需要金币:1000 个金币 | 资料包括:完整论文 | ||
转换比率:金额 X 10=金币数量, 例100元=1000金币 | 论文字数:10245 | ||
折扣与优惠:团购最低可5折优惠 - 了解详情 | 论文格式:Word格式(*.doc) |
摘要:石油产业是我国的重要产业,石油的运输方式主要是管道运输,为了保障安全,对于管道内壁的质量就有很高的要求,而管道内壁主要在焊缝这一块是质量问题的关键。我国国内目前对于检测管道内壁焊缝表面质量的智能化设备还没有相关研究,以往都是工作人员拿着照明设备进入管道内部进行人工肉眼识别,具有识别精度不高、威胁人生安全等缺点,针对这一局限性本文进行了一系列研究,主要研究内容如下: 本文分析了管道内壁质量图像识别技术的研究现状。对图像识别中的专业技术进行了总结,包括图象分割技术、图像特征提取、分类和图像的匹配,标明了图像识别技术中的算法和技术。最后阐述了检测管道内壁图像质量作业的流程和实物图。 本文利用实际生产中收集的1000张管道内壁样片来进行标定,通过深度学习算法学习图片特征,利用KNN算法进行缺陷图片的分类继而形成不同的判定类别,深度学习之后用原有的1000张样片进行实验,确保精确度达到预期结果。所有的准备工作结束之后用全新图片进行测试以检测程序的可用性。
关键词:MATLAB 管道内壁 图像识别 质量评估
目录 摘要 Abstract 第一章 系统开发对社会的影响-1 第二章 绪论-2 2.1研究背景及意义-2 2.2研究现状-2 第三章 开发环境与技术-4 3.1系统开发环境-4 3.1.1 开发环境简介-4 3.1.2 配置开发环境-4 3.2关键技术简介-5 3.2.1 图像识别技术-5 3.2.2 图像分割技术-5 3.2.3 焊缝质量评价技术-5 第四章 管道内壁质量检测系统-7 第五章 设计流程和相关算法-9 5.1获取图像样本-9 5.2深度学习算法-9 5.2.1训练模型-10 5.3测试数据-12 5.4 KNN算法-14 5.4.1 KNN算法的优缺点-14 5.4.2 KNN代码实现-14 5.4.3 Matlab中KNN算法的实现-16 5.4.4算法流程-16 第六章 焊缝图像质量分析-18 6.1焊缝质量等级-18 6.2管道内壁图像原图-18 6.3管道内壁图像分析-19 6.3.1图像灰度图-19 6.3.2傅立叶谱图-20 6.3.3管道图像分割-21 6.4 基于MATLAB的图像分析操作界面-24 6.5输出结果-26 总结-29 参考文献-30 致 谢-31 |