- 氮化硅轴承多尺度缺陷特征的识别与检测方法研究
- - 作者：廖达海//江毅//郑琦//董枫|责编:房丽娜
  - 出版社：中国纺织
  - ISBN：9787522924922
  - 出版日期：2025/02/01
  - 页数：196
- 售价：39.6

内容大纲
本书主要围绕氮化硅陶瓷轴承缺陷的识别、提取及分类方法进行阐述。氮化硅轴承性能优越但制备加工易产生缺陷，影响运行寿命。为此，本专著深入分析其纹理、几何及检测过程特性，提出有效识别、提取及分类缺陷的方法。从应用背景、常规检测方法入手，详细阐述多种检测技术，如语义分割网络、高斯模型相关算法等，涵盖检测平台设计、数据处理、实验检测及结果分析等。对比不同方法得出高效精准检测成果，并对未来检测技术完善进行展望。面对的读者对象主要是材料科学、机械工程领域的研究人员、工程师，以及相关专业的高校师生。读者通过关注氮化硅陶瓷轴承的研发、制造与检测，期望从本专著中获取前沿的研究成果和实用的技术方法，推动该领域的发展。
作者介绍
目录
第1章  概论
  1.1  研究背景
  1.2  氮化硅轴承缺陷检测方法研究现状
  1.3  课题研究内容与意义
第2章  语义分割网络识别氮化硅轴承显著性缺陷的理论基础
  2.1  图像语义分割概述
  2.2  氮化硅轴承缺陷图像的语义分割目标
  2.3  氮化硅轴承缺陷语义分割网络的评判标准
  2.4  语义分割网络识别氮化硅轴承显著性缺陷的实现方式
第3章  氮化硅轴承视觉检测系统设计及其显著性缺陷数据集制备
  3.1  氮化硅轴承机器视觉检测系统方案设计
  3.2  氮化硅轴承显著性缺陷数据集制备
第4章  语义分割网络识别氮化硅轴承显著性缺陷检测方法
  4.1  U-Net & DeeplabV3+语义分割网络的网络结构
  4.2  语义分割网络识别氮化硅轴承显著性缺陷的检测实验
  4.3  语义分割网络识别氮化硅轴承显著性缺陷的实验结果与分析
第5章  多尺度特征语义分割网络识别氮化硅轴承显著性缺陷检测方法
  5.1  多尺度特征语义分割网络的优化技巧
  5.2  嵌入多尺度特征的D-A-IU-Net语义分割网络的结构设计
  5.3  D-A-IU-Net网络识别氮化硅轴承显著性缺陷的检测实验
  5.4  氮化硅轴承显著性缺陷检测的实验结果与分析
第6章  注意力机制的语义分割网络识别氮化硅轴承显著性缺陷检测方法
  6.1  多尺度特征—混合注意力机制语义分割网络的优化策略
  6.2  多尺度特征—注意力机制的N-R-S-Deeplabv3+语义分割网络设计
  6.3  N-R-S-DeeplabV3+网络识别氮化硅轴承显著性缺陷的检测实验
  6.4  氮化硅轴承显著性缺陷检测实验结果与分析
第7章  多尺度图像分解识别氮化硅轴承多类型缺陷的理论基础
  7.1  氮化硅轴承多类型缺陷图像采集及图像特征分析
  7.2  氮化硅轴承多类型缺陷多维度图像处理数理模型
  7.3  基于高斯模型—图像多尺度分解耦合算法的图像增强理论
第8章  基于图像多尺度分解算法的氮化硅轴承多类型缺陷检测
  8.1  氮化硅轴承多类型缺陷图像的灰度分布特征分析
  8.2  基于图像多尺度分解方法的氮化硅轴承多类型缺陷检测设计
  8.3  图像多尺度分解算法的氮化硅轴承多类型缺陷检测结果与分析
第9章  基于高斯模型自适应模板方法的氮化硅轴承多类型缺陷检测
  9.1  氮化硅轴承多类型缺陷图像灰度统计特征分析
  9.2  基于高斯模型自适应模板的氮化硅轴承多类型缺陷检测方法设计
  9.3  高斯模型自适应模板的氮化硅轴承多类型缺陷检测结果与分析
第10章  基于高斯模型与图像分解算法的氮化硅轴承多类型缺陷检测
  10.1  氮化硅轴承多类型缺陷图像灰度特征分析
  10.2  基于高斯模型与图像分解的氮化硅轴承多类型缺陷检测方法设计
  10.3  高斯模型与图像分解的氮化硅轴承多类型缺陷检测结果与分析
第11章  氮化硅轴承缺陷检测与分类方法多维度算法模型及采集平台搭建
  11.1  氮化硅轴承缺陷检测与分类图像处理算法模型
  11.2  氮化硅轴承缺陷检测与分类深度学习算法模型
  11.3  氮化硅轴承缺陷检测与分类采集平台搭建过程
第12章  基于平稳小波变换的氮化硅轴承缺陷图像多尺度分解增强算法
  12.1  氮化硅轴承缺陷图像信息特性分析
  12.2  图像增强算法设计
  12.3  试验结果与讨论

  12.4  缺陷类型对比
  12.5  氮化硅轴承缺陷识别
第13章  基于重构Faster R-CNN算法的氮化硅轴承缺陷检测与分类
  13.1  氮化硅轴承缺陷检测及分类过程
  13.2  重构Faster R-CNN算法训练过程
  13.3  实验结果与讨论
第14章  基于重组YOLOv5算法结构的氮化硅轴承缺陷检测与分类
  14.1  氮化硅轴承缺陷图像分析
  14.2  氮化硅轴承缺陷检测与分类方法
  14.3  重组YOLOv5算法结构后的训练过程
  14.4  实验结果与分析
  14.5  各模型对比分析
第15章  总结与展望
  15.1  总结
  15.2  展望
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目