一、微电脑技术在无损检测仪器设备的智能化和自动化及其结果评价中的应用（论文文献综述）
常汉[1]（2021）在《水心病苹果水心程度与可溶性固形物含量在线无损检测方法与分级装备研究》文中研究指明研究和应用水果内部品质在线检测技术及装备对提高果品附加值、减少损耗、促进产业健康可持续发展具有重要意义。然而由于水果内部信息获取难度高、信噪比低等问题,水果内部品质尤其是深层内部病害检测技术及装备研发难度大。苹果作为我国主要种植的水果品种之一,在我国的种植面积和产量均位居园林水果的前列。然而由于气候、营养元素等因素的影响,水心病作为一种发生于苹果维管束和果核周围的内部生理性病害,在苹果的主产区陕西和新疆等地均有发生,对苹果的仓储和商品化流通产生了较大的影响。水心病苹果因其独特的口感受到消费者的追捧,商业上又被称为冰糖心苹果。本研究针对苹果水心病的内源性、无明显光谱特征、在线检测受苹果大小和姿态影响大及水心病苹果可溶性固形物含量（Soluble Solids Content,SSC）检测难度大等问题开展试验,探究可见/近红外（Visible/Near Infrared,Vis/NIR）光谱技术在线检测苹果水心程度（Watercore Severity Index,WSI）及水心病苹果SSC的可行性并进行检测技术和分级装备开发。本研究的目的在于提出一种水心病苹果WSI和SSC在线精确检测方法,并设计开发一种新的适合于苹果内部品质和内部病害检测的输送系统与检测机构,为推进水果产后商品化处理提供理论基础和装备支撑。本文的主要研究内容和结果如下:（1）针对苹果水心病及SSC在线检测需求,研究了水心病苹果的光学特性,利用浙江大学智能生物产业装备创新研发团队（IBE团队）开发的自由托盘式水果分选设备,并采用双光源对射式光源布局的半透射检测系统,开展了苹果水心病无损检测研究。结果显示:同样大小的水心病苹果的透射光强谱峰值高于正常苹果,且随着WSI的增大,光强峰值逐渐增大。随机分布的不同大小和形状的水心组织改变了苹果的光透性,使苹果光谱产生了明显地随WSI变化而变化的趋势。这可能是导致水心病苹果不同检测位置的光谱产生差异的原因,同时也导致SSC预测效果变差。在水心病苹果和正常苹果的二分类判别中,k最近邻算法（k-Nearest Neighbor,k NN）、反向传播神经网络（Back Propagation Neural Network,BPNN）、支持向量机（Support Vector Machine,SVM）、一维卷积神经网络（One-Dimensional Convolutional Neural Network,1D-CNN）四种算法识别准确率均在95%以上,该结果表明利用Vis/NIR光谱技术对水心病苹果和正常苹果进行无损检测分类是可行的。在不同程度水心病苹果和正常苹果的k NN二分类判别中,轻微水心苹果和正常苹果的判别准确率较差（68%）,而中等或严重水心苹果与正常苹果的判别准确率较高（91%、100%）。WSI和SSC的预测结果也反映出水心组织对水心病苹果内部品质无损检测的影响。（2）针对上述研究中苹果不同大小和分布的水心组织对WSI和SSC检测影响大的问题,本研究基于光学仿真研究和实验研究建立了四光源仿环形光源布局的苹果水心病和SSC无损检测方法并分析了苹果大小对检测的影响。结果显示:由使用Light Tools软件进行的光学仿真研究结果可知在四光源仿环形光源布局下获取到的苹果光谱能够携带更多的苹果内部信息。样本为同样大小的苹果采用平均光谱建立的模型性能优异。同样大小苹果的SSC的偏最小二乘回归（Partial Least Squares Regression,PLSR）预测模型中,较优的建模集均方根误差（Root Mean Square Error of Calibration,RMSEC）和预测集均方根误差（Root Mean Square Error of Prediction,RMSEP）分别为0.34?Brix和0.37?Brix,相对分析误差（Residual Predictive Deviation,RPD）达到3.78。采用PLSR算法进行WSI预测的模型的较优RMSEC、RMSEP和RPD分别为2.00%、1.82%和1.69。在双光源对射式和四光源仿环形两种光源布局下,不同大小苹果的SSC和WSI预测中,四光源仿环形光源布局的检测效果要优于双光源对射式光源布局的检测效果,尤其是SSC的预测,其在四光源仿环形光源布局下采用PLSR算法的较优RMSEC和RMSEP分别能够达到0.35?Brix和0.43?Brix,RPD值为3.58。该试验结果验证了光学仿真的结论,提出了四光源仿环形较优光源布局,评估了不同大小苹果对检测的影响。（3）针对苹果大小对苹果水心病在线检测的影响,开发了以多功能果杯和自适应光源调整机构为核心的苹果水心病和SSC在线检测样机。针对自由托盘分选线中托盘定位难、装备复杂,而传统滚子输送式分选线中双锥式滚子不利于进行全透射或半透射模式检测等问题,开发了采用链传动的多功能果杯,能够满足水果全透射或半透射模式光谱检测需求,并具备准球形水果输送、称重、侧翻分级以及果杯自复位等功能。针对水果大小对光谱检测的影响,在光源布局优化基础上开发了基于水果大小自适应的光源调整机构,能够实现不同大小水果光谱的有效获取。在开发多功能果杯和自适应光源调整机构的基础上,进行了整机结构设计与研发。使用可编程逻辑控制器（Programmable Logic Controller,PLC）作为控制中心,以表指令为核心开发了样机的控制系统,并在电路系统中设计了强电动力电路和弱电控制电路,建立了强弱电隔离、PLC负载隔离、光谱仪触发信号隔离的稳定电路系统总成,实现了样机的正常运行以及水果光谱检测和分级功能。使用苹果和参比对样机静态和动态条件下的性能进行了测试,分析了不同速度下测试对象的光谱特性,确定了样机进行水果内部品质在线检测分级的可行性。（4）在完成苹果分选装备样机研制的基础上,研究了苹果姿态对苹果水心病和SSC在线检测的影响。在样机上综合考虑了三种可能的苹果检测姿态（姿态一:果梗朝上,姿态二:果梗-果萼轴线与输送方向平行,姿态三:果梗-果萼轴线与输送方向垂直）,并开展了对比试验研究。结果显示,与姿态二和姿态三相比,在姿态一情况下使用PLSR建模算法对SSC的预测可以获取较好的预测效果（RMSEC 0.45?Brix、RMSEP 0.49?Brix和RPD 2.91）,能够满足苹果SSC在线检测要求。而在水心病有无判别中,在姿态一放置条件下,SVM方法和姿态二的偏最小二乘判别分析（Partial Least Squares-Discrimination Analysis,PLS-DA）判别准确率一致,均为96%,但SVM方法敏感性和特异性（98%、83%）更加均衡,反映出SVM模型对水心病苹果和正常苹果均有较好的识别效果。研究结果表明,果梗朝上（姿态一）的输送方式在样机上对苹果水心病和SSC的检测均具备一定的优势。（5）针对不同大小的苹果在固定光源下受光区域相对位置不一致而影响检测精度的问题,提出了基于自适应光源调整机构的不同大小苹果的光谱修正方法,并对比分析了修正前后的模型效果。将不同大小苹果分成4组,在光谱检测中自适应光源调整机构根据苹果大小按组调整高度,保证光源照射到苹果上的相对高度一致,从而获取相对光程基本一致的光谱并进行光谱修正方法研究。结果显示:结合自适应光源调整机构和相对光程长度的修正光谱模型中,使用PLSR算法能够获取到较优SSC预测模型,其RMSEC、RMSEP和RPD分别为0.44?Brix、0.47?Brix和2.19。对比修正前的光谱,该模型能够获得更低的RMSEP和相对接近的RPD值。经过大小修正的光谱在PLS-DA算法下不同大小苹果的水心病判别准确率为81%,尽管模型判别准确率要低于同样大小苹果的水心病判别结果,然而对比未进行光源高度调整以及未进行光谱修正的模型,具有更加均衡的敏感性和特异性以及更高的水心病判别准确率。
杨崇山[2]（2021）在《基于高光谱的红茶发酵品质信息检测技术研究》文中提出发酵作为影响红茶品质形成的重要流程,发酵程度的好坏直接决定着红茶品质与风味。目前,国内外对红茶发酵品质程度的判别主要取决于制茶师傅的经验,主观性较强,易导致成品茶的品质不统一。若要精确判断红茶发酵品质信息,则需要利用仪器设备,持续对关键品质指标进行理化检测,此方法显然不能达成快速感知,无法满足红茶工业化生产的需要。因此,急需一种行之有效的快速无损检测方法以实现对红茶发酵内质信息的检测。本文选取工夫红茶发酵过程中的样品为实验对象,利用高光谱检测技术并结合化学计量学方法,建立不同发酵时序下发酵程度判别模型及关键品质成分定量预测模型,并通过优选的最佳模型实现发酵叶关键品质成分的可视化,以期为推进红茶智能化加工进程奠定理论基础和科学依据。本文主要研究内容如下:工夫红茶发酵程度判别模型的构建。利用高光谱成像仪（400～1000 nm）采集工夫红茶发酵样品的高光谱数据,并根据气温、茶叶嫩度、萎凋情况、揉捻过程、发酵叶颜色及香气等现场生产信息,将6个不同发酵时序下的样本,根据红茶的发酵程度将其分为3类（轻度发酵、适度发酵和过度发酵）。为消除采集高光谱信息时散射现象对光谱数据的影响,对光谱数据进行预处理,为降低高光谱数据维度,使用变量筛选算法提取特征波长和采用PCA对数据进行优化,建立了KNN、RF、ELM、SPA-KNN、SPA-RF和SPA-ELM判别模型,并分析了不同模型的优缺点,确定了适宜在实际生产中应用的模型,以期为红茶发酵程度在线判别设备的研制奠定研究基础。工夫红茶发酵中关键理化成分的定量预测及可视化研究。利用采集的样品高光谱数据,与不同时序下样品理化检测分析值相对应,使用主成分分析（PCA）对HSI数据进行降维优化,讨论了堆积发酵叶的位置与关键成分之间的关系,分析了不同预处理、变量筛选、智能算法对模型性能的影响,建立了发酵中关键理化成分（茶黄素、茶红素、茶褐素、咖啡碱、酚氨比、儿茶素和可溶性糖）的不同定量分析模型,确定了各个关键理化成分的最佳预测模型,并根据最佳预测模型预测结果与背景位置信息对应,伪彩色处理后得到了堆积发酵叶在不同时刻下各品质成分的可视化图像。工夫红茶发酵程度判别模型及发酵叶关键品质成分预测模型验证。在红茶发酵实验中,为了使模型更加准确、全面地预测红茶在不同时序下的发酵信息,将堆积发酵叶分为上、中、下三层,每层厚度5厘米。采集高光谱信息时,间隔时间为1小时,每层发酵叶各采集一次。为使所建模型反映红茶发酵整体信息,提取红茶不同发酵时序下上、中、下三层的高光谱数据,分别建立红茶发酵程度判别模型及发酵中关键品质成分定量预测模型。但在实际生产中,采集堆积红茶发酵叶高光谱信息时,只能采集发酵叶表面的信息数据,为了检验判别模型和定量预测模型在实际生产中的准确性,提取发酵中不同时刻下上层发酵叶的高光谱数据,输入判别模型和定量预测中,观察模型判别效果与预测结果,并于发酵适度时间和关键品质成分理化检测结果进行对比。
黄冰[3]（2021）在《基于近红外光谱检测技术的水泥生料质量控制研究》文中进行了进一步梳理生料制备作为水泥生产的首要环节,其产品质量的好坏对后续熟料烧成有着重要影响。生料成分作为评价生料质量的主要指标,其快速准确的检测是实现其质量实时控制的前提。目前国内大多数水泥企业生料质量检测仍采用XRF荧光分析仪离线进行,在原材料成分变化频繁的情况下不能及时有效地指导生产。少数企业引进了元素在线分析仪进行实时在线检测,并进行实时质量控制,但此种检测方式使用了具有放射性的中子源,不仅存在安全隐患,而且维护成本较高。为此引入近红外光谱检测技术对水泥生料成分进行在线检测,进而实现水泥生料质量实时控制。该检测技术作为一种快速、安全无污染的检测方式,在定量检测中得到了广泛的应用。但近红外光谱检测技术在水泥生料成分检测当中存在以下问题:水泥生料成分含量大多为金属氧化物,其近红外光谱吸收峰较小,不易进行定量检测;水泥生料粉堆密度变化影响漫反射光的强度,从而降低近红外光谱检测的精度;原材料种类或产地变化使检测模型的适配度变差;生产过程中存在原材料成分变化,近红外光谱磨后检测存在一定滞后时间。针对以上问题,本文基于近红外光谱检测技术,研究水泥生料成分检测和质量控制,主要内容与结果如下:（1）在水泥生料SiO2、Al2O3、Fe2O3和Ca O四种成分的定量检测中,由于各成分吸收峰小且分布范围较宽,同一成分的吸收峰位置并不唯一,采用反向区间偏最小二乘法（Bi PLS）和协同偏最小二乘法（Si PLS）对原始光谱和预处理光谱进行波段挑选,通过对比主成分回归分析（PCR）、偏最小二乘（PLS）、支持向量机（SVM）、多元线性回归（MLR）、最小二乘（CLS）、神经网络（ANN）等算法的建模效果,确定了水泥生料不同成分的最优检测模型:SiO2成分采用原始光谱进行Bi PLS波段挑选,确定PLS检测模型最优,预测均方根误差为0.136;Al2O3成分采用Savitzky-Golay预处理光谱,经Bi PLS-Si PLS波段挑选,确定PLS检测模型最优,预测均方根误差为0.068;Fe2O3成分采用Savitzky-Golay预处理光谱,经Bi PLS-Si PLS波段挑选,确定PLS检测模型最优,预测均方根误差为0.031;Ca O成分采用Savitzky-Golay预处理光谱,经Bi PLS波段挑选,确定PCR检测模型最优,预测均方根误差为0.113。（2）针对堆密度对水泥生料近红外光谱检测的影响,以混合样本校正的方式对堆密度进行补偿,以提高模型的检测精度。采用该方式对SiO2、Al2O3、Fe2O3和Ca O成分含量检测模型进行校正,与无堆密度信息的样本建立的检测模型对比,其相关系数R2分别提高了19.10%、17.65%、20.37%、27.40%,预测均方根误差分别减小了7.36%,4.14%,12.90%,20.67%。通过不同水泥企业的对比,研究表明,当水泥生料的原材料发生变化或者产地不同时,不能仅靠修正模型对水泥生料进行检测,需要重新建立近红外光谱模型,并且光谱波段选择必须改变。（3）针对水泥生料质量控制中的滞后和非线性问题,基于水泥生料配料工艺过程的机理与特性,结合近红外光谱检测结果,对水泥生料生产过程进行工况划分并建立工况模板;设计了以典型工况为核心的集趋势控制、前馈控制和预测控制于一体的水泥生料质量多模态控制器:针对质量控制指标设定值变化情况,采用前馈控制;针对水泥生料质量暂时合格,但其变化趋势趋向恶劣的情况,采用趋势控制;针对水泥生料质量不合格的情况,采用预测控制;采用数据驱动的水泥生料原材料成分预估方法对水泥生料原材料成分含量进行估算。（4）基于以上研究内容开发了水泥生料质量控制软件,并应用于现场实际生产,现场应用结果表明:近红外光谱检测技术对水泥生料SiO2、Al2O3、Fe2O3和Ca O成分含量的检测值和XRF荧光检测值的平均绝对偏差值分别为0.11、0.033、0.045、0.157;基于近红外光谱检测数据和现场数据,采用水泥生料质量控制软件进行控制,使得水泥生料KH合格率提高17.25%。
邓国军[4]（2021）在《基于时空影像序列的大型桥梁结构全息动静性态监测方法探索》文中研究表明基于影像数据对桥梁结构服役状态进行安全监测,较传统以测点传感器为基础的监测系统具有全息、方便、经济的突出优势,并高度契合未来数字信息的发展趋势。本文在国家自然科学基金项目“基于影像轮廓线叠差分析获取桥梁全息变形及结构状态演绎方法探索（51778094）”和“基于桥面形态变化的桥梁安全状态监测方法与预警理论研究（51708068）”的资助下,本文系统研究了基于动静一体定轴旋转摄影的大型桥梁结构全息动静形态监测及损伤识别方法。主要研究工作如下:针对大型桥梁的结构行为监测,提出了定轴旋转时空序列影像采集方法。研究了定轴旋转空间序列影像基准图像坐标系建立准则,分析了定轴旋转相邻视域转角以及最大转角的约束,提出了结构动静一体影像采集策略;分析了相机旋转与影像重叠度的理论联系,推导了已知转角条件下相邻图像重叠度计算公式。设计了低成本、可调视域及高精度的结构动静一体影像采集硬件系统,分析了系统的三大误差来源,建立了相应的误差理论模型,并对误差的控制提出了相应的策略。依据结构变形连续性准则,提出静力作用下序列图像时空关系的建立方法。基于桥梁结构设计先验知识和样条拟合函数,研究了代表结构形态本质特征的本征轮廓线提取方法,构建了结构形态本征函数;以各视域本征函数为边界条件对机器视觉算法中的特征点提取进行约束,形成了结构轮廓线的追踪算法;同时,以本征函数对稠密光流算法进行约束,在保证位移追踪精度的同时减少算力的消耗;以时间、空间和角度等为参数,构建定轴旋转获取桥梁结构立面图像的时空序列影像数据集;依据各影像视域的透视关系和尺度不变特征转换,研究了序列影像空间关系的建立方法;以自锚式悬索模型桥为对象进行了多工况静力加载试验,分别用动静一体影像监测装置和百分表获取模型桥主梁挠度变化,验证了装置的精度,研究了全息形态曲线相较于有限测点数据的优势。为了提升动态影像中轮廓线的识别和追踪精度,提出一个基于边缘轮廓增强的图像超分辨率算法与摄影测量相结合的框架,将算法结构简单且效果优良的梯度提升图像超分辨率重建算法与视觉测量结合;确定了算法中决策树的深度D、收缩值v及迭代次数M等相关超参数,通过与经典浅度学习算法和深度学习算法对比,验证了该算法对结构边缘轮廓线的识别精度;为了验证该重建算法应用于位移测量的效果,设计了图像超分辨率算法与摄影测量相结合的实验框架,研究了不同重建倍率和不同位移模式下超分辨率重建算法对位移测量的提升效果。结合桥梁本征轮廓线形态函数和稠密光流算法,探索了基于分段视域桥梁视频数据获取结构边缘本征轮廓线在动载作用下的位移时程信息方法,将其解耦及时频域信息的转换运算获取各个方向的全息模态参数;研究了基于初始状态图像矩阵的视域模态透视转换方法,结合同名像素点匹配方法研究了各视域的模态坐标统一及匹配方法,形成空间影像序列获取大型桥梁结构全息模态参数的方法。以24 m长的自锚式悬索桥模型为试验对象,分别以动静一体影像监测装置和振动传感器采集模型桥的动力参数,验证该系统采集动力参数的精度,并研究了全息动力参数的特点;以李家沱大桥为对象研究了本文方法在工程实际应用中的应用特点,通过其健康监测系统验证了本文方法的有效性。结合模型桥不同工况下的结构静力全息形态和挠度曲率损伤识别方法,与常规测点位移计数据对比分析了全息挠度曲率结构损伤识别的特点;基于简支梁的数值分析,研究了高分辨率模态振型结合曲率模态理论进行结构损伤识别的特点;基于自锚式悬索模型桥多种损伤工况下的全息模态振型,与有限测点数据对比分析了全息曲率模态进行结构损伤识别的特点;针对曲率模态叠差线形作为模型桥损伤指标存在噪音较多等问题,研究了曲率模态叠差线形二次微分作为损伤识别指标的效果,并验证了其有效性。
倪富陶[5]（2021）在《基于深度学习的结构外观病害检测与监测数据挖掘》文中指出土木基础设施是体现国家综合国力及科学技术发展水平的重要标志,其安全服役关乎国计民生。结构检测评估和结构健康监测是当前桥梁结构管养进行决策的主要依据,不管是结构检测评估还是结构健康监测,都会产生大量的数据,传统的数据分析手段难以对检、监测数据进行高效的分析处理。如何快速的分析海量数据、挖掘数据深层特征以及将分析结果反馈应用到后续桥梁运维管理中,成为土木领域当下研究的前沿热点。基于此研究背景,本文从结构外观检测数据和结构健康监测数据两方面出发,以数据挖掘中的分类问题为重点,利用深度学习技术深入挖掘大量外观检测数据和健康监测数据的内在特征。在依托海量检测数据的研究方面,本文主要研究了基于检测图像的裂缝自动分割方法,分为三个阶段逐步深入。在依托海量健康监测数据的研究方面,本文侧重于研究大数据问题处理框架中的前两个阶段,即数据预处理和数据存储阶段。论文的主要创新点如下:（1）提出了基于深度学习和Zernike正交矩的裂缝分割及宽度测量方法。针对传统方法适用性差的缺点,将深度学习算法和传统的基于数字图像处理的算法结合起来,在深度学习定性分类能力的基础上将图像中裂缝的检测分为“判断有无”、“自动勾画”和“宽度测量”三个层次。采用多个尺度的深度学习缩小裂缝的范围,并在传统方法初步分割出裂缝的基础上,再次利用深度学习筛选初步分割的裂缝,从而大大提高了裂缝分割的精度以及复杂环境下的抗噪性。在宽度测量方面,针对传统的“数像素”方法对于5像素以内细微裂缝测量误差大的缺点,提出了基于Zernike正交矩的细微裂缝宽度测量方法,直接利用裂缝的灰度信息计算裂缝的宽度,提高图像中细微裂缝的宽度测量精度。（2）提出了基于多尺度特征融合网络的像素级裂缝分割方法,实现完全依靠深度学习本身提取特征的裂缝分割。提出框架可以分为特征提取和特征融合两大块,而特征融合又可以分为不同尺度特征简单的像素级融合和不同尺度特征不同维度之间的深层次融合。在特征提取和像素级融合方面,采用自下而上和自上而下两种策略设计了不同的特征融合网络,基于不同裂缝测试集详细分析了高、低阶特征对最终裂缝分割结果的影响。发现低阶特征主要表征裂缝的形态信息,对于裂缝的细节描述更加有效,而高阶特征对于图像中裂缝的语义特征描述更加有效,需要把高低阶特征同时考虑到裂缝分割的框架中。（3）基于对抗深度学习增强的轻量级裂缝检测网络。前两章提出的裂缝分割方法虽然能高精度的分割出裂缝,但是其检测效率并不能够满足自动化检测的实时性要求。因此,本章提出了一种轻量级的裂缝检测框架,并提出了基于对抗深度学习的轻量级网络增强算法。提出框架从两方面对网络进行优化,一方面是深度学习特征提取模块的优化,采取更加轻型、高效的框架;另一方面,针对网络的训练策略提出算法创新,引入了生成对抗距离来衡量相似性,使轻量级网络的输出分布和人工标记的分布相逼近,从而提高轻量级网络的检测效果。最后,将本章提出的算法应用到新华路桥的桥墩裂缝检测中。（4）针对海量监测数据预处理的自动化异常检测需求,提出了基于一维卷积网络的健康监测异常数据识别方法,可以将健康监测系统采集数据直接输入到网络中,利用深度学习挖掘异常数据的本质特征,实现对异常数据的自动识别。随后将提出的方法应用到了江阴大桥吊杆监测数据的异常识别中,与人工检测的结果相对比,发现提出方法可以高精度的识别出健康监测系统采集的异常数据。相比传统的基于数学模型的异常数据识别方法,本文提出方法适用性广泛,可以高精度检测出各种类型的异常数据。相比于基于长短记忆网络的异常识别算法,提出方法不需要人工设定阈值。而相比于基于图像识别的异常检测方法,提出的方法不需要小心调整观测数据的尺度,不需要担心图像中超高维压缩带来的异常信息损失。（5）针对海量监测数据存储的问题,提出了基于卷积自编码网络的长期监测数据压缩方法。提出数据压缩方法可以分为数据压缩网络和数据重建网络两个部分,其中数据压缩网络用于将输入的原始数据压缩到指定的大小,数据数据重建网络用于将压缩后的数据进行还原。本文将提出方法和传统的基于DCT变换的数据压缩方法及压缩感知方法进行对比,发现在较低的压缩率下,本章提出的方法相对传统方法具有更小的重建误差和更高的相关系数。并将提出方法在江阴大桥长期吊杆监测数据下进行验证,发现对于识别为异常的数据,其压缩后重建的精度较低,而对于识别为正常的数据,能够在较低的压缩率下实现高精度的数据重建。
董春旺[6]（2017）在《小叶种工夫红茶发酵品质智能感官评价方法研究》文中认为工夫红茶发酵过程中对品质适度的评价,均依靠制茶师傅“一看二闻”的人工感官分析,最终凭借生产经验判断发酵品质和发酵程度。易受人为经验和主观因素影响,缺乏科学性和准确性,造成发酵偏轻或过度,导致产品风味不统一。若要精准把握发酵品质,需借助专家感官评审或理化检测手段分析内质变化,但感官评审易受环境、心理、主观经验等因素影响,而理化检测具有周期长、成本高、滞后性等缺点,红茶加工过程中在制品的有效信息不能实时反馈。为了克服人工感官评审和理化检测的不足,提高红茶发酵品质评价的客观性和精准性,本研究开展了基于近红外光谱、机器视觉、嗅觉可视化和电特性的红茶发酵品质智能感官评价技术研究。针对现有红茶发酵装备的局限性,研制出新型滚筒式富氧发酵机和配套工艺技术,作为工夫红茶发酵实验的平台,初步探讨了工夫红茶自动化生产线的集成应用技术。主要研究内容如下:（1）滚筒式富氧发酵机的设计与性能优化研究首先,基于工夫红茶发酵原理与工艺技术特点,创新设计了一种滚筒式红茶富氧发酵机。整机采用可视透明发酵筒设计、翻拌匀料和隧道式增温加湿技术相结合,解决了传统发酵设备难翻拌、供氧不足、发酵不均、水分散失、周期长等不足。进而,以新型发酵机为实验平台,以成品茶感官品质、理化品质（TFs、TRs）的无量纲化综合评分为主控目标,对影响发酵品质的设备性能参数（发酵温度、发酵时间、翻拌周期）进行试验研究。采用响应面法（RSM）和强神经网络-遗传集成优化算法（BP-AdaBoost-GA）等方法寻求较优的发酵机配套工艺技术参数。最后,通过工艺参数的验证实验,明确了本机型特有的翻拌功能对发酵品质的影响规律。研究结果表明,各因素对综合品质的影响重要性顺序为:发酵温度（x1）>翻拌间隔（x3）>发酵时间（x2）,最佳配套工艺技术参数为发酵温度27℃、发酵时间170min和翻拌间隔25min,特有的翻拌功能对红茶发酵品质的影响具有利弊双面性。在工夫红茶发酵工艺优化中,RSM和BP-AdaBoost-GA方法对发酵参数的优化都是可行的,但基于AdaBoost改进的神经网络和遗传算法相结合的极值寻优方式,较广泛使用的RSM法具有更好的全局极值预测能力和准确性。为后续工夫红茶发酵品质智能感官评价技术的研究,提供了稳定可靠的发酵实验平台。（2）基于近红外光谱技术的工夫红茶发酵品质评价研究。以不同发酵阶段的红茶在制品为研究对象,对获取的近红外光谱数据进行预处理,对比了典型光谱预处理方法对评价模型的影响,标准正态变量变换（SNV）的降噪平滑效果最优。进而,采用联合区间偏最小二乘回归（Si-PLS）、随机蛙跳算法（SFLA）、竞争性自适应权重取样法（CARS）和连续投影（SPA）,筛选出各品质指标的最优特征波长变量。再基于优选波长分别建立了各发酵品质指标的遗传算法-支持向量机（GA-SVR）非线性预测模型。模型结果比较表明,CARS、SFLA和SPA等变量筛选方法可有效压缩变量,以及进一步提高模型精度。非线性模型的预测均方根误差值（RMSEP）均明显小于偏最小二乘法（PLS）模型,相关性系数（R）和相对分析误差（RPD）均高于PLS模型。对于红茶发酵品质的检测上,非线性模型性能优于线性模型。除茶黄素的评价模型外（RPD为1.77）,基于最优特征波长的各品质指标GA-SVR模型的RPD值均大于2,表明模型具有极好的预测性能。近红外光谱技术可实现工夫红茶多理化品质指标和感官评分的快速无损检测,且采用特征变量筛选可建立更为简洁且预测精度更高的预测模型,研究结果为实现工夫红茶发酵品质的近红外光谱快速检测的实际应用奠定理论基础。（3）基于机器视觉技术的工夫红茶发酵品质评价研究。发酵过程中在制品的叶面色泽呈现时序性变化,是人工评价发酵品质的重要依据。本文以工夫红茶发酵过程样品为研究对象,依藉机器视觉表象寻迹关键色素物质的变化规律,联合线性（PLS）和非线性（SVR支持向量机回归和RF随机森林）建模手段,构建茶黄素（TFs）、茶红素（TRs）、茶褐素（TBs）和感官品质等4个品质指标的定量评价模型,实现对发酵中关键品质指标的快速表征。首先,研发了一套机器视觉采集系统和GUI分析软件,用于采集发酵在制品的叶面图像。通过图像的色彩空间变换,提取9个颜色变量（R、G、B、H、S、V、L*、a*和b*）作为评价发酵品质的色泽特征参数,对数据集进行Zscore标准化预处理,并分析图像色泽特征参数与发酵品质指标的变化规律、差异性和其相关性。进而,采用线性和非线性方法,建立分别建立了各发酵品质指标的量化评价模型。结果表明,色泽特征参数和发酵品质指标在不同发酵阶段存显着差异,且二者之间存在显着性关联。当预测4个发酵品质指标时,非线性模型（RF和SVR）的RMSEP值均明显小于PLS模型,而R和RPD均明显高于PLS模型,故非线性模型性能优于线性模型,能更好的表征图像信息与各发酵品质指标之间的量化解析关系。2个非线性模型性能相当,RF建模方法略微优于SVR法。TFs和TRs的RF模型的R值均为0.89,RPD值小于2和大于1.0,表明模型性能一般,能辨别出理化指标的高低和评估。TBs和感官评分的RF模型的RPD值大于2.5,说明模型具有很好的预测效果,可用于定量分析。研究结果为在生产实际中精准预测发酵品质和研制专用仪器,提供了新的思路和技术途径。（4）基于嗅觉可视化技术的工夫红茶发酵品质评价研究。在制品的气味特征是人工嗅觉判别发酵品质的关键依据。本研究以16种卟啉类化合物为气敏显色材料,组成传感器阵列,Silicagel60硅胶薄层层析板作为色敏材料的载体,设计了一套嗅觉可视化成像系统（OVS）,用于工夫红茶发酵过程中有机挥发性香气物质（VOC）信息的检测。发酵中挥发出的香气物质与显色材料反应前后的差值图像,作为在制品的特征图像。再提取特征图像中16种显色材料的R、G、B均值作为特征值（共48个）,结合主成分分析（PCA）、k近邻分类（KNN）、极限学习机（ELM）、支持向量机（SVM）等模式判别方法对发酵品质进行评判。同时,对不同时序的发酵样品进行气相色谱-质谱联用分析（GC-MS）和专家感官评审,明确发酵过程中萜烯类呈香物质和感官评分的时序性变化规律。通过对工夫红茶0～8h发酵过程样品（108个）进行嗅觉可视化数据分析,结果表明,非线性的ELM和SVM模型要明显优于线性的KNN模型,其中SVM与ELM模型预测性能相当,预测集样品的判别正确率为85.18%,且对过度发酵样品的判别正确率为100%。最后建立了基于嗅觉可视化色敏信号的萜烯类呈香物质和感官评分的定量分析模型。SVR模型的RPD值均大于2.0,说明模型具有良好的预测效果,可用于发酵过程中萜烯类香气物质和感官品质的定量分析。嗅觉可视化技术结合化学计量学方法（模式判别、定量分析）,可以实现对工夫红茶发酵品质的评价。（5）基于电特性检测技术的工夫红茶发酵品质评价研究。本文首次提出利用一种新的无损检测技术——电特性评价红茶发酵品质的新思路。首先,设计了一套基于LCR电桥的电特性检测系统和分析软件。通过对发酵过程样品的电特性参数检测,明确了各电特性参数在发酵过程中的变化规律,表明发酵过程中阻碍电荷传递的物质逐渐增加。其次,通过相关性分析,明确了电特性参数与各品质指标（感官评分、茶黄素、茶红素和茶褐素）的内在关联,并基于相关性系数矩阵建立了主成分综合关联指数方法,进而筛选出工夫红茶发酵中电特性参数检测的特征频率为0.2kHz。再基于蒙特卡洛无信息变量消除-竞争性自适应重加权（MCUVE-CARS）联合优选方法,进一步明确了特征电参数为损耗因子（D）和电抗（Χ）。以MCUVE-CARS方法筛选的特征电参数,建立了预测各发酵品质指标的PLS定量分析模型,感官评分、茶黄素、茶红素和茶褐素预测模型的RPD值分别为2.593、1.517、1.851和2.920,表明模型具有良好性能,能实现对发酵品质指标的量化评价。最后,基于电特性参数信息,采用不同模式判别方法（KNN、ELM、SVM）,建立了工夫红茶发酵品质适度的判别模型,表明ELM模型预测性能为最佳,其主成分数PCs为3,隐含层节点数N为20时,模型校正集和预测集的判别率均达到100%,电特性参数结合ELM判别模型可以实现对发酵品质适度等级的预测判别。综上。基于电特性参数和计量学方法,可达到对发酵品质检测、鉴别和量化评价的目的。（6）工夫红茶自动化生产线及集成技术的初步研究。采用功能化和模块化结构设计,集成滚筒式富氧发酵设备和发酵品质评价技术,初步开展自动化、信息化生产线的探索性研究,并研制出国内首条工夫红茶自动化生产线。通过多茶区的生产实验和应用示范,制定出生产线装配组成和配套工艺技术,有效提升了工夫红茶加工品质和设备利用率。依据发酵品质智能感官评价技术的研究结果,将机器视觉技术与生产线进行集成应用,可对发酵过程中在制品的图像特征信息的采集,初步实现加工过程中感官品质得分的预测评价。本研究旨在提高工夫红茶加工过程中对发酵品质评价的科学性和时效性。研究结果为发酵品质的仪器智能感官表征,以及用于发酵品质检测的专用仪器开发提供了研究基础,对拓展茶叶感官品质评价方法,提供了有效的技术途径和新思路。同时,为今后在规模化、智能化生产中加工品质的专家决策系统和标准化加工技术的研发,提供了理论依据和数据支撑,对助力“十三五”国家茶产业技术装备升级和“机器换人”国家战略的实施,具有极其重要的意义。
栾建卫[7]（2006）在《高质量钢轨超声波探伤装置的研制》文中研究表明无损检测技术在现代工业的各个方面都有着广泛的应用，体现在改进产品质量，加工制造，成品以及设备在役检验的各个阶段，最终体现在机器零件及产品的可靠性和安全性上。为了保证铁路运输安全，钢轨出厂前要求必须逐根进行全面探伤检验。本文根据用户需求及相关技术标准，针对钢轨内部缺陷的特点，通过对国内外普遍采用的钢轨内部缺陷检测方法的比较，确定了利用超声波技术进行钢轨无损检测的工艺，设计了钢轨在线自动检测条件下的总体技术方案，建立了由导向约束机构、钢轨输送机构、测距机构、探头耦合机构、钢轨超声波自动探伤测控系统等组成的全断面在线自动检测探伤系统，并进行了整套装置的加工、制造、安装调试等现场工作，取得了比较满意的实验效果。本文所研发的钢轨超声波自动探伤装置是一套集声学、机械、电气、控制、微电子技术以及计算机软硬件等多学科多专业于一体的自动检测系统。由于钢轨的复杂且特殊的截面形状，在探头设计上采用了大角度大面积双晶探头，增强了系统的抗干扰能力；机械设计上采用三维跟随设计，使超声波信号的重现性得到较大提高；钢轨约束采用主动夹持方式保证了钢轨运行更加稳定；钢轨运行采用了正向检测反向过钢的控制方式，使系统运行更加安全；测量软件设计了动态抓波功能，使操作者对缺陷的判断更接近于之前使用的模拟机，同时还使用背波监视功能，使探头与钢轨表面的耦合情况得到实时监控。本装置已成功用于攀钢重轨生产在线检测，与国内外同类技术相比，具有设计制造方便，信号传递和接收在线自动控制，且制造费用低、故障率低、维护成本低。
郭天太[8]（2005）在《基于VR的虚拟测试技术及其应用基础研究》文中研究表明本文的研究内容紧紧围绕基于VR的虚拟测试技术这一概念，重点在于从宏观角度对基于VR的虚拟测试技术进行系统的研究，以求建立其基本概念及理论模型、实现方法等，具体内容可大致分为三个部分：理论基础、实现技术、应用实例。主要研究内容如下： 第一章是绪论部分。首先介绍了虚拟现实技术的概念、特点、历史与现状、以及虚拟现实技术在机械制造领域的应用。然后介绍了基于VR的虚拟测试技术的项目背景、研究现状、研究意义与研究内容，讨论了本文的创新之处。最后给出了论文的主要工作以及论文的组织结构。 第二章的主要内容是基于VR的虚拟测试技术的概念及模型，具体内容包括：基于VR的虚拟测试技术在VM的全生命周期中的作用；基于VR的虚拟测试技术的概念、理论模型、基本思想、工作原理、理论框架等；基于VR的虚拟测试系统的体系结构、分类、主要功能、实施步骤、功能及局限性等；基于VR的虚拟测试技术的哲学意义；对几种含义迥异的虚拟测试技术名称的概念辨析。最后对于基于VR的虚拟测试技术的应用前景进行了展望。 第三章研究基于VR的虚拟测试技术的理论基础，内容主要包括相似性原理及其在基于VR的虚拟测试技术中的应用；面向对象思想及其在虚拟测试技术中的应用；VR技术的工作原理；虚拟测试系统的仿真原理；以及虚拟测试系统中的测试技术。本章说明了基于VR的虚拟测试技术的方法论基础和多学科理论来源和基础。 第四章的研究内容是基于VR的虚拟测试技术的关键实现技术，主要内容包括：虚拟测试系统中的三维建模技术、虚拟仪器技术、可视化技术、数据管理技术、人工智能技术、系统集成技术等内容，最后在前述内容的基础上，建立了基于VR的虚拟测试技术的集成化模型。 第五章是一个基于单机的虚拟测试系统示例：建立在沉浸式VR系统基础上的车辆操纵稳定性虚拟试验系统。内容包括系统配置、车辆操纵稳定性分析技术介绍、WTK的工作原理、车辆操纵稳定性虚拟试验系统中的三维建模技术和VI技术、以及基于虚拟测试技术的车辆操纵稳定性虚拟试验技术，最后给出了车辆操纵稳定性虚拟试验系统的部分结果。 第六章介绍了一个基于网络的虚拟测试系统示例：在桌面型VR系统上实现的基于Web的虚拟无损检测系统。内容包括系统配置、VRML语言及其在基于VR的虚拟测试系统中的应用、无损检测技术概论、基于Web的虚拟无损检测系统的体系结构、基于Web的虚拟无损检测系统的实现，最后给出了基于Web的虚拟无损检测系统的部分仿真实例。 第七章是总结与展望，包括对全文研究内容的总结，和对今后工作的展望。 由于基于VR的虚拟测试技术是一个相对较新的概念，所涉及的理论和技术相当繁多，应用范围也相当广阔，加上受本人的水平及客观条件的限制，本文的研究内容只是初步的研究和探讨，难免存在不少缺陷和不足，这既有待于以后的完善和发展，也敬请各位专家和同行批评指正。
吴瑞明[9]（2004）在《数字化超声检测系统及关键技术研究》文中研究表明提高超声检测时的精度和自动化程度,是超声检测中研究的热点问题。以超声卡为硬件基础的数字化系统,能够实现超声检测的图像化和智能化,为缺陷识别和可靠性研究提供数据支持。以伺服控制为核心的机器人系统,结合相应的误差补偿和控制策略实现了超声检测的自动化。论文所依赖的课题“棒材水浸超声自动检测系统”是在“型号工程超声检测系统研制”技术基础上独立开发的完全自主产权的多功能超声扫查系统。 首先,分析了数字化超声检测系统研究的现状,结合先进制造技术和课题研究的背景,阐述了论文研究的重要意义,并给出数字化超声自动检测的具体实现方案和论文的框架。 第二章讨论了超声检测数字化的特点,建立以多通道超声卡为核心的超声检测模型。在数字化的基础上,阐述了超声检测建模技术。探讨了超声检测系统的分层技术和工艺流程的模板化技术。 第三章建立了超声检测系统的运动学模型和控制策略,结合多轴超声检测机器人,对控制系统进行了运动学分析,结合超声检测系统的特点提出机器人误差补偿方法。针对超声检测现场控制的特点,提出了一种DCS和FCS混合控制系统,并对超声检测机器人的容错技术做了分析。 第四章介绍超声缺陷的定性和定量分析。对超声检测的声图像处理方法与频谱分析技术进行了论述。通过引入超声可视化的概念,基于超声检测数据的数字化,提出了一般超声图像处理的组合成像技术和缺陷识别技术,建立了虚拟超声频谱分析仪模型。 第五章提出了虚拟超声检测的概念,分析了虚拟超声检测的特点、包含的内容、达到的目的,并且阐述了虚拟超声检测的数据重构、虚拟超声检测与虚拟现实技术、虚拟仪器技术、科学计算可视化技术的关系。基于超声检测的高速采样和运动点位历史数据,通过超声可视化、虚拟仪器技术重建超声检测的过程,提出了一种经济实用的虚拟超声检测模型。通过虚拟超声检测,提高超声检测的可靠性。 第六章从超声检测的硬仿形和软仿形两个方面介绍了棒材超声检测的仿形测量技术,并且给出了过渡圆弧扫查路径规划的初始点自适应加密算法。结合航空棒材,给出了一个利用系统进行超声仿形测量的完整应用实例。简要介绍了复合材料的穿透法超声检测过程和仿形测量技术。 第七章针对多试件超声检测图像的特殊性,通过分析图像的特点,采用基于超声视觉的多图像平均方法建立灰度图和二值图像双模板图像,使用二值图
郑中兴[10]（2001）在《微电脑技术在无损检测仪器设备的智能化和自动化及其结果评价中的应用》文中研究指明介绍微电脑在无损检测仪器设备的智能化和自动化方面的应用、主要功能和评估缺陷性质的几个基本模式。
二、微电脑技术在无损检测仪器设备的智能化和自动化及其结果评价中的应用（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、微电脑技术在无损检测仪器设备的智能化和自动化及其结果评价中的应用（论文提纲范文）
（1）水心病苹果水心程度与可溶性固形物含量在线无损检测方法与分级装备研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 符号及缩略词清单 |
| 第一章 绪论 |
| 1.1 苹果产业概述 |
| 1.1.1 苹果产业现状 |
| 1.1.2 苹果品质检测指标及检测技术 |
| 1.2 苹果水心病 |
| 1.2.1 苹果水心病简介 |
| 1.2.2 苹果水心病的发生机理及影响因素 |
| 1.2.3 苹果水心病的危害 |
| 1.2.4 苹果水心病的检测方法 |
| 1.3 苹果内部品质Vis/NIR光谱检测技术研究现状 |
| 1.3.1 技术原理及特点 |
| 1.3.2 光谱采集方式 |
| 1.3.3 检测影响因素 |
| 1.3.4 在水果内部品质检测中的应用 |
| 1.3.5 存在的问题 |
| 1.4 苹果内部品质Vis/NIR光谱检测装备研究现状 |
| 1.4.1 苹果内部品质检测装备产业现状 |
| 1.4.2 苹果内部品质检测输送分级装备研究现状 |
| 1.4.3 存在的问题 |
| 1.5 研究内容及技术路线图 |
| 1.5.1 研究内容 |
| 1.5.2 技术路线图 |
| 1.6 本章小结 |
| 第二章 实验仪器、材料和方法 |
| 2.1 引言 |
| 2.2 主要实验仪器 |
| 2.2.1 QE65PRO微型光谱仪 |
| 2.2.2 PR-201α数字折光仪 |
| 2.2.3 图像采集系统 |
| 2.3 实验材料 |
| 2.4 软件介绍 |
| 2.4.1 光谱采集软件 |
| 2.4.2 数据处理分析软件 |
| 2.4.3 机、电、控制及结构仿真软件 |
| 2.4.4 光学仿真软件 |
| 2.5 数据统计分析方法 |
| 2.5.1 光谱预处理方法 |
| 2.5.2 样本集划分方法 |
| 2.5.3 数据建模方法 |
| 2.5.4 模型评价方法 |
| 2.6 本章小结 |
| 第三章 苹果水心病Vis/NIR光谱特性及无损检测可行性研究 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 苹果样本 |
| 3.2.2 Vis/NIR光谱采集系统 |
| 3.2.3 水心程度测量 |
| 3.2.4 不同组织光透性测试 |
| 3.2.5 SSC测量中的取样方法研究 |
| 3.3 结果和讨论 |
| 3.3.1 SSC分布和取样方法分析 |
| 3.3.2 样本特征分析 |
| 3.3.3 水心苹果Vis/NIR光谱特性 |
| 3.3.4 水心病苹果SSC预测研究 |
| 3.3.5 苹果水心病检测研究 |
| 3.4 本章小结 |
| 第四章 光源布局及苹果大小对苹果水心病检测的影响研究 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 苹果样本 |
| 4.2.2 LightTools光源系统仿真设置 |
| 4.2.3 不同光源布局无损检测系统 |
| 4.2.4 苹果尺寸、SSC和 WSI测量 |
| 4.3 结果与讨论 |
| 4.3.1 样本特征分析 |
| 4.3.2 LightTools仿真结果分析 |
| 4.3.3 光谱特征分析 |
| 4.3.4 双光源系统建模研究 |
| 4.3.5 不同光源布局建模研究 |
| 4.3.6 特征波长挑选 |
| 4.4 本章小结 |
| 第五章 基于Vis/NIR光谱技术的苹果水心病在线检测装备研发 |
| 5.1 引言 |
| 5.2 多功能果杯的设计研发 |
| 5.2.1 多功能果杯结构设计 |
| 5.2.2 果杯功能仿真验证 |
| 5.3 自适应光源系统的设计研发 |
| 5.3.1 自适应光源调整机构结构设计 |
| 5.3.2 自适应光源调整机构仿真验证 |
| 5.4 输送分级系统设计研发 |
| 5.4.1 输送分级系统各组件设计 |
| 5.4.2 输送分级防损伤设计 |
| 5.5 电路及控制系统设计 |
| 5.5.1 控制系统及程序设计 |
| 5.5.2 电路系统设计 |
| 5.6 整机工作流程 |
| 5.7 在线检测装备光谱检测性能验证 |
| 5.7.1 测试样本 |
| 5.7.2 测试条件 |
| 5.7.3 在线检测装备静态性能测试 |
| 5.7.4 在线检测装备动态性能测试 |
| 5.8 本章小结 |
| 第六章 苹果姿态对苹果水心病在线检测的影响研究 |
| 6.1 引言 |
| 6.2 材料与方法 |
| 6.2.1 苹果样本 |
| 6.2.2 光谱检测设备简介 |
| 6.2.3 苹果尺寸、SSC和 WSI测量 |
| 6.3 结果与讨论 |
| 6.3.1 样本特征分析 |
| 6.3.2 不同姿态下苹果光谱特征分析 |
| 6.3.3 不同姿态下SSC和WSI预测模型研究 |
| 6.3.4 水心病判别分析 |
| 6.4 本章小结 |
| 第七章 基于自适应光源系统的不同大小苹果光谱修正方法研究 |
| 7.1 引言 |
| 7.2 材料与方法 |
| 7.2.1 苹果样本 |
| 7.2.2 光谱检测设备简介 |
| 7.2.3 苹果大小、SSC和WSI测量 |
| 7.2.4 大小修正方法研究 |
| 7.3 结果与讨论 |
| 7.3.1 样本特征分析 |
| 7.3.2 不同大小苹果光谱特征分析 |
| 7.3.3 基于大小修正的SSC预测模型研究 |
| 7.3.4 水心判别分析 |
| 7.4 本章小结 |
| 第八章 结论、创新点与展望 |
| 8.1 主要研究结论 |
| 8.2 主要创新点 |
| 8.3 后期研究展望 |
| 参考文献 |
| 作者简历 |
（2）基于高光谱的红茶发酵品质信息检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 发酵设备的研究现状 |
| 1.3.2 红茶发酵品质检测技术研究现状 |
| 1.3.3 高光谱技术在农产品加工中品质检测的研究现状 |
| 1.3.4 红茶发酵智能监测发展中存在的问题 |
| 1.4 本文研究内容 |
| 1.5 技术路线 |
| 1.6 本章小结 |
| 第二章 基于高光谱的红茶发酵程度判别模型 |
| 2.1 引言 |
| 2.2 材料与方法 |
| 2.2.1 实验材料 |
| 2.2.2 试验设备 |
| 2.2.3 实验方案 |
| 2.2.4 光谱数据分析处理 |
| 2.2.5 判别模型与模型评价指标 |
| 2.3 结果与分析 |
| 2.3.1 样品的平均光谱与预处理前后的高光谱曲线 |
| 2.3.2 主成分分析 |
| 2.3.3 训练集和预测集划分 |
| 2.3.4 基于全波段模型的判别分析 |
| 2.3.5 基于SPA选取的特征波长 |
| 2.3.6 基于特征波长模型的判别分析 |
| 2.3.7 模型对比结果讨论 |
| 2.4 本章小结 |
| 第三章 基于高光谱技术的红茶发酵中关键理化成分的定量预测及可视化研究 |
| 3.1 引言 |
| 3.2 材料和方法 |
| 3.2.1 试验材料 |
| 3.2.2 试验设备 |
| 3.2.3 试验方案 |
| 3.2.4 理化成分检测 |
| 3.2.5 理化成分检测具体实施方法 |
| 3.2.6 光谱数据处理 |
| 3.2.7 预测模型和模型评价指标 |
| 3.3 结果分析 |
| 3.3.1 发酵过程中关键理化成分的变化趋势 |
| 3.3.2 不同发酵位置的主要理化成分含量对比 |
| 3.3.3 预处理方式优选和PCA分析 |
| 3.3.4 特征波长筛选和线性预测模型 |
| 3.3.5 模型优选 |
| 3.3.6 红茶发酵过程中关键理化成分的可视化 |
| 3.4 本章小结 |
| 第四章 红茶发酵程度判别模型及发酵叶关键品质成分预测模型验证 |
| 4.1 引言 |
| 4.2 试验材料与方法 |
| 4.2.1 试验材料 |
| 4.2.2 试验设备与方案 |
| 4.3 数据提取 |
| 4.4 红茶发酵程度判别模型验证 |
| 4.4.1 光谱预处理 |
| 4.4.2 特征波长筛选和主成分分析 |
| 4.4.3 建模方法及模型评价指标 |
| 4.5 结果与分析 |
| 4.5.1 样品光谱处理分析 |
| 4.5.2 基于全波段模型的判别分析 |
| 4.5.3 基于SPA选取的特征波长模型判别分析 |
| 4.5.4 小结 |
| 4.6 红茶发酵内质成分定量预测模型验证 |
| 4.6.1 理化成分检测 |
| 4.6.2 光谱预处理 |
| 4.6.3 变量筛选 |
| 4.6.4 建模方法与模型评价指标 |
| 4.7 结果与分析 |
| 4.7.1 预处理方式优选和PCA分析 |
| 4.7.2 变量筛选和模型优选 |
| 4.7.3 小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 导师评阅表 |
（3）基于近红外光谱检测技术的水泥生料质量控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 近红外光谱检测技术研究进展 |
| 1.2.1 近红外光谱检测技术发展概述 |
| 1.2.2 近红外光谱检测技术在水泥行业应用 |
| 1.3 化学计量学 |
| 1.4 水泥生料质量控制研究现状 |
| 1.5 研究内容及创新点 |
| 1.5.1 研究内容 |
| 1.5.2 创新点 |
| 第二章 近红外光谱检测技术 |
| 2.1 引言 |
| 2.2 近红外光谱检测技术原理 |
| 2.3 近红外光谱检测技术信息提取难点 |
| 2.4 近红外光谱检测技术定量建模方法及评价方法 |
| 2.5 近红外光谱检测技术在矿物检测方面应用原理 |
| 2.6 本章小结 |
| 第三章 水泥生料成分近红外定量模型建立研究 |
| 3.1 引言 |
| 3.2 水泥生料近红外光谱采集 |
| 3.2.1 实验材料与仪器 |
| 3.2.2 近红外光谱采集 |
| 3.3 水泥生料近红外光谱数据处理 |
| 3.3.1 样本划分 |
| 3.3.2 光谱预处理 |
| 3.4 水泥生料近红外光谱波段优选 |
| 3.4.1 反向区间偏最小二乘法波段挑选 |
| 3.4.2 协同偏最小二乘法波段挑选 |
| 3.5 水泥生料成分含量近红外光谱建模 |
| 3.5.1 SiO_2成分含量建模研究 |
| 3.5.2 Al_2O_3成分含量建模研究 |
| 3.5.3 Fe_2O_3成分含量建模研究 |
| 3.5.4 CaO成分含量建模研究 |
| 3.6 本章小结 |
| 第四章 堆密度和原材料对水泥生料近红外光谱建模影响研究 |
| 4.1 引言 |
| 4.2 堆密度对水泥生料近红外光谱检测影响研究 |
| 4.2.1 堆密度对水泥生料近红外光谱检测影响 |
| 4.2.2 水泥生料近红外光谱模型的堆密度补偿 |
| 4.3 原材料对水泥生料近红外光谱检测影响研究 |
| 4.3.1 原材料对水泥生料近红外光谱检测影响 |
| 4.3.2 原材料变化近红外光谱建模研究 |
| 4.4 本章小结 |
| 第五章 水泥生料质量控制研究 |
| 5.1 引言 |
| 5.2 水泥生料质量控制难点分析 |
| 5.3 水泥生料制备工况划分 |
| 5.4 水泥生料质量控制 |
| 5.5 本章小结 |
| 第六章 水泥生料质量控制系统实现 |
| 6.1 引言 |
| 6.2 水泥生料成分检测结果 |
| 6.3 水泥生料质量控制系统功能分析 |
| 6.4 系统开发 |
| 6.5 现场应用 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（4）基于时空影像序列的大型桥梁结构全息动静性态监测方法探索（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 桥梁结构状态监测既有方法 |
| 1.2.1 常规安全监测方法 |
| 1.2.2 桥梁长期健康监测进展 |
| 1.3 基于机器视觉的桥梁健康监测方法研究现状 |
| 1.3.1 桥梁结构局部状态监测 |
| 1.3.2 桥梁结构整体状态监测 |
| 1.4 桥梁结构长期状态监测问题探讨 |
| 1.5 本文主要研究工作 |
| 1.5.1 本文主要研究内容 |
| 1.5.2 本文研究技术路线 |
| 第二章 大型桥梁动静形态监测的时空序列影像获取方法 |
| 2.1 定轴旋转采集桥梁结构动静影像数据的方法 |
| 2.1.1 桥梁状态时空序列影像数据采集方案 |
| 2.1.2 空间序列影像重叠度的几何关系 |
| 2.1.3 转动视域的角度约束 |
| 2.2 动静一体影像监测系统构成与应用 |
| 2.2.1 动静一体影像监测系统构成 |
| 2.2.2 针对自锚式悬索模型桥的动静影像采集 |
| 2.3 定轴旋转摄影系统误差分析 |
| 2.3.1 相机的标定 |
| 2.3.2 图像序列投影中心偏移误差及纠正方法 |
| 2.3.3 模糊度对位移监测的影响及处理方法 |
| 2.4 本章小结 |
| 第三章 定轴旋转摄影获取桥梁轮廓线全息变形方法 |
| 3.1 基于影像轮廓线的结构本征形态函数建立 |
| 3.1.1 结构影像特征提取既有方法及问题 |
| 3.1.2 结构本征轮廓线获取方法 |
| 3.2 定轴旋转时空序列图像间的关系 |
| 3.2.1 时空序列静态影像数据集 |
| 3.2.2 空间序列图像关系的建立 |
| 3.3 主梁本征形态函数约束下的轮廓线位移追踪算法 |
| 3.3.1 基于本征形态函数的特征点提取算法 |
| 3.3.2 基于稠密光流算法的改进位移追踪方法 |
| 3.4 桥梁轮廓线全息变形获取的试验验证 |
| 3.4.1 模型悬索桥加载试验与测试 |
| 3.4.2 主梁轮廓线全息变形分析与结果验证 |
| 3.5 本章小结 |
| 第四章 基于图像边缘增强的结构位移追踪精度提升方法 |
| 4.1 结构图像边缘增强的超分辨率算法 |
| 4.1.1 图像超分辨率重建理论 |
| 4.1.2 梯度提升的结构图像边缘增强 |
| 4.2 结构图像边缘增强试验验证 |
| 4.2.1 试验数据与参数优化 |
| 4.2.2 模型桥试验图像超分辨率结果对比 |
| 4.3 结构位移追踪精度提升试验验证 |
| 4.3.1 视觉测量试验设计 |
| 4.3.2 试验结果及分析 |
| 4.4 本章小结 |
| 第五章 基于定轴旋转视频获取大型桥梁全息模态的方法 |
| 5.1 基于动态影像的结构模态参数获取方法 |
| 5.1.1 视频数据的结构动态特征模态描述 |
| 5.1.2 基于视频的结构模态提取 |
| 5.2 空间序列影像获取桥梁全息模态参数方法 |
| 5.2.1 大型桥梁结构全息轮廓线的追踪方法 |
| 5.2.2 基于同名像素点的时空序列影像关系 |
| 5.3 悬索桥模型的动力试验验证 |
| 5.3.1 动力试验与测试方法 |
| 5.3.2 模型桥频率的提取 |
| 5.3.3 桥梁结构全息模态振型提取 |
| 5.4 定轴旋转视频获取李家沱大桥全息模态参数应用研究 |
| 5.4.1 李家沱大桥数据采集方法 |
| 5.4.2 李家沱大桥全息模态获取与验证 |
| 5.5 本章小结 |
| 第六章 基于结构动静全息形态变化的损伤识别方法 |
| 6.1 结构损伤引起的静力形态变化特征 |
| 6.1.1 结构损伤引起的挠度曲率变化 |
| 6.1.2 基于主梁全息变形的损伤识别 |
| 6.2 结构损伤引起的动力形态参数变化 |
| 6.2.1 结构损伤引起的曲率模态变化 |
| 6.2.2 表征主梁损伤的动力模态参数选取 |
| 6.3 基于悬索桥模型试验的结构损伤识别验证 |
| 6.3.1 基于全息曲率模态的损伤识别验证 |
| 6.3.2 基于曲率模态叠差线形的损伤识别改进方法 |
| 6.5 本章小结 |
| 第七章 结论及展望 |
| 7.1 本文主要工作与结论 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 在学期间发表的论文和取得的学术成果 |
| 致谢 |
（5）基于深度学习的结构外观病害检测与监测数据挖掘（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 桥梁维护管理现状 |
| 1.1.1 桥梁维护管理现状及意义 |
| 1.1.2 桥梁检测评估 |
| 1.1.3 结构健康监测 |
| 1.2 结构维护管理与大数据技术融合发展的趋势 |
| 1.2.1 大数据背景技术 |
| 1.2.2 融合发展的需求 |
| 1.3 传统数据挖掘方法 |
| 1.3.1 数据挖掘主要解决的四类问题 |
| 1.3.2 数据挖掘经典算法 |
| 1.4 深度学习的发展 |
| 1.4.1 深度学习相关领域学科关系 |
| 1.4.2 深度学习5 种常见网络类型 |
| 1.5 深度学习在土木工程中的应用 |
| 1.5.1 一维数据 |
| 1.5.2 二维数据 |
| 1.5.3 多维数据 |
| 1.6 本文研究目标与研究内容 |
| 1.6.1 研究思路及内容 |
| 1.6.2 论文结构安排及创新点 |
| 第2章 基于深度学习和Zernike正交矩的裂缝分割及宽度测量 |
| 2.1 基于数字图像处理的裂缝检测 |
| 2.1.1 传统裂缝分割方法及其局限性 |
| 2.1.2 传统裂缝宽度测量方法及其局限性 |
| 2.2 基于多尺度深度学习的裂缝分割 |
| 2.2.1 整体思路 |
| 2.2.2 GoogLeNet网络结构 |
| 2.2.3 深度残差网络结构 |
| 2.2.4 基于深度学习的裂缝定位及初始分割 |
| 2.2.5 基于深度学习的裂缝精细化分割 |
| 2.3 基于Zernike正交矩的裂缝宽度测量 |
| 2.3.1 正交矩宽度测量原理 |
| 2.3.2 原理误差补偿 |
| 2.3.3 裂缝宽度测量数值计算步骤 |
| 2.4 实验验证 |
| 2.4.1 裂缝定性检测 |
| 2.4.2 裂缝自动勾画 |
| 2.4.3 裂缝宽度测量 |
| 2.5 本章小结 |
| 第3章 基于多尺度特征融合网络的像素级裂缝分割 |
| 3.1 多尺度特征融合网络 |
| 3.1.1 特征提取网络及特征可视化 |
| 3.1.2 像素级特征融合 |
| 3.1.3 连续全卷积层 |
| 3.1.4 损失函数 |
| 3.2 两种策略搭建特征融合网络 |
| 3.2.1 自下而上的融合策略 |
| 3.2.2 自上而下的融合策略 |
| 3.3 不同尺度特征影响分析 |
| 3.3.1 搭建数据库 |
| 3.3.2 特征影响直观分析 |
| 3.3.3 训练过程对比分析 |
| 3.4 其他网络参数影响分析 |
| 3.4.1 全卷积层参数影响分析 |
| 3.4.2 特征提取层参数影响分析 |
| 3.5 模型测试结果与讨论 |
| 3.5.1 不同区间测试样本分析 |
| 3.5.2 完整图像裂缝检测 |
| 3.6 本章小结 |
| 第4章 基于对抗深度学习增强的轻量级裂缝检测网络 |
| 4.1 轻量级网络优化方法 |
| 4.1.1 生成对抗网络的发展 |
| 4.1.2 基于生成对抗的距离 |
| 4.1.3 轻量化网络结构设计 |
| 4.1.4 对抗分支网络 |
| 4.2 网络训练与对比分析 |
| 4.2.1 考虑模糊的数据集增强 |
| 4.2.2 网络优化策略 |
| 4.2.3 提出方法和传统FCN对比分析 |
| 4.2.4 对抗策略对不同网络影响分析 |
| 4.3 实桥裂缝检测 |
| 4.4 本章小结 |
| 第5章 基于一维卷积网络的健康监测异常数据检测 |
| 5.1 健康监测常见异常数据 |
| 5.1.1 数据异常检测的意义 |
| 5.1.2 异常数据类型 |
| 5.2 传统数据异常检测方法及其局限性 |
| 5.2.1 基于单个传感器数据的异常检测 |
| 5.2.2 基于多元统计分析的异常检测 |
| 5.2.3 基于深度学习的异常检测 |
| 5.2.4 传统方法的局限性 |
| 5.3 基于一维卷积网络的数据异常检测方法 |
| 5.3.1 一维卷积网络框架 |
| 5.3.2 损失函数 |
| 5.3.3 Adam优化策略 |
| 5.4 江阴大桥吊杆监测数据异常检测 |
| 5.4.1 数据集准备 |
| 5.4.2 网络训练及参数设置 |
| 5.4.3 基于T-SNE降维的特征分析 |
| 5.4.4 长期监测数据异常识别结果 |
| 5.5 本章小结 |
| 第6章 基于卷积自编码网络的长期监测数据压缩 |
| 6.1 传统数据压缩技术 |
| 6.1.1 无损压缩 |
| 6.1.2 有损压缩 |
| 6.2 卷积自编码网络结构 |
| 6.2.1 研究框架 |
| 6.2.2 重建网络 |
| 6.2.3 损失函数 |
| 6.3 江阴大桥吊杆长期监测数据压缩 |
| 6.3.1 数据集准备 |
| 6.3.2 网络训练及参数设置 |
| 6.3.3 压缩率对重建精度影响分析 |
| 6.3.4 与传统数据压缩方法对比 |
| 6.3.5 长期监测数据压缩结果 |
| 6.4 本章小结 |
| 第7章 全文总结与展望 |
| 7.1 本文主要成果与创新 |
| 7.2 后续工作展望 |
| 参考文献 |
| 个人简历、在读期间发表学术论文与研究成果 |
| 致谢 |
（6）小叶种工夫红茶发酵品质智能感官评价方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 英文简写清单 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 红茶发酵品质检测技术的研究进展 |
| 1.2.1 光学光谱技术在茶叶品质检测中的应用 |
| 1.2.2 机器视觉技术在发酵品质检测中的应用 |
| 1.2.3 仿生嗅觉技术在发酵品质检测中的应用 |
| 1.2.4 电化学技术在发酵品质检测中的应用 |
| 1.2.5 理化分析技术在发酵品质检测中的应用 |
| 1.2.6 目前存在的主要问题 |
| 1.3 研究目的与意义 |
| 1.4 主要研究内容 |
| 1.5 本章小结 |
| 第二章 滚筒式富氧发酵机的设计与性能优化研究 |
| 2.1 引言 |
| 2.2 滚筒式富氧发酵机的设计 |
| 2.2.1 发酵工艺对设备的性能要求 |
| 2.2.2 整机结构设计及性能参数 |
| 2.2.3 关键部件的设计 |
| 2.3 实验样机的试验性能测试 |
| 2.4 发酵机工艺性能优化研究 |
| 2.4.1 样品收集与仪器 |
| 2.4.2 响应面实验设计 |
| 2.4.3 发酵品质综合评价方法建立 |
| 2.4.4 BP-Ada Boost-GA集成优化算法建立 |
| 2.4.5 数据分析与处理 |
| 2.4.6 实验结果与分析 |
| 2.5 BP-Ada Boost-GA模型优化结果 |
| 2.6 翻拌功能对发酵品质的影响规律研究 |
| 2.7 本章小结 |
| 第三章 基于近红外光谱技术的工夫红茶发酵品质评价研究 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 样本制备 |
| 3.2.2 近红外光谱采集 |
| 3.2.3 理化指标分析方法 |
| 3.2.4 感官品质的审评方法 |
| 3.2.5 数据分析与建模方法 |
| 3.2.6 本节研究的整体思路 |
| 3.3 结果与分析 |
| 3.3.1 NIR光谱特征与预处理优化 |
| 3.3.2 样品集的划分 |
| 3.3.3 光谱主成分及载荷分析 |
| 3.3.4 感官品质相关的特征波长优选与线性模型 |
| 3.3.5 各理化品质指标相关的特征波长优选与线性模型 |
| 3.3.6 各发酵品质指标的非线性定量模型 |
| 3.3.7 问题讨论与分析 |
| 3.4 本章小结 |
| 第四章 基于机器视觉技术的工夫红茶发酵品质评价 |
| 4.1 引言 |
| 4.2 材料和方法 |
| 4.2.1 材料制备 |
| 4.2.2 机器视觉系统与图像采集 |
| 4.2.3 图像特征提取 |
| 4.2.4 感官评审及理化品质检测方法 |
| 4.2.5 数据处理与分析 |
| 4.3 结果与讨论 |
| 4.3.1 色泽特征参数的变化规律 |
| 4.3.2 各发酵品质指标的变化规律 |
| 4.3.3 品质指标及色泽特征参数的差异性分析 |
| 4.3.4 品质指标与色泽特征参数的关联分析 |
| 4.3.5 数据预处理及样集合划分 |
| 4.3.6 各品质指标的RF非线性模型建立 |
| 4.3.7 模型对比和讨论 |
| 4.4 本章小结 |
| 第五章 基于嗅觉可视化技术的发酵品质评价研究 |
| 5.1 引言 |
| 5.2 材料与方法 |
| 5.2.1 实验原料与加工设备 |
| 5.2.2 挥发性香气物质的GC-MC检测 |
| 5.2.3 嗅觉可视化检测系统的设计与制作 |
| 5.2.4 发酵样品制备与嗅觉可视化信息采集 |
| 5.2.5 传感器特征信号提取 |
| 5.2.6 数据分析与处理方法 |
| 5.3 红茶发酵中香气物质的GC-MS检测结果 |
| 5.4 感官审评结果 |
| 5.5 基于嗅觉可视化技术的红茶发酵品质适度判别 |
| 5.5.1 可视化传感器响应信号 |
| 5.5.2 动态发酵阶段判别模型的建立 |
| 5.6 基于嗅觉可视化技术的红茶发酵呈香物质及感官评分评价模型 |
| 5.6.1 萜烯类关键呈香物质的定量评价模型 |
| 5.6.2 感官评分的定量评价模型 |
| 5.7 本章小结 |
| 第六章 基于电特性检测技术的工夫红茶发酵品质评价研究 |
| 6.1 引言 |
| 6.2 材料与方法 |
| 6.2.1 样品制备与分析 |
| 6.2.2 电特性检测系统构建 |
| 6.2.3 电特性参数测试电路选择及原理 |
| 6.2.4 检测参数设置 |
| 6.2.5 数据处理方法 |
| 6.3 结果与讨论 |
| 6.3.1 电参数变化规律分析 |
| 6.3.2 电参数与品质指标的相关性分析 |
| 6.3.3 电参数数据预处理方法优选 |
| 6.3.4 电参数测试的特征频率优选 |
| 6.3.5 特征电参数优选及预测模型 |
| 6.3.6 工夫红茶动态发酵阶段品质的实时判别 |
| 6.4 本章小结 |
| 第七章 工夫红茶自动生产线及集成技术的初步研究 |
| 7.1 引言 |
| 7.2 模块化工夫红茶自动化生产线设计 |
| 7.3 生产线自动化控制系统设计 |
| 7.4 发酵品质的智能感官集成应用技术 |
| 7.4.1 发酵品质检测方法的比较 |
| 7.4.2 工夫红茶发酵品质在线视觉监控系统 |
| 7.5 工夫红茶加工全程自动化生产线建设与示范 |
| 7.5.1“武阳工夫”红茶生产线关键设备配置方案 |
| 7.5.2 集成技术与传统工夫红茶感官品质的对比 |
| 7.6 本章小结 |
| 第八章 总结与展望 |
| 8.1 研究的主要结论 |
| 8.2 研究的主要创新点 |
| 8.3 研究的展望 |
| 致谢 |
| 博士期间取得的科研成果 |
| 一、发表的学术论文 |
| 二、着作 |
| 三、已授权的发明专利及软件着作权 |
| 四、在读期间主持及参加的科研项目 |
| 参考文献 |
（7）高质量钢轨超声波探伤装置的研制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 无损检测(NDT)的意义 |
| 1.2 常用的无损检测方法对比 |
| 1.3 钢轨超声波探伤技术的国内外发展现状 |
| 1.4 开展本课题的目的及意义 |
| 第二章 超声波探伤概述 |
| 2.1 超声波探伤基本原理概述 |
| 2.1.1 超声波的产生与接收 |
| 2.1.2 超声波的波动特性 |
| 2.1.3 超声波的物理特征 |
| 2.1.4 超声波在传播过程中的衰减 |
| 2.1.5 超声波探伤的基本原理 |
| 2.2 超声波探伤仪、探头和标准试块 |
| 2.2.1 超声波探伤仪 |
| 2.2.2 探头的种类和结构 |
| 2.2.3 标准试块 |
| 第三章 钢轨超声波探伤装置总体方案设计 |
| 3.1 用户需求 |
| 3.2 系统功能 |
| 3.3 技术方案 |
| 3.3.1 保持探头与钢轨的相对位置 |
| 3.3.2 测距机构 |
| 3.3.3 探头耦合 |
| 3.3.4 探头调整机构 |
| 3.3.5 钢轨超声波自动探伤测控系统 |
| 3.4 钢轨超声波探伤装置工艺 |
| 3.4.1 超声波探伤工艺 |
| 3.4.2 钢轨超声波探伤装置工艺布置及探伤过程简述 |
| 第四章 钢轨超声波探伤装置的设计 |
| 4.1 导向约束机构的研制 |
| 4.2 测距机构的研制 |
| 4.3 接触耦合式探头装置的研制 |
| 4.4 探头调整机构研制 |
| 4.5 超声波测控系统设计 |
| 4.5.1 超声波发射及信号放大仪原理及设计指标 |
| 4.5.2 数据采集模块 |
| 4.5.3 软件设计 |
| 第五章 现场试验结果 |
| 5.1 现场调试环境 |
| 5.2 试验参数设置 |
| 5.3 现场试验结果 |
| 5.4 实验结果评价 |
| 第六章 总结与展望 |
| 6.1 主要结论 |
| 6.2 课题的创新性 |
| 6.3 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读工程硕士学位期间参加的科研项目 |
| 附录B 攻读工程硕士学位期间发表的论文 |
| 附录C 原始记录 |
（8）基于VR的虚拟测试技术及其应用基础研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 虚拟现实技术及其研究现状 |
| 1.2.1 虚拟现实技术概论 |
| 1.2.2 虚拟现实技术的基本特性 |
| 1.2.3 虚拟现实技术的发展及在制造领域的应用 |
| 1.2.4 虚拟现实技术存在的问题 |
| 1.3 基于VR的虚拟测试技术的项目背景 |
| 1.3.1 基于VR的虚拟测试技术的理论背景 |
| 1.3.2 基于VR的虚拟测试技术的工程背景 |
| 1.4 基于VR的虚拟测试技术的研究现状 |
| 1.5 基于VR的虚拟测试技术的研究意义与研究内容 |
| 1.5.1 研究意义 |
| 1.5.2 研究内容 |
| 1.6 本论文的创新之处 |
| 1.7 本论文的主要工作和章节安排 |
| 1.8 小结 |
| 第二章 基于VR的虚拟测试技术的概念及模型 |
| 2.1 引言 |
| 2.2 虚拟测试技术在虚拟制造的全生命周期中的作用 |
| 2.2.1 虚拟制造技术概述 |
| 2.2.2 与虚拟测试相结合的虚拟制造模型 |
| 2.3 基于VR的虚拟测试技术的概念及模型 |
| 2.3.1 基于VR的虚拟测试技术的概念 |
| 2.3.2 基于VR的虚拟测试技术的理论模型 |
| 2.3.3 基于VR的虚拟测试技术的基本思想 |
| 2.3.4 基于VR的虚拟测试技术的工作原理 |
| 2.3.5 基于VR的虚拟测试技术的理论框架 |
| 2.4 基于VR的虚拟测试系统的体系结构 |
| 2.4.1 基于单机的虚拟测试系统 |
| 2.4.2 基于网络的虚拟测试系统 |
| 2.5 虚拟测试系统的分类及主要功能 |
| 2.5.1 虚拟测试系统的分类 |
| 2.5.2 虚拟测试系统的主要功能 |
| 2.6 虚拟测试系统的开发过程及实施步骤 |
| 2.6.1 虚拟测试系统的开发过程 |
| 2.6.2 虚拟测试系统的实施步骤 |
| 2.7 基于VR的虚拟测试技术的优势与局限性 |
| 2.7.1 虚拟测试技术的优势 |
| 2.7.2 虚拟测试技术的局限性 |
| 2.8 基于VR的虚拟测试技术的哲学意义初探 |
| 2.9 虚拟测试技术概念辨析 |
| 2.9.1 基于虚拟仪器的虚拟测试技术 |
| 2.9.2 基于VR的虚拟测试技术 |
| 2.9.3 基于器件功能软件仿真的虚拟测试技术 |
| 2.10 基于VR的虚拟测试技术的应用前景展望 |
| 2.11 小结 |
| 第三章 基于VR的虚拟测试技术的理论基础 |
| 3.1 引言 |
| 3.2 相似性原理及其在虚拟测试技术中的应用 |
| 3.2.1 相似性的概念 |
| 3.2.2 相似性原理 |
| 3.2.3 相似性原理在基于VR的虚拟测试技术中的应用 |
| 3.3 面向对象技术及其在虚拟测试系统中的应用 |
| 3.3.1 面向对象技术的基本概念 |
| 3.3.2 对象的基本表达 |
| 3.3.3 面向对象技术在虚拟测试系统中的应用 |
| 3.4 虚拟现实技术的工作原理 |
| 3.4.1 人机交互技术的历史与发展 |
| 3.4.2 虚拟现实技术的基本工作原理 |
| 3.4.3 虚拟现实系统的构成及工作流程 |
| 3.4.4 虚拟现实系统的分类 |
| 3.4.5 虚拟现实软件工具集 |
| 3.4.6 虚拟现实技术在VRVT中的作用 |
| 3.5 虚拟测试系统的仿真原理 |
| 3.5.1 仿真技术概论 |
| 3.5.2 VR仿真技术 |
| 3.5.3 虚拟测试系统中的动画仿真技术 |
| 3.5.4 基于VR的虚拟测试系统的仿真模型 |
| 3.6 虚拟测试系统中的测试技术 |
| 3.6.1 测试技术概述 |
| 3.6.2 测试技术的研究现状 |
| 3.6.3 测试技术的工作原理 |
| 3.6.4 虚拟测试系统中的测试技术 |
| 3.6.5 虚拟测试系统中的测试模型 |
| 3.7 小结 |
| 第四章 基于VR的虚拟测试技术的关键实现技术 |
| 4.1 引言 |
| 4.2 虚拟测试系统中的三维建模技术 |
| 4.2.1 虚拟测试环境建模的特点 |
| 4.2.2 虚拟测试系统中的几何建模技术 |
| 4.2.3 虚拟测试系统中的行为建模技术 |
| 4.2.4 虚拟测试系统中的物理建模技术 |
| 4.2.5 虚拟测试系统中的LOD技术 |
| 4.3 虚拟测试系统中的虚拟仪器技术 |
| 4.3.1 虚拟仪器技术概论 |
| 4.3.2 虚拟仪器系统的构成 |
| 4.3.3 虚拟仪器技术在虚拟测试系统中的应用 |
| 4.3.4 基于VR的虚拟测试系统中的虚拟仪器软件结构模型 |
| 4.4 虚拟测试系统中的可视化技术 |
| 4.4.1 可视化技术概述 |
| 4.4.2 可视化技术的研究现状 |
| 4.4.3 三维数据场可视化的处理过程 |
| 4.4.4 科学计算可视化在虚拟测试系统中的应用 |
| 4.4.5 虚拟测试系统中的可视化模型 |
| 4.5 虚拟测试系统中的数据管理技术 |
| 4.5.1 数据管理技术概述 |
| 4.5.2 虚拟测试系统中的数据 |
| 4.5.3 虚拟测试系统中的文件管理技术 |
| 4.5.4 虚拟测试系统中的数据库技术 |
| 4.5.5 虚拟测试系统中的数据库设计技术 |
| 4.5.6 多库技术及其在虚拟测试系统中的应用 |
| 4.6 人工智能技术在虚拟测试系统中的应用初探 |
| 4.6.1 人工智能技术概述 |
| 4.6.2 人工智能技术在虚拟测试系统中的应用 |
| 4.6.3 专家系统在VRVT中的应用 |
| 4.6.4 机器学习在虚拟测试系统中的应用 |
| 4.7 基于VR的虚拟测试系统中的系统集成技术 |
| 4.8 基于VR的虚拟测试系统的集成化模型 |
| 4.9 小结 |
| 第五章 基于单机的虚拟测试系统示例——车辆操纵稳定性虚拟试验系统 |
| 5.1 引言 |
| 5.2 系统配置 |
| 5.2.1 硬件部分 |
| 5.2.2 软件部分 |
| 5.3 车辆操纵稳定性分析技术 |
| 5.3.1 汽车操纵稳定性试验及评价方法 |
| 5.3.2 VR技术在汽车操纵稳定性试验中的应用现状 |
| 5.4 WTK的工作原理 |
| 5.5 车辆操纵稳定性虚拟试验系统中的三维建模技术 |
| 5.5.1 车辆操纵稳定性虚拟试验系统中的几何建模技术 |
| 5.5.2 车辆操纵稳定性虚拟试验系统中的运动建模技术 |
| 5.5.3 车辆操纵稳定性虚拟试验系统中的物理建模技术 |
| 5.5.4 车辆操纵稳定性虚拟试验系统中的LOD技术 |
| 5.6 车辆操纵稳定性虚拟试验系统中的VI技术 |
| 5.7 基于虚拟测试技术的车辆操纵稳定性虚拟试验技术 |
| 5.7.1 车辆操纵稳定性虚拟试验系统的主要功能 |
| 5.7.2 车辆操纵稳定性虚拟试验系统的结构 |
| 5.7.3 车辆操纵稳定性虚拟试验系统的优点 |
| 5.7.4 虚拟样机技术在车辆操纵稳定性虚拟试验系统中的应用 |
| 5.7.5 车辆操纵稳定性虚拟试验系统的部分结果 |
| 5.8 小结 |
| 第六章 基于网络的虚拟测试系统示例——基于Web的虚拟无损检测系统 |
| 6.1 引言 |
| 6.2 系统配置 |
| 6.3 VRML语言及其在VRVT中的应用 |
| 6.3.1 VRML语言概况 |
| 6.3.2 VRML浏览器 |
| 6.3.3 VRML的核心概念 |
| 6.3.4 VRML的执行模式 |
| 6.3.5 VRML中人机交互的实现方式 |
| 6.3.6 VRML中的动画技术 |
| 6.3.7 VRML的不足之处 |
| 6.3.8 VRML在虚拟无损检测系统中的应用 |
| 6.4 Java语言及其在虚拟无损检测系统中的应用 |
| 6.4.1 Java语言介绍 |
| 6.4.2 VRML与Java结合实现对分布式虚拟环境的支持 |
| 6.4.3 结合HTML、Java和VRML实现基于Web的虚拟无损检测系统 |
| 6.5 无损检测技术概论 |
| 6.6 基于Web的虚拟无损检测系统的体系结构 |
| 6.6.1 基于Web的虚拟无损检测系统中VR子系统的基本组成 |
| 6.6.2 基于Web的虚拟无损检测系统的系统结构 |
| 6.6.3 基于Web的虚拟无损检测系统的功能组成 |
| 6.7 基于Web的虚拟无损检测系统的实现 |
| 6.7.1 客户/服务器结构 |
| 6.7.2 客户端实现 |
| 6.7.3 服务器端实现 |
| 6.7.4 客户端与服务器端的通信方式 |
| 6.7.5 虚拟无损检测系统的工作原理 |
| 6.8 基于Web的虚拟无损检测系统的仿真实例 |
| 6.9 小结 |
| 第七章 总结与展望 |
| 7.1 对全文研究内容的总结 |
| 7.2 对今后工作的展望 |
| 7.3 小结 |
| 参考文献 |
| 名词术语英汉对照表 |
| 攻读博士学位期间发表和录用的论文 |
| 攻读博士学位期间主要参加的科研项目 |
| 致谢 |
（9）数字化超声检测系统及关键技术研究（论文提纲范文）
| 论文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 论文背景 |
| 1.2.1 超声检测技术现状 |
| 1.2.2 论文工程背景 |
| 1.2.3 论文的研究意义 |
| 1.3 超声检测的数字化和自动化 |
| 1.3.1 超声检测的数字化研究现状 |
| 1.3.2 超声检测自动化 |
| 1.3.3 超声数据处理 |
| 1.3.4 多试件超声检测技术 |
| 1.3.5 虚拟超声检测的提出 |
| 1.4 论文的主要研究内容 |
| 1.5 本章小结 |
| 第二章 基于超声卡的数字化超声检测系统建模 |
| 2.1 引言 |
| 2.2 数字化超声检测 |
| 2.2.1 数字化探伤的发展 |
| 2.2.2 超声卡探伤的特点 |
| 2.2.3 数字超声检测系统的脉冲噪声 |
| 2.3 数字化超声检测建模 |
| 2.3.1 检测方法的选择 |
| 2.3.2 DAC曲线的使用 |
| 2.3.3 系统的分层设计 |
| 2.3.4 检测模型的建立 |
| 2.4 数字化超声检测扫查流程管理 |
| 2.4.1 计算机辅助无损检测工艺 |
| 2.4.2 扫查工艺流程的模板化 |
| 2.5 本章小结 |
| 第三章 超声检测系统的运动学建模及控制策略 |
| 3.1 引言 |
| 3.2 超声检测机器人运动学建模 |
| 3.2.1 棒材检测的运动学模型 |
| 3.2.2 锻件检测的运动学模型 |
| 3.2.3 机器人的误差补偿 |
| 3.3 超声检测系统的混合控制 |
| 3.3.1 机器人控制技术 |
| 3.3.2 混合控制系统的提出 |
| 3.3.3 FCS和DCS混合控制系统的实现 |
| 3.3.4 基于混合控制的多轴超声检测系统 |
| 3.3.5 混合控制系统的智能容错 |
| 3.4 本章小结 |
| 第四章 超声缺陷的定性和定量分析 |
| 4.1 引言 |
| 4.2 超声检测数据可视化技术 |
| 4.2.1 数据可视化技术 |
| 4.2.2 超声检测数据的可视化 |
| 4.2.3 超声组合成像技术 |
| 4.2.4 超声三维成像的实现 |
| 4.3 超声检测声图像处理技术 |
| 4.3.1 声图像的处理 |
| 4.3.2 超声图像的模式识别 |
| 4.4 虚拟超声频谱分析仪 |
| 4.4.1 超声频谱分析技术的发展 |
| 4.4.2 频谱分析的基本原理 |
| 4.4.3 虚拟超声频谱分析仪模型的建立 |
| 4.4.4 虚拟频谱分析仪对缺陷的识别 |
| 4.5 本章小结 |
| 第五章 虚拟超声检测模型 |
| 5.1 引言 |
| 5.2 虚拟超声检测系统的提出 |
| 5.2.1 测试技术的发展 |
| 5.2.2 虚拟超声检测的提出 |
| 5.3 虚拟超声检测模型 |
| 5.3.1 系统的构成和目的 |
| 5.3.2 虚拟超声检测中的可视化技术 |
| 5.3.3 虚拟仪器技术的应用 |
| 5.3.4 数据重构技术 |
| 5.4 基于虚拟超声检测的可靠性分析 |
| 5.4.1 超声检测的可靠性 |
| 5.4.2 虚拟超声检测与可靠性评价 |
| 5.5 本章小结 |
| 第六章 超声检测中的仿形测量技术 |
| 6.1 引言 |
| 6.2 棒材的仿形测量技术 |
| 6.2.1 仿形测量概述 |
| 6.2.2 棒材的硬仿形技术 |
| 6.2.3 超声检测的软仿形技术 |
| 6.2.4 棒材仿形测量的实现 |
| 6.3 复合材料的仿形测量及实现 |
| 6.3.1 复合材料的超声检测 |
| 6.3.2 仿形测量 |
| 6.3.3 扫查路径规划 |
| 6.4 本章小结 |
| 第七章 多试件超声检测及图像配准技术 |
| 7.1 引言 |
| 7.2 图像配准基本思想 |
| 7.2.1 图像配准概述 |
| 7.2.2 图像配准在超声检测中的应用 |
| 7.3 模板生成 |
| 7.3.1 超声视觉技术 |
| 7.3.2 基于超声视觉的模板生成 |
| 7.3.3 多图像平均法去噪 |
| 7.4 多试件超声扫查的图像配准算法 |
| 7.4.1 变精度最大互相关图像配准算法 |
| 7.4.2 基于重心和特征点的图像配准算法 |
| 7.4.3 两种算法的比较 |
| 7.5 航空锻件的多试件超声检测实现 |
| 7.5.1 总体方案 |
| 7.5.2 波形分析 |
| 7.5.3 多锻件超声检测缺陷识别的实现 |
| 7.6 本章小结 |
| 第八章 总结与展望 |
| 8.1 全文总结 |
| 8.2 研究展望 |
| 参考文献 |
| 攻读学位期间发表(撰写)的论文和参与科研情况 |
| 一、学术论文 |
| 二、博士期间参加的科研项目 |
| 致谢 |
（10）微电脑技术在无损检测仪器设备的智能化和自动化及其结果评价中的应用（论文提纲范文）
| 1 前言 |
| 2 微电脑技术在无损检测和无损评价中的主要功能 |
| 2.1 数据采集 |
| 2.2 动作控制 |
| 2.3 记录存储和数据处理 |
| 2.4 安全评估 |
| 3 微电脑软件技术应用与无损检测中评估缺陷性质的几个基本模式 |
| 3.1 模式识别技术 |
| 3.2 超声波频谱分析技术 |
| 3.3 成像技术 |
| 3.3.1 超声波成像: |
| 3.3.2 射线CT成像: |
| 3.4 随机信号检测技术 |
| 3.5 相关分析技术在声发射中的应用 |
| 3.6 涡流检测中的相位分析技术 |
四、微电脑技术在无损检测仪器设备的智能化和自动化及其结果评价中的应用（论文参考文献）
- [1]水心病苹果水心程度与可溶性固形物含量在线无损检测方法与分级装备研究[D]. 常汉. 浙江大学, 2021(01)
- [2]基于高光谱的红茶发酵品质信息检测技术研究[D]. 杨崇山. 石河子大学, 2021(02)
- [3]基于近红外光谱检测技术的水泥生料质量控制研究[D]. 黄冰. 济南大学, 2021(02)
- [4]基于时空影像序列的大型桥梁结构全息动静性态监测方法探索[D]. 邓国军. 重庆交通大学, 2021
- [5]基于深度学习的结构外观病害检测与监测数据挖掘[D]. 倪富陶. 东南大学, 2021
- [6]小叶种工夫红茶发酵品质智能感官评价方法研究[D]. 董春旺. 江苏大学, 2017(06)
- [7]高质量钢轨超声波探伤装置的研制[D]. 栾建卫. 昆明理工大学, 2006(02)
- [8]基于VR的虚拟测试技术及其应用基础研究[D]. 郭天太. 浙江大学, 2005(01)
- [9]数字化超声检测系统及关键技术研究[D]. 吴瑞明. 浙江大学, 2004(08)
- [10]微电脑技术在无损检测仪器设备的智能化和自动化及其结果评价中的应用[J]. 郑中兴. 无损探伤, 2001(06)