缺陷定位准确。综合性能能够满足预期的设计要求,具有很大的市场经济价值和社会价值。
路永祥[7]（2018）在《基于图像处理的柴油机缸盖材料疲劳裂纹检测研究》文中进行了进一步梳理再制造工程作为绿色产业,为我国的资源再利用和环境污染治理开辟了新途径,极具发展潜力。再制造属于典型的离散制造业,人工成本大,劳动强度高,自动化程度低,作为制造业的重要分支,智能化是其未来重要的发展方向。发动机缸盖是发动机的重要部件之一,缸盖属于典型的高强度薄壁复杂铸件,工艺复杂且制造成本高,在汽车发动机再制造中具有很高的再制造价值,是发动机再制造的典型零部件。对于缸盖的损伤,80%集中在缸盖鼻梁区,目前对缸盖毛坯件的检测主要采用两种方法:磁粉探伤和水检法。这两种方法均需人工操作完成,效率低、过程繁琐且目前在国内还不能实现在线检测,与现代企业快速、高效的理念不符。本文提出一种基于图像处理的方法来检测缸盖材料裂纹。图像处理具有无接触检测,设备简单易操作、成本低,节约劳动力,精度可靠,而且可在线检测的优点为实现缸盖再制造自动化、智能化奠定基础。基于图像处理实现缸盖材料裂纹检测主要借助于机器视觉系统及MATLAB软件,机器视觉系统主要完成对裂纹原始图像的高质量采集,MATLAB软件实现对原始图像的预处理、图像分割与特征提取。针对相应的图像处理算法,完成对缸盖材料裂纹图像的处理与裂纹的特征提取,给出了裂纹缺陷检测有效性的评价体系。得出以下结论:（1）基于图像的灰度直方图分析图像的灰度分布特征,可以得出裂纹和背景分布在不同的灰度范围,裂纹的灰度值小,背景灰度值大,裂纹主要集中在灰度值为2075的范围内,而背景主要集中在75225的范围内,且数量多,裂纹区域灰度对比度不强,裂纹图像中背景与裂纹的灰度值有部分重叠的结论。（2）通过基于能量的Fourier频谱法分析,得出裂纹图像中主要以椒盐噪声为主,掺杂高斯噪声的结论;对图像的红、绿、蓝（RGB）通道进行分析,R、G通道主要以椒盐噪声为主,B通道掺杂高斯噪声,整体是两种噪声的叠加。（3）对裂纹图像进行去噪增强的预处理,分别采用邻域均值滤波和中值滤波两种平滑滤波器对加入裂纹图像中的椒盐噪声进行去噪处理并对比效果,证明了针对现实中的非线性信号,中值滤波的去噪的有效性,也指出了中值滤波在去噪的同时会平滑图像,使图像模糊、质量下降,细节内容发生丢失的缺点。（4）提出了一种改进型的中值滤波算法:自适应中值滤波,以m×n的矩形窗口Sxy定义的滤波器区域内图像的统计特性为基础,具有处理更大概率的脉冲噪声如椒盐噪声时显示出极大的优势,在平滑非脉冲噪声时图像细节也能得到较好的保留的优点。（5）将细化处理得到的裂纹骨架通过像素转化可以快速获得裂纹长度特征,与实际测量的17.52 mm相比,误差率在0.0188,测量数据较为准确。
彭丹[8]（2017）在《荧光磁粉探伤中裂纹自动检测方法研究》文中研究表明工件裂纹检测方法多种多样,相比价格比较昂贵的超声波探伤仪,荧光磁粉裂纹检测因成本低、灵敏度高以及检测速度快等优点而被广泛使用。由于传统的荧光磁粉表面裂纹检测主要依靠人工判别来实现的,这种方式检测的效率较低且判断精确度不高或者是因视觉疲劳而出现误检,同时人体长期在紫外光环境下工作易危害身体健康。因此,研究基于数字图像处理和模式识别技术的荧光磁粉裂纹自动化检测方法具有重要的理论意义和实用价值。本文重点研究了荧光磁粉图像裂纹自动检测的图像预处理、图像分割、特征提取以及裂纹识别等4个关键步骤。首先,采用加权有向平滑滤波去除噪声的方法对图像进行预处理,旨在对图像进行去噪的同时能够尽可能的保留边缘信息,为后期的灰度-梯度共生矩阵最大熵图像分割提供有利条件。实验结果表明,与传统的均值滤波和中值滤波等去噪方法相比,此方法去噪效果更佳,更好地保留边缘信息,避免边缘模糊化;其次,给出基于遗传算法的灰度-梯度共生矩阵最大熵分割改进算法,有效解决了传统灰度-梯度共生矩阵最大熵分割产生的裂纹断裂现象,提高了分割运算速度。为了消除基于遗传算法的灰度-梯度共生矩阵最大熵改进算法对荧光磁粉图像分割引入的噪声,提出了点邻域搜索方法,完善图像的分割质量;再次,根据裂纹与非裂纹图像在形状、灰度以及梯度信息的差异性,本文采用Hu矩不变量和梯度方向直方图（HOG）描绘子作为分类器的输入样本,并针对HOG描绘子给出基于霍夫变换的改进方法;最后,针对支持向量机算法中人为选取惩罚因子和核参数的缺点,给出基于粒子群寻优（PSO）的SVM荧光磁粉裂纹检测改进算法,进一步提高裂纹的识别率。
陈林宇[9]（2017）在《基于磁痕图像的无损探伤关键技术研究》文中进行了进一步梳理磁粉探伤作为一种效果明显、技术成熟和成本低廉的无损检测方法,广泛应用于工业中铁铸件的质量检测环节,基于机器视觉的表面检测技术已经成为无损检测技术中的最常用的技术之一。本文将图像处理和模式识别技术与传统的磁粉探伤技术相结合,利用视觉检测技术实现轴承零件表面裂纹的自动检测。本文首先介绍了磁粉探伤技术的最新研究进展,阐述了磁痕成像的基本原理,分析了影响磁痕成像质量的因素。其次提出了一套基于机器视觉的磁粉探伤实施方案,其中硬件平台用于磁痕图像采集,软件算法主要包括磁痕特征提取与描述和裂纹识别。最后就目前磁痕识别方法中存在的磁痕提取与描述问题,本文提出了效果较好的解决方法。在磁痕提取上,首先介绍了磁痕图像的特点与预处理算法;其次针对磁痕存在提取困难的问题,本文利用二维Otsu、Laws和K-means等三种算法实现了磁痕的提取,与基于颜色和阈值的磁痕分割方法相比,本文三种算法的磁痕分割效果更好。在磁痕特征描述上,本文提出了不变矩、颜色矩和颜色聚合向量三种磁痕特征描述方法。通过实验对比与分析,与基于区域形状的几何特征描述方法相比,本文算法不需要预先进行磁痕分割,具有更强的通用性。本文最后针对现场采集的大量轴承零件磁痕图像,通过提取不变矩、颜色矩和颜色聚合向量等三种共计81维特征向量,利用SVM实现了轴承零件表面的裂纹识别。实验结果表明,本文提出的检测方法能有效地区分表面污染、裂纹和良品三大类工件,整体识别率高达85.62%,具有一定的工程应用价值。
陈亮[10]（2016）在《基于形态学的磁粉检测焊缝裂纹缺陷识别技术研究》文中进行了进一步梳理磁粉检测方法对检测结果做出评价的依据是缺陷处形成的磁痕。目前的磁粉检测主要依靠检测人员的肉眼观察,但是在实际应用时经常会因为视觉疲劳等原因出现漏检、误检等情况。本文提出了一种磁粉检测焊缝裂纹缺陷自动识别方法。在实验室条件下,建立了焊缝裂纹缺陷图像自动采集系统,应用现代图像处理技术开展焊缝裂纹缺陷的图像研究,实现焊缝裂纹缺陷的识别。在实际检测时,由于环境条件恶劣、振动等原因使视频采集系统与焊缝之间发生抖动造成图像模糊,使图像分析结果与实测结果有一定的误差。本文提出了一种焊缝裂纹图像恢复方法,通过建立缺陷图像的退化模型,根据退化模型逆过程恢复缺陷的模糊图像,提高图像的清晰度。针对恢复后裂纹缺陷图像信号微弱,噪声过多,影响裂纹的识别问题,采取对缺陷图像进行灰度化、直方图均衡化、中值滤波处理和图像增强等的预处理,提高信噪比。采用类似形态学梯度的分析方法处理缺陷图像,将原来复杂图像中与缺陷无关的背景消减,最大限度保留裂纹的形态特征。针对焊缝裂纹缺陷提取的问题,本文采用ostu自适应阈值算法,用于分割裂纹缺陷图像和背景,这种算法能够保留更多的裂纹原始细节。由于分割后的缺陷图像仍然伴随着大量伪缺陷,本文根据裂纹的形态特征,提出裂纹缺陷的特征参数。通过这组参数来对缺陷图像的连通域进行比对筛选,并最终得到裂纹缺陷图像。在缺陷识别的过程中,图像经常进行形态学变换和空间的变换,缺陷边缘可能发生畸变,本文采用区域生长的方法修复了可能存在的畸变问题,防止裂纹不连续和变形。最后采用了8连通判别方法对图像中的每个裂纹分配相应数标,使其能够记录下每条裂纹的位置、长度等信息。在实验室条件下进行焊缝裂纹缺陷识别实验,实验结果表明所研究的缺陷识别算法可行。
二、自动磁粉探伤系统中的图像技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、自动磁粉探伤系统中的图像技术（论文提纲范文）
（1）基于机器视觉的轴承部件磁粉探伤系统软件设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 机器视觉表面缺陷检测研究现状 |
| 1.3 本文的研究内容 |
| 1.4 本文的结构安排 |
| 第二章 需求分析与总体方案设计 |
| 2.1 项目来源 |
| 2.2 功能性需求分析 |
| 2.2.1 缺陷检测功能 |
| 2.2.2 用户权限管理功能 |
| 2.2.3 用户权限管理功能 |
| 2.2.4 数据管理功能 |
| 2.3 非功能性需求分析 |
| 2.4 总体架构设计 |
| 2.5 本章小结 |
| 第三章 缺陷检测算法设计 |
| 3.1 算法总体设计 |
| 3.2 算法评估指标 |
| 3.3 基于数字图像处理的内壁缺陷检测算法设计 |
| 3.3.1 图像预处理 |
| 3.3.2 ROI区域提取 |
| 3.3.3 局部阈值分割 |
| 3.3.4 内壁缺陷检测算法实验分析 |
| 3.4 基于深度学习的外壁缺陷检测算法设计 |
| 3.4.1 卷积神经网络基础 |
| 3.4.2 数据集准备 |
| 3.4.3 基于UNET的缺陷提取 |
| 3.4.4 基于ResNet的缺陷分类 |
| 3.4.5 外壁缺陷检测实验分析 |
| 3.5 本章小结 |
| 第四章 系统软件详细设计与实现 |
| 4.1 技术架构设计 |
| 4.2 开发环境及相关技术说明 |
| 4.3 缺陷检测模块 |
| 4.4 其他功能模块 |
| 4.4.1 用户权限管理模块 |
| 4.4.2 设备管理模块 |
| 4.4.3 数据管理模块 |
| 4.5 系统优化 |
| 4.5.1 安全性优化 |
| 4.5.2 全局异常处理 |
| 4.6 系统实现 |
| 4.7 本章小结 |
| 第五章 系统测试 |
| 5.1 测试环境与测试工具 |
| 5.2 系统功能性测试 |
| 5.3 系统性能测试 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（2）聚焦：自动磁粉探伤系统中的图像技术（论文提纲范文）
| 该技术应用过程中存在的不足之处 |
| 针对上述问题所提出的解决措施 |
（3）超声波无损检测POD分析在疲劳裂纹中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 无损检测方法概述 |
| 1.2.1 射线无损检测技术 |
| 1.2.2 磁粉无损检测技术 |
| 1.2.3 涡流无损检测技术 |
| 1.2.4 渗透无损检测技术 |
| 1.2.5 超声波无损检测技术 |
| 1.3 无损检测可靠性分析研究 |
| 1.3.1 可靠性分析的影响因素及其重要性 |
| 1.3.2 国内外可靠性分析研究现状 |
| 1.4 本文主要研究内容 |
| 第二章 奥氏体不锈钢中的疲劳裂纹及其制备 |
| 2.1 引言 |
| 2.2 疲劳裂纹的形成 |
| 2.3 奥氏体不锈钢疲劳寿命的影响因素 |
| 2.4 疲劳裂纹平板试件的制备 |
| 2.5 本章小结 |
| 第三章 用于疲劳裂纹的超声波检测数值仿真 |
| 3.1 引言 |
| 3.2 数值仿真方法 |
| 3.3 超声波检测的数值仿真软件 |
| 3.4 三维数值仿真 |
| 3.4.1 建模 |
| 3.4.2 前处理 |
| 3.4.3 计算 |
| 3.4.4 后处理 |
| 3.4.5 结果分析 |
| 3.5 本章小结 |
| 第四章 奥氏体不锈钢疲劳裂纹的超声波检测实验 |
| 4.1 超声波检测实验 |
| 4.1.1 实验目的 |
| 4.1.2 实验仪器和设备 |
| 4.1.3 实验过程 |
| 4.1.4 实验结果 |
| 4.2 结果分析 |
| 4.3 本章小结 |
| 第五章 奥氏体不锈钢疲劳裂纹的超声波检测的检出可靠性评估 |
| 5.1 POD模型建模方法 |
| 5.2 数据类型 |
| 5.3 概率模型 |
| 5.3.1 Hit/miss数据的概率模型 |
| 5.3.2 信号响应数据的概率模型 |
| 5.4 结果分析 |
| 5.4.1 基于数值仿真的单变量概率模型结果 |
| 5.4.2 基于实验的单变量概率模型结果 |
| 5.4.3 多变量概率模型结果 |
| 5.5 本章小结 |
| 第六章 结论及展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（4）磁场激励下焊接缺陷磁光成像特征研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 物理量名称及符号 |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 传统焊接缺陷无损检测方法 |
| 1.2.1 射线检测 |
| 1.2.2 超声检测 |
| 1.2.3 涡流检测 |
| 1.2.4 渗透检测 |
| 1.2.5 磁粉检测 |
| 1.2.6 漏磁检测 |
| 1.2.7 激光视觉检测 |
| 1.2.8 传统无损检测方法对比 |
| 1.3 磁光成像检测 |
| 1.4 磁光成像国内外研究现状 |
| 1.5 选题意义及主要研究内容 |
| 1.5.1 选题意义 |
| 1.5.2 主要研究内容 |
| 1.6 本章小结 |
| 第二章 磁场激励下的焊接缺陷磁光成像检测系统 |
| 2.1 试验系统概述 |
| 2.1.1 激光焊焊接试验系统 |
| 2.1.2 TIG焊接试验系统 |
| 2.1.3 磁光成像检测系统 |
| 2.2 磁光成像励磁装置 |
| 2.2.1 交变磁场发生器 |
| 2.2.2 旋转磁场发生器 |
| 2.3 磁光成像传感器 |
| 2.3.1 磁光成像传感器参数 |
| 2.3.2 磁光成像传感器采集系统 |
| 2.4 本章小结 |
| 第三章 旋转磁场激励下焊接缺陷磁光成像规律 |
| 3.1 旋转磁场理论 |
| 3.2 旋转磁场下焊接缺陷磁光成像 |
| 3.2.1 磁光成像原理 |
| 3.2.2 磁畴对磁光成像的影响 |
| 3.2.3 动态磁光成像 |
| 3.3 旋转磁场动态磁光成像分析 |
| 3.3.1 旋转磁场励磁焊接缺陷磁光图像 |
| 3.3.2 旋转磁场磁光成像规律 |
| 3.3.3 旋转磁场磁光成像规律分析 |
| 3.4 本章小结 |
| 第四章 磁场激励下的焊接缺陷成像特征分析 |
| 4.1 表面焊接缺陷的磁光成像 |
| 4.1.1 旋转磁场的最佳励磁参数 |
| 4.1.2 不同磁场励磁下的磁光成像效果对比 |
| 4.1.3 不同磁场励磁效果的分析和讨论 |
| 4.2 亚表面焊接缺陷的磁光成像 |
| 4.3 十字焊缝的磁光成像 |
| 4.4 本章小结 |
| 第五章 焊接缺陷磁光成像频域分析 |
| 5.1 图像变换的意义 |
| 5.2 图像频域处理 |
| 5.2.1 二维离散傅立叶变换 |
| 5.2.2 巴特沃斯高通滤波 |
| 5.2.3 傅立叶反变换 |
| 5.3 不同焊接缺陷磁光图的频域处理与分析 |
| 5.3.1 简单频域处理 |
| 5.3.2 优化频域处理 |
| 5.4 旋转磁场磁光成像规律频域特征 |
| 5.4.1 频谱图分析 |
| 5.4.2 频域特征与空域特征对比分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间发表的论文和专利等成果 |
| 致谢 |
（5）基于图像处理的罐体裂纹磁粉自动检测系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 课题研究的背景 |
| 1.1.2 论文研究的意义 |
| 1.2 国内外磁粉检测研究现状 |
| 1.2.1 国外磁粉检测技术现状 |
| 1.2.2 国内磁粉检测技术现状 |
| 1.3 基于图像处理的视觉检测技术现状 |
| 1.4 基于图像处理罐体裂纹检测技术存在的问题 |
| 1.5 研究内容 |
| 1.6 课题创新点 |
| 第2章 裂纹检测系统的方案设计及软硬件选择 |
| 2.1 方案设计 |
| 2.2 罐体裂纹检测系统硬件的选型 |
| 2.2.1 工业相机的选择 |
| 2.2.2 光学镜头的选择 |
| 2.2.3 光源的选择 |
| 2.2.4 磁粉类型的选择和磁粉的检测方法选择 |
| 2.3 罐体裂纹检测软件的选择 |
| 2.4 影响图像采集质量的因素 |
| 2.4.1 分辨率因素 |
| 2.4.2 磁悬液浓度和粘度因素 |
| 2.5 磁粉检测技术原理 |
| 2.6 本章小结 |
| 第3章 罐体裂纹图像的采集与处理 |
| 3.1 储罐图像的采集 |
| 3.2 图像的预处理 |
| 3.2.1 图像的平滑处理 |
| 3.2.2 图像的增强处理 |
| 3.2.3 数学形态学开运算-线性变换组合 |
| 3.3 图像处理的边缘检测算法 |
| 3.3.1 传统的边缘检测算子 |
| 3.3.2 传统检测算子的对比试验 |
| 3.4 图像阈值分割法 |
| 3.4.1 Otsu自动阈值分割法 |
| 3.4.2 直方图试验选取方法 |
| 3.5 图像裂纹骨架提取法 |
| 3.6 图像裂纹骨架提取法 |
| 3.7 图像裂纹的识别 |
| 3.7.1 图像裂纹的识别算法 |
| 3.7.2 图像裂纹的分块识别 |
| 3.8 本章小结 |
| 第4章 罐体裂纹长度的标定 |
| 4.1 相机标定的求解模型 |
| 4.2 罐体裂纹长度算法 |
| 4.2.1 线性拟合法裂纹长度算法 |
| 4.2.3 两种裂纹长度算法对比分析 |
| 4.3 本章小结 |
| 第5章 裂纹图像处理实验研究 |
| 5.1 裂纹检测系统的软件开发 |
| 5.2 罐体裂纹检测系统的现场检测 |
| 5.3 裂纹检测系统流程设计 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 企业导师简介 |
| 作者简介 |
| 学位论文数据集 |
（6）列车轮对轮辋跟随式探伤系统的研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 跟随式探伤系统设计要求 |
| 1.2.1 系统设计指标 |
| 1.2.2 系统检测方法分类 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 本文的主要内容与结构 |
| 1.4.1 论文总体结构 |
| 1.4.2 论文主要内容 |
| 1.5 本章小结 |
| 第二章 探伤原理和小波分析法的信号处理 |
| 2.1 引言 |
| 2.2 超声波基本原理 |
| 2.2.1 超声场的基本物理量及特性 |
| 2.2.2 超声波的分类 |
| 2.3 超声波激发机理 |
| 2.3.1 电磁超声表面波激发机理 |
| 2.3.2 压电超声波激发机理 |
| 2.4 列车轮对在线检测方法 |
| 2.4.1 基于EMAT的车轮踏面缺陷检测方法 |
| 2.4.2 基于压电超声的车轮轮辋缺陷检测方法 |
| 2.5 小波分析法的探伤信号滤波处理 |
| 2.5.1 小波分析法进行滤波处理的流程 |
| 2.5.2 小波分析的原理 |
| 2.5.3 原始信号降噪处理 |
| 2.5.4 信号重构 |
| 2.6 本章小结 |
| 第三章 列车轮对探伤系统设计 |
| 3.1 引言 |
| 3.2 探伤系统的基本组成 |
| 3.3 探伤系统主要部分设计 |
| 3.3.1 探头阵列部分设计 |
| 3.3.2 采集箱部分设计 |
| 3.3.3 综合控制部分设计 |
| 3.4 本章小结 |
| 第四章 探伤系统软件设计 |
| 4.1 LabVIEW简介 |
| 4.2 软件系统的架构 |
| 4.3 软件系统主要模块设计 |
| 4.3.1 数据的获取 |
| 4.3.2 数据的分析和处理 |
| 4.3.3 数据的显示和输出 |
| 4.4 软件的内存管理和性能优化 |
| 4.4.1 软件的内存管理 |
| 4.4.2 软件性能的优化 |
| 4.5 本章小结 |
| 第五章 系统的实验及结果分析 |
| 5.1 引言 |
| 5.2 系统的安装与实验 |
| 5.2.1 探伤设备的组成 |
| 5.2.2 样板轮的制作 |
| 5.2.3 安装与实验 |
| 5.3 现场测试 |
| 5.4 系统综合性分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文主要工作 |
| 6.2 后续研究工作 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（7）基于图像处理的柴油机缸盖材料疲劳裂纹检测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 基于图像检测技术研究现状 |
| 1.2.1 图像检测技术概述 |
| 1.2.2 图像检测技术的发展状况 |
| 1.2.3 图像检测技术在装备制造中的应用 |
| 1.3 课题来源及研究主要内容 |
| 1.3.1 课题来源 |
| 1.3.2 主要研究内容 |
| 第二章 试验方法及设备 |
| 2.1 课题研究方案 |
| 2.2 试验材料 |
| 2.2.1 试验材料 |
| 2.2.2 试验试样尺寸 |
| 2.3 试验设备及方法 |
| 2.3.1 热疲劳试验设备 |
| 2.3.2 机器视觉设备 |
| 2.4 本章小结 |
| 第三章 基于图像的疲劳裂纹分析及预处理 |
| 3.1 引言 |
| 3.2 疲劳裂纹分析 |
| 3.2.1 裂纹原始图像分析 |
| 3.2.2 基于能量的裂纹图像分析 |
| 3.2.3 图像的R、G、B通道直方图 |
| 3.3 图像的预处理 |
| 3.3.1 灰度拉伸法 |
| 3.3.2 图像平滑 |
| 3.4 本章小结 |
| 第四章 图像的分割、形态学处理 |
| 4.1 引言 |
| 4.2 基于阈值方法的裂纹图像分割 |
| 4.2.1 基于灰度直方图的峰谷法 |
| 4.2.2 最大方差阈值分割 |
| 4.2.3 自适应阈值分割 |
| 4.2.4 迭代阈值分割 |
| 4.2.5 多尺度形态学梯度法 |
| 4.2.6 基于二维有限冲击响应滤波器的特定角度边缘检测 |
| 4.3 裂纹二值图像的处理 |
| 4.3.1 图像形态学处理 |
| 4.3.2 图像腐蚀与膨胀 |
| 4.3.3 开运算与闭运算 |
| 4.4 本章小结 |
| 第五章 基于图像的裂纹评价、损伤程度评估 |
| 5.1 引言 |
| 5.2 描述方法 |
| 5.3 形态特征 |
| 5.3.1 裂纹长度 |
| 5.3.2 裂纹圆形度的计算与判决 |
| 5.4 损伤程度评估 |
| 5.5 本章小结 |
| 第六章 主要结论及创新点 |
| 6.1 主要结论 |
| 6.2 主要创新点 |
| 参考文献 |
| 攻读硕士学位期间所取得的相关科研成果 |
| 致谢 |
（8）荧光磁粉探伤中裂纹自动检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 荧光磁粉探伤技术研究背景及意义 |
| 1.2 荧光磁粉探伤技术现状 |
| 1.3 荧光磁粉探伤技术工作内容及创新点 |
| 1.4 本文的章节安排 |
| 第二章 基于加权有向平滑滤波的荧光磁粉探伤图像去噪 |
| 2.1 加权有向平滑滤波算法特点 |
| 2.2 加权有向平滑滤波算法原理 |
| 2.2.1 噪声类型判别及有向平滑模板选取 |
| 2.2.2 加权滤波算法 |
| 2.2.3 加权有向平滑滤波算法基本框架 |
| 2.3 与经典图像去噪算法的对比分析 |
| 2.3.1 三种经典图像去噪算法 |
| 2.3.2 基于荧光磁粉图像的去噪算法性能对比分析 |
| 第三章 基于遗传算法和点邻域搜索的GGCM最大熵分割改进算法 |
| 3.1 GGCM最大熵分割 |
| 3.1.1 GGCM的概述 |
| 3.1.2 GGCM最大熵二维阈值分割算法 |
| 3.2 基于遗传算法和点邻域搜索的GGCM最大熵分割改进算法 |
| 3.2.1 遗传算法概述 |
| 3.2.2 遗传算法的改进 |
| 3.2.3 点邻域搜索消除孤立噪声像素 |
| 3.2.4 基于遗传算法和点邻域搜索的GGCM最大熵分割改进算法 |
| 3.3 荧光磁粉裂纹图像分割处理结果 |
| 3.3.1 各算法的分割效果分析 |
| 3.3.2 算法的运算速度分析 |
| 3.3.3 算法的收敛性分析 |
| 第四章 荧光磁粉图像的特征提取算法 |
| 4.1 Hu矩不变量 |
| 4.1.1 概述 |
| 4.1.2 荧光磁粉图像的Hu矩不变量实验结果分析 |
| 4.2 基于霍夫变换的HOG描绘子对荧光磁粉图像特征提取的改进算法 |
| 4.2.1 霍夫变换 |
| 4.2.2 标准HOG描述子 |
| 4.2.3 基于霍夫变换的HOG描绘子改进算法 |
| 4.2.4 HOG描述子改进算法的实验结果分析 |
| 4.3 荧光磁粉图像的特征提取 |
| 第五章 基于PSO的SVM荧光磁粉裂纹检测改进算法 |
| 5.1 荧光磁粉图像裂纹的SVM检测算法 |
| 5.1.1 样本线性的SVM算法 |
| 5.1.2 样本非线性的SVM算法 |
| 5.1.3 荧光磁粉图像裂纹的SVM检测算法 |
| 5.2 基于PSO的SVM荧光磁粉裂纹检测改进算法 |
| 5.2.1 基于PSO的SVM裂纹检测算法 |
| 5.2.2 基于PSO的SVM裂纹检测改进算法 |
| 5.2.3 算法收敛性分析 |
| 5.3 与经典模式识别算法的对比分析 |
| 5.3.1 经典模式识别算法 |
| 5.3.2 基于PSO的SVM荧光磁粉裂纹检测改进算法性能对比分析 |
| 5.4 不同特征向量的裂纹识别率对比分析 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 致谢 |
（9）基于磁痕图像的无损探伤关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 磁粉探伤原理 |
| 1.2.1 磁痕显像原理 |
| 1.2.2 磁粉探伤的特点 |
| 1.3 磁粉探伤研究现状 |
| 1.4 其他无损检测方法研究现状 |
| 1.5 智能无损检测与装备研究现状 |
| 1.6 本文主要工作 |
| 1.6.1 主要研究内容 |
| 1.6.2 主要创新点 |
| 1.7 章节安排 |
| 2 视觉检测方案设计 |
| 2.1 基本检测方案介绍 |
| 2.2 硬件结构 |
| 2.2.1 硬件平台搭建 |
| 2.2.2 硬件与耗材选型 |
| 2.3 软件算法 |
| 2.4 关键技术与难点 |
| 2.4.1 磁化工艺 |
| 2.4.2 磁痕辨别 |
| 2.4.3 磁痕提取 |
| 2.5 本章小结 |
| 3 磁痕提取 |
| 3.1 磁痕图像预处理 |
| 3.1.1 自适应中值滤波 |
| 3.1.2 滤波效果对比 |
| 3.1.3 直方图均衡化 |
| 3.2 裂纹分割 |
| 3.2.1 二维OTSU法 |
| 3.2.2 LAWS纹理法 |
| 3.2.3 K-Means法 |
| 3.3 形态学处理 |
| 3.3.1 形态学理论 |
| 3.3.2 形态学处理效果图 |
| 3.4 本章小结 |
| 4 磁痕特征描述 |
| 4.1 形状特征描述 |
| 4.1.1 形状特征描述子 |
| 4.1.2 形状特征的计算 |
| 4.2 不变矩特征描述 |
| 4.2.1 不变矩特征描述子 |
| 4.2.2 不变矩特征的计算 |
| 4.3 颜色特征描述 |
| 4.3.1 颜色特征描述子 |
| 4.3.2 颜色特征的计算 |
| 4.4 本章小结 |
| 5 轴承零件表面裂纹检测系统设计 |
| 5.1 试验平台 |
| 5.2 磁痕图像分析 |
| 5.3 分类器设计 |
| 5.3.1 线性可分 |
| 5.3.2 线性不可分 |
| 5.3.3 常用核函数 |
| 5.4 测试结果与分析 |
| 5.4.1 测试结果 |
| 5.4.2 结果分析 |
| 5.4.3 参数优化 |
| 5.5 检测系统实现 |
| 5.5.1 实现流程 |
| 5.5.2 系统界面集成 |
| 5.6 本章小结 |
| 总结 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及其研究成果 |
（10）基于形态学的磁粉检测焊缝裂纹缺陷识别技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 焊缝裂纹缺陷形成种类和原因 |
| 1.3 焊缝磁粉检测技术研究进展 |
| 1.4 数字图像处理技术基础 |
| 1.5 图像处理技术在无损检测中的研究进展 |
| 1.6 图像的缺陷提取和识别研究进展 |
| 1.7 本文的主要研究内容 |
| 第二章 磁粉检测原理及焊缝裂纹缺陷识别系统 |
| 2.1 磁粉检测原理 |
| 2.2 磁痕分析 |
| 2.3 焊缝裂纹缺陷识别系统 |
| 2.3.1 焊缝裂纹缺陷识别系统流程 |
| 2.3.2 焊缝裂纹缺陷识别系统的工作原理 |
| 2.3.3 焊缝缺陷识别系统的结构组成 |
| 2.4 焊缝裂纹缺陷识别系统图像采集流程 |
| 2.5 焊缝裂纹缺陷提取流程设计 |
| 2.6 本章小结 |
| 第三章 焊缝裂纹缺陷的图像恢复研究 |
| 3.1 焊缝裂纹缺陷图像恢复 |
| 3.2 运动模糊图像退化模型 |
| 3.2.1 连续退化模型 |
| 3.2.2 离散退化模型 |
| 3.2.3 匀速直线运动退化模型 |
| 3.3 运动模糊图像点扩散函数参数的估计 |
| 3.3.1 模糊方向的确定 |
| 3.3.2 模糊尺度的确定 |
| 3.4 运动模糊图像的恢复方法 |
| 3.4.1 逆滤波恢复算法 |
| 3.4.2 维纳滤波恢复算法 |
| 3.4.3 Richardson-Luey迭代非线性恢复算法 |
| 3.5 本章小结 |
| 第四章 基于形态学的焊缝裂纹缺陷提取算法研究 |
| 4.1 缺陷图像的预处理算法研究 |
| 4.1.1 缺陷图像的预处理 |
| 4.1.2 图像灰阶处理 |
| 4.1.3 图像增强 |
| 4.1.4 图像锐化 |
| 4.2 基于数学形态学的图像分割算法研究 |
| 4.2.1 图像的形态学梯度分析 |
| 4.2.2 图像的边缘分割 |
| 4.3 本章小结 |
| 第五章 裂纹的缺陷筛选及识别研究 |
| 5.1 缺陷标记原理 |
| 5.2 焊缝的裂纹缺陷筛选 |
| 5.2.1 特征提取 |
| 5.2.2 裂纹缺陷的特征筛选 |
| 5.3 缺陷修复 |
| 5.4 焊缝缺陷的识别 |
| 5.4.1 缺陷信息的统计 |
| 5.4.2 实验研究 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
四、自动磁粉探伤系统中的图像技术（论文参考文献）
- [1]基于机器视觉的轴承部件磁粉探伤系统软件设计与实现[D]. 易文渊. 电子科技大学, 2021(01)
- [2]聚焦：自动磁粉探伤系统中的图像技术[J]. 罗媛媛. 中国航班, 2021(12)
- [3]超声波无损检测POD分析在疲劳裂纹中的应用[D]. 王丹奇. 青岛科技大学, 2020(01)
- [4]磁场激励下焊接缺陷磁光成像特征研究[D]. 杜亮亮. 广东工业大学, 2019(02)
- [5]基于图像处理的罐体裂纹磁粉自动检测系统研究[D]. 陈继泽. 华北理工大学, 2019(01)
- [6]列车轮对轮辋跟随式探伤系统的研究与实现[D]. 宗大公. 南京航空航天大学, 2019(02)
- [7]基于图像处理的柴油机缸盖材料疲劳裂纹检测研究[D]. 路永祥. 河北工业大学, 2018(07)
- [8]荧光磁粉探伤中裂纹自动检测方法研究[D]. 彭丹. 南京邮电大学, 2017(02)
- [9]基于磁痕图像的无损探伤关键技术研究[D]. 陈林宇. 西南科技大学, 2017(12)
- [10]基于形态学的磁粉检测焊缝裂纹缺陷识别技术研究[D]. 陈亮. 东北石油大学, 2016(02)