一、X射线实时成像在焊缝探伤中的应用（论文文献综述）
胡桉得[1]（2020）在《基于深度学习的焊缝X射线图像缺陷识别方法研究》文中认为在焊接生产过程中,受各种焊接参数及外部环境的影响,在焊缝中容易形成不同程度和数量的焊接缺陷,而基于人工X射线图像缺陷检测识别方法在效率和准确率方面均有待提高。本文基于管材焊缝的X射线图像,对焊缝缺陷的自动检测和识别方法进行研究,旨在利用深度学习方法实现更优识别指标的焊缝缺陷识别,从而提高焊缝缺陷识别准确率并使其更加高效、规范与智能化。在缺陷检测过程中,针对管焊缝X射线图像,对其使用中值滤波技术去除噪声、使用图像增强技术增加焊缝中不同区域的对比度以提高后续图像处理中不同对比度对焊缝缺陷检测的影响,利用最大类间方差法分割出焊缝区域,采用Sobel边缘检测技术对焊缝缺陷边缘进行检测。针对对于缺陷特征工程中的图像面积测算问题,采用链码追踪和像素统计方法有效的解决了圆形缺陷的面积测算,并利用十字坐标定位方法对其进行定位。对气孔、裂纹、未融合、未焊透缺陷和无缺陷正常图像进行提取并进行数据增强及尺寸归一化操作,从而完成焊缝图像的预处理以构建样本图像数据集。在缺陷识别过程中,采用深度学习技术对焊缝图像缺陷进行识别。首先分析了常规卷积神经网络模型中存在的一些问题,并在模型中采用了改进的激活函数及综合考虑池化域的自适应池化方法,将其应用于焊缝缺陷图像的识别任务中。通过构建新的卷积神经网络模型并以样本图像数据集作为输入样本训练CNN模型,经过对比实验测试得到所设计的CNN模型不仅具有较好的鲁棒性,能够对图像缺陷进行准确识别,且省去了人工提取特征的繁杂性,最终实现了98.13%的高识别准确率,从而提高检测识别的自动化程度。针对深度神经网络模型在焊缝探伤图像数据集上的识别问题,提出了基于卷积神经网络的迁移学习方法。借助大数据集上的预训练模型,根据源数据域与目标数据域中内容的差异性,采用域间异构迁移学习将源数据域中的预训练模型迁移至焊缝探伤图像数据集上,通过利用冻结层方法训练不同层的参数,微调整个网络,验证了迁移学习在焊缝探伤图像缺陷识别方面的有效性,并研究了冻结不同层对模型的识别性能的影响。
权涛[2]（2020）在《X射线数字成像（DR）在天然气管道焊缝探伤中的研究应用》文中研究说明天然气是一种十分重要的清洁能源,近些年来,随着我国对其开采力度的增大,国家也加大了对于天然气传输工程的投资,许多大型工程如雨后春笋般涌出,将开采出的天然气资源输送到全国各地,为居民家用和工业生产都提供了极大的便利。然而在建设管道的过程中,一旦出现裂缝和孔洞等,哪怕十分微小,也会造成天然气泄漏,很容易引发爆炸。为了确保管道的安全性,必须对其进行检测,文章分析了X射线数字成像技术的特点,提出其在天然气管道焊缝探伤中的应用。
顾峰[3]（2014）在《基于X射线实时成像评价铝合金挤压铸造零件内部缺陷》文中认为近些年汽车行业蓬勃发展,为了保证汽车的性能良好,汽车零件在出厂前需要进行内部质量检查。X射线探伤作为无损检测的一种,被广泛应用于汽车零件内部探伤检验。传统的X射线胶片探伤效率低、可操作性差,已经无法满足汽车零件量产化的要求。所以作为一种新兴的X射线探伤方式—X射线实时成像系统,由于其灵敏度高、效率高、可操作性好,日益受到汽车生产商的青睐。但是目前X射线实时成像系统在生产实践中的理论研究很少,无法准确的解决生产中遇到的质量检测及工艺优化问题。本文从工艺参数、工作电压、图像与实际缺陷的对应关系三方面对X射线实时成像系统进行研究,从理论上指导生产实践中的内部质量的检查。本文研究了 X射线实时成像系统在实际生产中的最佳工艺参数,利用正交试验的方法对增益值、亮度值、对比度、伽玛值和去噪值五个工艺参数进行探究,利用极差分析得到主要影响图像质量等级的因素是增益和伽玛,通过趋势曲线确定X射线实时成像工作时最佳工艺的工艺参数为增益值400,亮度值40,对比度-20,伽玛值360,去噪值9。本文采用类比试验的方法对X射线实时成像系统的工作电压进行研究,得到工作电压、零件厚度、缺陷图像等级三者之间的关系曲线。分析关系曲线可知,为了使缺陷图像获到最佳观察效果,当零件厚度在10 mm到20 mm范围时,厚度每增加5 mm,就需要电压增加5 kV;当零件厚度在20 mm到25 mm范围时厚度每增加2.5 mm,需要电压增加5 kV。本文对缺陷图像和缺陷实物对应关系进行确定;利用平移法对零件中缺陷位置进行确定,总结出计算缺陷位置的公式,得到系统校正系数A为0.85;利用相似比例法对零件中缺陷大小进行确定,总结出计算缺陷大小的公式,实验得到校正系数C为1.22;利用经验法对缺陷沿着X射线方向上的尺寸值进行确定,得到相关图谱,可以用来指导生产实践。
田勐[4]（2013）在《X射线实时成像检测技术及其在高速动车组铝合金车体上的应用》文中进行了进一步梳理X射线实时成像是一项新兴的无损检测技术已经进入铁路产品的无损检测领域,它具有快速、准确、直观、成本低廉等优点,可以代替常规的X射线胶片照相探伤方法,本文概述了X射线实时成像系统的基本原理与成像技术及发展前景,重点阐述了X射线实时成像技术在高速动车组焊缝探伤中的应用情况。
左延田,吴刚[5]（2010）在《CMOSX射线实时成像技术在薄壁压力管道焊缝探伤中的试验研究》文中认为互补金属氧化硅（complementary metal oxide silicon,简称CMOS）X射线图形探头诞生,该产品的技术专利来自美国NASA宇航中心喷气推进室。上海市特种设备监督检验技术研究院在2004年引进该项设备,并开展CMOS X射线实时成像系统在薄壁承压设备检验检测领域的技术开发、研究和应用。
陈光[6]（2007）在《焊缝X射线数字图像处理及缺陷检测方法研究》文中提出X射线无损探伤是工业检测焊接质量的常用方法之一。目前国内外X射线探伤检测方法仍以胶片成像法及图像增强器实时成像法为主，采用人工方式进行在线检测与分析，但人工检测存在主观标准不一致、劳动强度大等缺点。因此计算机辅助焊缝缺陷检测一直受到广泛关注。然而，由于成像条件、检测对象以及算法的复杂性和局限性，实际应用中，仍有许多问题尚待进一步研究。本课题以X射线检测焊缝图像为研究对象，针对石油焊管管端焊缝生产检验中线阵列探测器实时成像的X射线数字图像存在的对比度不高、图像噪声及背景起伏较大、焊缝边缘模糊且纹理较多的特点。利用matlab仿真软件，对图像处理方法中的平滑降噪、灰度变换图像的增强及图像分割方法进行了分析探讨。通过对空域滤波中线性、非线性滤波及频域滤波的分析比较，选择自适应中值滤波方法对原始焊缝图像进行滤波降噪。通过对图像分割方法中的基于阈值分割方法、基于边缘检测方法及基于数学形态学分水岭方法的分析讨论，选择类间、类内方差比分割法和数学形态学方法并用进行焊缝图像分割，以提取出有效的焊缝区域。对焊缝部分应用高频加强变换，根据焊缝缺陷在图像上的位置和形态信息提出检测的简单有效方法。仿真结果表明自适应中值滤波能够有效去除噪声，并保持焊缝和缺陷的边缘细节；类间、类内方差比分割方法与数学形态学方法并用，能准确的将图像分割为焊缝与母材区域；高频加强变换能够使焊缝中心部位突显出来，从而实现缺陷的检测。
刘尊伟,余波,李建文,王增勇[7]（2006）在《薄壁圆环激光焊缝X射线实时成像检测应用》文中研究表明利用射线照相的替代技术———X射线实时成像检测技术,对某薄壁圆环的焊缝进行了实时成像检测,结果表明该技术可以检测出试环焊缝中最小为0.4 mm的孔型缺陷,像质计测定的检测灵敏度优于2%。
刘洪臣,陈忠建,冯勇[8]（2006）在《X射线管道焊缝探伤中的视觉同步技术》文中研究表明研究了一种基于机器视觉的同步技术。实现同步的关键在于检测管内外的转角差,通过对X射线图像进行特征提取获取管内外转角差。在特征提取时,先对图像进行形态学滤波,然后用遗传算法（GA）进行图像分割,最后用Hough变换从图像中提取特征量。试验结果表明,该算法从X射线图像中准确检测出管内外的转角差,且检测速度超过了25 fps的实时性要求。该算法再结合一定的控制规律控制伺服电机,即可实现管内外同步旋转。
陈忠建,冯勇,刘洪臣[9]（2006）在《X射线管道焊缝探伤中的视觉同步算法》文中研究说明X射线管道焊缝探伤机器人作业时,要求管外X射线接收器跟随管内X射线发射窗同步旋转。针对此要求,文中研究了一种基于视觉的同步算法。实现同步旋转的难点在于如何实时、准确地检测管内外间的转角差,文中通过对X射线图像进行特征提取检测转角差:先对X射线图像进行形态学滤波,接着用自适应阀值算法对其二值化,然后进行边缘提取,最后通过Hough变换提取特征并获取转角差。文中对机器人作业时拍摄的一组X射线图像进行了试验,结果表明:文中算法从X射线图像中准确检测出了管内外间的转角差,且检测速度超过25帧/秒的实时性要求。文中算法再结合PID等规律控制伺服电机可实现管内外同步旋转。
王恩亮[10]（2003）在《χ射线无损探伤中缺陷的自动检测与识别》文中指出X射线无损探伤是工业检测焊接质量常用的方法之一。目前X射线无损探伤系统主要采用人工方式进行在线检测与分析，而人工检测存在主观标准不一致、劳动强度大等缺点。采用计算机代替人工进行在线检测与分析，可以有效地克服人工评定中因眼睛疲劳、经验差异而引起的漏判与误判，从而使在线检测工作客观化、规范化和智能化。 基于上述原因，本文设计并实现了一套X射线无损探伤缺陷自动检测系统，并作了如下几个方面的研究： 1．设计并实现了X射线无损探伤系统的硬件组成与结构，该探伤系统主要由信号转换、图像处理以及缺陷位置信息获取与传输三部分组成； 2．设计并实现了X射线探伤图像中缺陷尺寸的自动测量及一些常用的图像处理算法，如：灰度直方图显示、负像、伪彩色以及锐化等； 3．研究了X射线探伤图像中噪声的来源与消除方法，并根据工业实际生产条件，采用了相应的消噪方法； 4．在应用缺陷检测算法之前，本文采用了一种快速焊缝区域提取方法，将所关心的焊缝区域与背景区域区分开，从而减少了算法的运算量，缩短了算法的运算时间； 5．深入分析和研究了各种缺陷检测方法，设计并应用了一种基于探伤图像中缺陷附近空间特性（空间对比度与空间方差）的模糊缺陷检测算法。与其它缺陷检测方法相比，该模糊缺陷检测算法有着易懂、快速、简单、灵活和稳定等特点，通过实验室检测和工厂实际检测证明，该方法有着较低的漏判率与误判率； 6．从缺陷信息的获取、缺陷判定的标准等几个方面对缺陷的识别与判定作了详细的讨论，并实现了缺陷的自动识别与标记。 国内X射线无损探伤系统现主要以人工检测和工业电视静态检测为主，没有缺陷在线自动检测功能。本文主要以缺陷自动检测与识别部分为研究重点，设计并实现的X射线无损探伤缺陷自动检测系统，从而填补了国内X射线无损探伤系统中缺陷自动检测的空白。 系统现已在中国石油天然气集团公司钢管厂正常使用达半年之久，得到了工人们的一致好评，并取得了一定的经济效益。
二、X射线实时成像在焊缝探伤中的应用（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、X射线实时成像在焊缝探伤中的应用（论文提纲范文）
（1）基于深度学习的焊缝X射线图像缺陷识别方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 拟采取的研究方法与技术路线 |
| 1.5 本文主要创新点 |
| 第2章 焊缝图像处理与缺陷定位 |
| 2.1 焊缝图像缺陷分类和分级 |
| 2.2 X射线图像去噪与增强 |
| 2.2.1 图像去噪 |
| 2.2.2 图像增强 |
| 2.3 图像分割与边缘检测 |
| 2.3.1 图像分割 |
| 2.3.2 边缘检测 |
| 2.4 X射线焊缝图像缺陷面积测算与定位 |
| 2.5 X射线焊缝图像预处理 |
| 2.6 本章小结 |
| 第3章 基于深度学习的焊缝缺陷识别方法 |
| 3.1 卷积神经网络简介 |
| 3.2 卷积神经网络 |
| 3.2.1 卷积神经网络结构 |
| 3.2.2 卷积神经网络特性分析 |
| 3.3 基于改进卷积神经网络的焊缝X射线图像识别方法 |
| 3.3.1 常规模型中存在的问题与改进方法 |
| 3.3.2 改进卷积神经网络模型的构建 |
| 3.3.3 各模型的训练与对比分析 |
| 3.4 改进模型测试分析 |
| 3.5 本章小结 |
| 第4章 迁移学习在焊缝缺陷识别中的应用 |
| 4.1 迁移学习 |
| 4.2 基于卷积神经网络的迁移学习流程 |
| 4.3 域间异构迁移学习 |
| 4.3.1 域间异构迁移网络模型 |
| 4.3.2 源域与目标域数据集介绍 |
| 4.3.3 迁移学习训练算法及模型参数设置 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间所发表的学术论文目录 |
（2）X射线数字成像（DR）在天然气管道焊缝探伤中的研究应用（论文提纲范文）
| 1 天然气简介 |
| 1.1 成分与用途 |
| 1.2 天然气的运输 |
| 1.3 天然气的爆炸 |
| 2 X射线数字成像(DR)技术在天然气管道焊缝探伤的应用 |
| 2.1 X射线数字成像技术简介 |
| 2.2 原理 |
| 2.3 优点 |
| 2.3.1 成像速度快 |
| 2.3.2 能够使用计算机保存数据 |
| 2.3.3 远程诊断 |
| 2.3.4 对人体危害小 |
| 2.3.5 消除污染 |
| 2.4 注意事项 |
| 2.5 影响因素 |
| 2.5.1 对比度 |
| 2.5.2 信噪比 |
| 3 结语 |
（3）基于X射线实时成像评价铝合金挤压铸造零件内部缺陷（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 无损检测概述及应用 |
| 1.2 X射线实时成像的应用及发展 |
| 1.3 挤压铸造容易出现的缺陷介绍 |
| 1.4 本课题研究意义及主要研究内容 |
| 1.4.1 课题来源 |
| 1.4.2 课题研究目的及意义 |
| 1.4.3 课题研究主要内容 |
| 第2章 试验设备及材料 |
| 2.1 试验零件及材料 |
| 2.2 试验设备 |
| 2.3 本章小结 |
| 第3章 正交试验确定探伤工艺参数 |
| 3.1 确定探伤工艺参数范围 |
| 3.1.1 增益值参数范围的确定 |
| 3.1.2 亮度值参数范围的确定 |
| 3.1.3 对比度参数范围的确定 |
| 3.1.4 伽玛值参数范围的确定 |
| 3.1.5 去噪值参数范围的确定 |
| 3.2 正交试验设计及分析 |
| 3.2.1 第一次正交试验及结果分析 |
| 3.2.2 第二次正交试验及结果分析 |
| 3.3 最佳工艺的确定及验证 |
| 3.4 本章小结 |
| 第4章 透射电压与零件厚度的对应关系 |
| 4.1 引言 |
| 4.2 透射电压对图像质量影响研究 |
| 4.2.1 透射电压对10 mm厚零件图像影响 |
| 4.2.2 透射电压对15 mm厚零件图像影响 |
| 4.2.3 透射电压对20 mm厚零件图像影响 |
| 4.2.4 不同电压照射对图像质量影响分析 |
| 4.3 零件厚度对图像质量影响的研究 |
| 4.3.1 55 kV电压下厚度对图像质量的影响 |
| 4.3.2 65 kV电压下厚度对图像质量的影响 |
| 4.3.3 75 kV电压下厚度对图像质量的影响 |
| 4.3.4 不同厚度零件探伤图像质量分析 |
| 4.4 最佳图像下电压和厚度的关系 |
| 4.5 本章小结 |
| 第5章 挤压铸造铝合金零件内部缺陷评价 |
| 5.1 图像缺陷与实际缺陷性质对应关系 |
| 5.1.1 缩孔缺陷图像与实际对应关系 |
| 5.1.2 缩松缺陷图像与实际对应关系 |
| 5.2 图像缺陷与实际缺陷位置对应关系 |
| 5.3 图像缺陷与实际缺陷大小对应关系 |
| 5.4 射线方向缺陷宽度与实际对应关系 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（6）焊缝X射线数字图像处理及缺陷检测方法研究（论文提纲范文）
| 目录 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 本研究课题的学术背景及理论与实际意义 |
| 1.1.1 常用的无损检测方法 |
| 1.1.2 X射线检测成像方法 |
| 1.1.3 本课题的理论与实际意义 |
| 1.2 国内外X射线无损检测方法发展及缺陷检测研究综述 |
| 1.2.1 焊接缺陷图像处理和检测研究在国外的发展 |
| 1.2.2 焊接缺陷图像处理和自动识别技术在我国的发展 |
| 1.3 本课题研究的来源及主要研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 本文研究内容 |
| 第2章 X射线检测基本原理及成像系统介绍 |
| 2.1 X射线检测的基本原理 |
| 2.1.1 工业 X射线的产生机理 |
| 2.1.2 X射线检测的基本原理 |
| 2.2 基于线阵探测器阵列的 X射线 DR直接数字成像系统 |
| 2.3 本章小结 |
| 第3章 X射线实时成像焊缝图像的预处理 |
| 3.1 图像噪声分析 |
| 3.1.1 常见噪声的种类 |
| 3.1.2 射线焊缝图像常见噪声分析 |
| 3.2 常见的图像平滑降噪方法 |
| 3.2.1 空域滤波 |
| 3.2.2 频域滤波 |
| 3.3 灰度变换图像的增强 |
| 3.3.1 直接灰度变换 |
| 3.3.2 直方图均衡 |
| 3.3.3 直方图规定化 |
| 3.3.4 模糊增强 |
| 3.3.5 仿真结果讨论 |
| 3.4 本文焊缝图像的平滑降噪方法 |
| 3.5 本章小结 |
| 第4章 射线检测焊缝缺陷的分割 |
| 4.1 常见的焊缝缺陷成因及图像特征分析 |
| 4.2 常见的图像分割方法 |
| 4.2.1 基于阈值的分割方法 |
| 4.2.2 基于边缘检测的方法 |
| 4.2.3 基于形态学分水岭的分割方法 |
| 4.3 本课题的图像分割方法 |
| 4.3.1 焊缝区域的提取 |
| 4.3.2 焊接缺陷提取 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
（8）X射线管道焊缝探伤中的视觉同步技术（论文提纲范文）
| 1 引 言 |
| 2 系统结构和视觉同步处理 |
| 2.1 系统结构 |
| 2.2 视觉同步原理 |
| 3 视觉算法 |
| 3.1 目标识别方案 |
| 3.2 形态学滤波 |
| 3.3 GA图像分割 |
| 3.4 Hough变换 |
| 4 试验结果 |
| 5 结 论 |
（9）X射线管道焊缝探伤中的视觉同步算法（论文提纲范文）
| 1 引言 |
| 2 机器人结构和视觉同步原理 |
| 2.1 机器人结构 |
| 2.2 视觉同步原理 |
| 3 视觉同步算法 |
| 3.1 转角差检测方案 |
| 3.2 形态学滤波 |
| 1) 放大目标, 减弱噪声。 |
| 2) 处理速度快。 |
| 3.3 图像分割 |
| 3.4 Hough变换 |
| 4 试验结果 |
| 5 结论 |
（10）χ射线无损探伤中缺陷的自动检测与识别（论文提纲范文）
| 0 前言 |
| 1 系统结构、功能与程序流程 |
| 1.1 系统结构图 |
| 1.2 系统功能与技术指标 |
| 1.2.1 系统功能 |
| 1.2.2 系统技术指标 |
| 1.3 缺陷检测流程 |
| 1.4 小结 |
| 2 缺陷检测方法 |
| 2.1 图像预处理 |
| 2.1.1 邻帧叠加平均 |
| 2.1.2 焊缝区域提取 |
| 2.2 模糊理论 |
| 2.3 模糊缺陷检测算法 |
| 2.3.1 缺陷性质与特点 |
| 2.3.2 缺陷检测算法原理 |
| 2.3.3 缺陷检测算法步骤 |
| 2.4 小结 |
| 3 缺陷信息的获取 |
| 3.1 缺陷尺寸测量 |
| 3.2 缺陷位置的获取 |
| 3.3 缺陷位置的传输 |
| 3.4 小结 |
| 4 缺陷的识别与判定 |
| 4.1 缺陷判定的标准 |
| 4.2 缺陷的判定 |
| 4.3 重复缺陷的判断 |
| 4.4 小结 |
| 5 结果与讨论 |
| 5.1 实验室检测结果 |
| 5.2 工厂实际检测结果 |
| 5.3 讨论与改进 |
| 参考文献 |
| 在校期间发表论文及获奖情况 |
| 致谢 |
四、X射线实时成像在焊缝探伤中的应用（论文参考文献）
- [1]基于深度学习的焊缝X射线图像缺陷识别方法研究[D]. 胡桉得. 兰州理工大学, 2020(12)
- [2]X射线数字成像（DR）在天然气管道焊缝探伤中的研究应用[J]. 权涛. 化工管理, 2020(06)
- [3]基于X射线实时成像评价铝合金挤压铸造零件内部缺陷[D]. 顾峰. 哈尔滨理工大学, 2014(04)
- [4]X射线实时成像检测技术及其在高速动车组铝合金车体上的应用[A]. 田勐. 第八届中国智能交通年会优秀论文集——轨道交通, 2013
- [5]CMOSX射线实时成像技术在薄壁压力管道焊缝探伤中的试验研究[J]. 左延田,吴刚. 化工装备技术, 2010(03)
- [6]焊缝X射线数字图像处理及缺陷检测方法研究[D]. 陈光. 兰州理工大学, 2007(02)
- [7]薄壁圆环激光焊缝X射线实时成像检测应用[J]. 刘尊伟,余波,李建文,王增勇. 无损检测, 2006(09)
- [8]X射线管道焊缝探伤中的视觉同步技术[J]. 刘洪臣,陈忠建,冯勇. 光电子·激光, 2006(06)
- [9]X射线管道焊缝探伤中的视觉同步算法[J]. 陈忠建,冯勇,刘洪臣. 计算机仿真, 2006(05)
- [10]χ射线无损探伤中缺陷的自动检测与识别[D]. 王恩亮. 大连理工大学, 2003(02)