基于荧光磁粉的智能无损检测技术研究及实现

《基于荧光磁粉的智能无损检测技术研究及实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南科技大学研究生学位论文基于荧光磁粉的智能无损检测技术研究及实现年级2013姓名林果申请学位级别硕士专业控制科学与工程指导教师刘桂华教授ClassifiedIndex:TP391U.D.C:004.8SouthwestUniversityofScienceandTechnologyMasterDegreeThesisResearchandImplementationofIntelligentnon-DestructiveInspectionTechnologybasedonFluorescentMagneti

2、cParticleGrade:2013Candidate:LinGuoAcademicDegreeAppliedfor:MasterSpeciality:ControlScienceandEngineeringSupervisor:Prof.LiuGuihuaMay.27th，2016独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加｜＾＾示注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得西南科技大学或其它教育机构

3、的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。１签名：棘朱曰期；＞巧Ｇ為乌关于论文使用和授权的说明本人完全了解西南科技大学有关保留、使用学位论文的规定，目３；学校有权！ｉｌ保留学位论文的复印件，允许该论文被查阅和借阅；学校可ｔ公布该论文的全部，可＾或部分内容１＾采用影印、缩印或其他复制手段保存论文。＇（保密的学位论文在解密后应遵守此规定）ｆ签名：导师签名；日期；知名抓豕种．＾＾西南科技大学硕士研究生学位

4、论文第I页摘要荧光磁粉检测是一种常规的无损检测技术，它被广泛运用于许多领域。现代无损检测技术正在向着自动化、智能化的方向发展，其中的荧光磁粉检测迫切需要解决自动与智能识别的问题。本文将图像处理技术和模式识别技术运用到荧光磁粉检测中，进行了理论结合实际的研究工作。本文使用图像处理算法、主成分分析法和BP神经网络设计了荧光磁粉智能无损检测系统，并搭建了荧光磁粉图像采集平台。文中首先研究了图像处理技术中的图像去噪算法与阈值分割算法，通过对比实验结果，选用自适应中心加权中值滤波算法和局部阈值分割算法进行图像预处理，同时

5、还研究了图像增强技术中的形态学运算。再使用主成分分析法对缺陷图像进行特征提取，最后使用向后传播算法设计BP神经网络分类器，完成对缺陷自动识别及分类。通过实验结果分析可知，本文提出的算法可以有效针对无缺陷、裂纹缺陷、气泡缺陷、伪缺陷和夹渣缺陷进行识别和分类。对以上五种类型的总体漏检率达到了低于5%的要求，识别率达到了85%的要求，尤其是对无缺陷、裂纹缺陷、气泡缺陷的识别率可以达到90%以上，具有一定的实用价值。关键词：荧光磁粉无损检测图像处理主成分分析法BP神经网络西南科技大学硕士研究生学位论文第II页Abstr

6、actFluorescentmagneticparticleinspectionisakindofconventionalnon-destructivetestingtechnology,whichhasbeenwidelyusedinmanyfields.Automationandintellectualizationaretwodirectionsofthemodernnon-destructivetestingtechnologydevelopment.Inparticular,automationand

7、intelligentrecognitionareespeciallyneededbythefluorescentmagneticparticleinspection.Inthispaper,theimageprocessingtechnologyandpatternrecognitiontechnologyareadoptedinthefluorescentmagneticparticleinspection,moreover,theauthorconductedtheresearchwiththecombi

8、nationoftheoryandpractice.Thispaperusesimageprocessingalgorithm,principalcomponentanalysis(PCA)andBackPropagation(BP)neuralnetworktodesignthefluorescentmagneticparticleintelligentdetectionsystem