导读:本文包含了红外无损检测论文开题报告文献综述及选题提纲参考文献，主要关键词:可见,近红外,高光谱成像,灵武长枣,葡萄糖
红外无损检测论文文献综述
程丽娟,刘贵珊,万国玲,何建国[1]（2019）在《可见/近红外高光谱成像技术对长枣中葡萄糖含量的无损检测》一文中研究指出利用可见/近红外高光谱成像技术结合化学计量学方法建立长枣中葡萄糖含量的预测模型,为灵武长枣中的葡萄糖含量快速无损检测提供了一种科学方法。采用可见/近红外(400～1 000 nm)高光谱采集灵武长枣的光谱数据,利用HPLC测量长枣中的葡萄糖含量;样本经过剔除异常值、样本集划分后对原始光谱采用6种预处理;对优选出的最佳预处理方法使用7种方法降维处理,建立全波段和特征波长的PLSR、MLR预测模型。结果表明,SG(7)为最佳预处理方法,R_c=0.826 5,R_p=0.791 0;利用CARS、IRF、SPA、BiPLS、UVE、IRF+CARS、BiPLS+CARS分别选出18,61,7,51,15,33,27个特征波长;PLSR-IRF+CARS模型最优,R_c=0.835 3,R_p=0.832 2。实验结果证明高光谱成像技术对长枣中的葡萄糖含量的快速无损检测是可行的。(本文来源于《发光学报》期刊2019年08期）
钱鹏,陆金桂[2]（2019）在《基于PSO-BP神经网络的红外无损检测缺陷定量识别》一文中研究指出为解决红外无损检测缺陷定量识别困难的问题,提出了一种粒子群算法(PSO)优化反向传播(BP)神经网络的缺陷定量识别方法。以最佳检测时间与最大温差为模型的输入,孔洞缺陷的深度与直径大小为模型的输出,建立粒子群优化的BP神经网络缺陷定量识别模型。使用ANSYS软件对带有平底孔洞缺陷的金属平板进行脉冲热分析,提取金属平板检测表面的最大温差与最佳检测时间,作为神经网络模型训练与检验的数据样本,使用神经网络进行预测。计算结果表明:预测值的最大误差为5.5%,最小误差为1%,证明了粒子群优化BP神经网络方法进行红外无损检测定量识别的可行性。(本文来源于《南京工业大学学报(自然科学版)》期刊2019年04期）
岳大皓,张佳[3]（2019）在《工艺设备特种焊接的红外无损检测研究》一文中研究指出工艺设备中焊接是不可或缺的加工技术。对于常用的焊接方法,如承压件对焊,已有成熟的无损检测方法用于焊接的质量控制,而对于特种焊接方法(如堆焊等),目前常用的无损检测方法适用性差,焊接质量直接影响工艺设备的工作性能和寿命。文章以密封面堆焊为例,提出一种先进的无损检测方法,即红外无损检测(IRNDT),同时和常用的渗透检测结果进行对比和研究,最终在检测结果的基础上,对工艺设备特种焊接的无损检测方法和检测时机提出了改进建议。(本文来源于《石油化工设备技术》期刊2019年04期）
贺胜晖[4]（2019）在《柑橘黄龙病近红外无损检测的模型构建研究》一文中研究指出柑橘黄龙病是一种易扩散的毁灭性疾病,严重阻碍了世界柑橘产业的发展,有效控制柑橘黄龙病的前提是实现黄龙病的快速准确诊断。近红外光谱分析技术是一种快速简易有效的化学分析技术,在黄龙病检测上已有初步研究。但现有方法主要是基于传统化学分析方法,模型过于简单,不能适应于不同光谱仪和柑橘品种。本文为增强算法对不同光谱仪和柑橘品种的鲁棒性,主要进行了如下研究:(1)现有方法忽略了多光谱点的不同处理方法对结果的影响,本文分别对综合评判、均值、中心点、随机点方法进行对比,实验表明综合评判法的结果更优。并且现有方法还忽视了在不同光谱分辨率下采集数据的影响,本文基于4个光谱分辨率的光谱数据,探索了光谱特征分解有机物的能力区别。(2)为实现柑橘黄龙病的快速准确检测,本文提出了基于Gabor滤波的核极限学习机(GKELM)进行黄龙病检测,它将Gabor滤波对特征处理的优势,与核极限学习机的快速学习速度和出色泛化能力相结合。首先采用标准正态变换和主成分分析对光谱进行处理,然后进行Gabor滤波,从而进一步突出关键特征,并结合核极限学习进行分类。实验表明,GKELM在低误诊下实现了高准确率,并表现出对光谱采集差异的鲁棒性。(3)针对柑橘品种差异导致算法的鲁棒性差,本文基于集成学习的Stacking策略,提出了一种融合多特征提取和集成多分类器的黄龙病检测算法(KP-TEPS)。算法在特征层和决策层均集成了多个个体学习器,利用个体学习器间的多样性来提高集成模型的泛化性。实验表明,集成分类模型的各项指标表现优异,证明了KP-TEPS能够利用个体学习器的多样性,获得比单特征提取和单分类器更优的检测结果,并对不同柑橘品种表现出强鲁棒性。(本文来源于《桂林电子科技大学》期刊2019-06-02）
张喜斌[5]（2019）在《纤维金属层板缺陷红外热波无损检测技术研究》一文中研究指出纤维金属层板具有优异的疲劳损伤容限、耐冲击性好、耐腐蚀性强、高阻燃性以及易加工成型等性能优势,己被广泛应用于航空航天、超音速飞行器、核动力、轨道交通等领域。纤维金属层板的制备条件复杂且服役环境恶劣,容易产生整体开裂、纤维固化不均匀甚至断裂、纤维与基体脱粘等缺陷,这些均会直接危害设备使用寿命、运行安全和可控性。红外热波无损检测技术具有安全高效、应用领域广泛、检测结果直观可见等优点,为纤维金属层板脱粘缺陷检测提供了一种新方法。本文从红外热波无损检测原理分析、有限元分析研究、检测试验系统的搭建、模拟缺陷制备、缺陷几何特征识别与判定、红外图像序列处理等关键技术开展了系统深入的研究。分析了在光脉冲热激励条件下,层板类构件内部结构的热流传递过程,以传热学、材料科学等相关理论为基础,通过分数阶傅里叶变换,建立了脉冲激励含缺陷半无限大多层板构件表面温度场分布的解析式和解析解;以纤维金属层板脱粘缺陷为研究对象,通过仿真分析获得了缺陷几何特征参数和检测参数对表面温度场的影响规律,探讨了脉冲红外热波成像技术检测纤维金属层板内部缺陷的能力。制备了纤维金属层板(S2玻璃纤维/6061-T4)脱粘缺陷试件;搭建了红外热波无损检测试验系统(样机),并开展了纤维金属层板缺陷红外热波无损检测试验研究;分析缺陷几何特征参数和检测参数对试件表面温度信号的影响规律,得到可实现纤维金属层板内部缺陷识别的检测参数范围。研究了脉冲红外图像序列处理算法,通过对试验图像序列重构,实现了试件表面温度信号特征信息提取;开发了用于纤维金属层板脱粘缺陷边缘识别的主成分分析-形态学算法处理程序,其边缘提取效果优于经典算子,实现了试件缺陷边缘识别。(本文来源于《哈尔滨商业大学》期刊2019-05-27）
郭峰[6]（2019）在《基于红外无损检测的激光熔覆零件表面质量评价方法》一文中研究指出激光技术被广泛应用到现代制造业各个行业,而且在很多加工过程中已取代部分的传统加工工艺。但通过激光熔覆再制造技术所生产的产品的质量需要得到保障,即对激光熔覆再制造后零件的表面质量进行评价。本文以探索激光熔覆后零件表面质量检测技术、评价熔覆后零件表面质量为目标,采用理论研究和实验相结合的方针,利用主动热激励式的红外热成像无损检测技术结合MATLAB图像处理算法实现对激光熔覆后试件的表面缺陷的定性、定量分析,最后建立关于激光熔覆后产品的表面质量评价体系,并开发相关应用软件,实现基于红外无损检测的激光熔覆后零件的表面质量评价。本文的主要研究内容如下:(1)从理论上进行了红外热波基本定律、理论和红外无损检测系统、原理的分析,探究了红外无损检测缺陷大小和红外无损检测缺陷深度的原理,并设计了关于激光熔覆后的试件红外无损检测的相关实验。(2)对基于红外无损检测的图像处理的方法从以下方面进行了研究,首先是从图像的转化和剪切对图像的预处理进行了分析;然后对传统红外图像增强算法和基于小波变换的图像增强算法进行了分析和对比,对传统红外图像分割算法和基于简化的PCNN的图像分割算法进行了分析和对比;最后从目标区域提取、目标坐标信息、目标温度信息叁个方面对目标特征提取进行了分析。(3)基于红外无损检测对激光熔覆后的材料从缺陷的类别、表面平整度、缺陷的面积、缺陷的深度四个方面进行了定性、定量分析。(4)通过对关于激光熔覆后试件评价指标的确立,评价标准的确立,应用层次分析法和模糊评价法相结合进行权重的确立,从而建立激光熔覆后试件的表面质量评价体系;开发关于红外无损检测的表面质量评价体系的应用软件,将激光熔覆后的试件的红外热图导入该系统进行分析,并得出相应的检测结果,实现其实际应用价值。(本文来源于《新疆大学》期刊2019-05-24）
[7]（2019）在《利用红外热像仪进行无损检测技术》一文中研究指出1前言许多汽车零部件都要进行焊接、粘接、螺栓连接和机械接合等接合加工。因此要求有对焊接、粘接部进行简便并且可靠性高的无损检测方法。随着汽车轻量化、低成本化的进展，汽车用材不仅有钢材，还有铝材、塑料、复合材料等，因此在接合方法上多种多样，其中异种(本文来源于《世界金属导报》期刊2019-04-16）
刘亚超,李永玉,彭彦昆,王凡,闫帅[8]（2019）在《近红外漫透射光补偿法无损快速检测大米直链淀粉》一文中研究指出针对大米长波近红外漫透射光谱噪声大的问题,自行搭建了3种光谱采集系统用于分析波长范围为900～1700 nm的大米漫透射光补偿,采集了62个样本的大米红外光谱曲线,并进行了归一化、SG平滑、Savitzky-Golay卷积求导预处理,用偏最小二乘回归法对大米直链淀粉含量进行了建模分析,比较分析同种大米在不同厚度下的光补偿前后漫透射光谱曲线,对比漫反射、漫透射、漫透射光补偿结果,并对光补偿前后的结果进行了显着性分析。结果表明,光补偿前,随着样品厚度增加,大米直链淀粉含量预测模型结果先变好,但是随着样品厚度进一步增加,透射光强随之变弱,噪声变大,模型建模效果变差。样品厚度为9 mm时,大米近红外漫透射直链淀粉预测模型效果最好,校正集相关系数(R_C)为0.9103,校正集均方根误差(RMSEC)为1.4209%;预测集相关系数(R_P)为0.9049,预测集均方根误差(RMSEP)为1.5654%;光补偿后,大米近红外漫透射光补偿光谱曲线噪声显着改善,特别是经预处理后光谱曲线噪声在1203和1465 nm附近的光谱吸收处改善明显,并且不同样品厚度条件下的预测模型精度均有显着提高。大米样品厚度为9 mm时,直链淀粉光补偿预测模型效果最佳,模型校正集相关系数(R_C)提升到0.9654,校正集均方根误差(RMSEC)降低到0.8902%;预测集相关系数(R_P)达到0.9577,预测集均方根误差(RMSEP)降低到1.4261%,并且光补偿后的显着性较光补偿前有所降低,与相关研究相比,模型的相关系数和误差均有所改善。最后,选用没有参与建模的20个样品对光补偿模型进行了外部检验,模型相关系数为0.9363,均方根误差为1.4139%,RPD为2.85。结果表明,光补偿方法可以有效解决大米长波近红外因穿透力相对较弱而引起光谱噪声大的问题,提高大米直链淀粉预测模型的精度,可以实现颗粒大米直链淀粉含量的快速无损检测,为大米品质检测分级提供技术支撑。(本文来源于《分析化学》期刊2019年05期）
罗琴[9]（2019）在《基于分割网络的复合材料红外无损检测的应用研究》一文中研究指出复合材料中最常见的缺陷类型是脱粘和分层,由于光激励红外热成像技术具有速度快、检测面积大、容易操作等优势,是一种适用于复合材料的缺陷无损检测技术,在航天、军事等领域具有重要作用。但其原始检测结果会受到边缘信息、背景、噪声等因素的干扰,运用缺陷检测算法来提高原始结果的信噪比是必要的。目前,国内外学者提出了许多不同的检测算法来提取缺陷的特征、增加图像的信噪比,但存在一定的局限性,如:检测精度有待提高,复杂形状试件上的内部缺陷检出率有待提升等。本文针对上述问题,并考虑到分割网络在自然图像处理等领域取得的突出效果,将红外无损检测与深度学习相结合,分析对比基于时间和空间的分割网络模型,提出了基于时间-空间的交叉网络学习框架,提高了缺陷的检出率。本文的主要研究工作如下:(1)搭建了光激励红外热成像无损检测系统,使用该系统对制备的四种类型、直径和深度不同的缺陷试件进行检测。对获得的原始数据进行分析,发现可将其分解为空间模式和时间模式,从而探索了红外热成像与深度学习相结合的基本原理。为了增强缺陷区与非缺陷区的对比度,降低噪声的影响,运用常用缺陷提取算法——主成分分析(PCA)和温度图像重构法(TSR)对获得的数据进行处理,并分析比较了不同方法的优缺点。(2)通过对热视频数据的深度学习热空间特征和热时间特征进行分析,建立了对应的数据集,提出了一种结合时间和空间信息的深度学习网络架构,该方法可应用于光激励红外热成像系统对复合材料缺陷检测的自动分割。为了验证所提出方法的有效性和稳定性,运用该方法分别对常规和复杂形状的复合材料试件的内部脱粘缺陷进行了分割,并采用缺陷检出率(POD)对模型进行评估。结果表明,VGG-Unet交叉学习结构可以提高有缺陷和无缺陷区域之间的对比度。此外,本文针对信噪比低、缺陷深度更深的试件,在VGG-Unet中融入了PCA特征提取算法,最终获得较好的分割结果。(本文来源于《电子科技大学》期刊2019-04-01）
吴世春[10]（2019）在《基于多模态激励的红外热成像复合材料无损检测技术研究》一文中研究指出碳纤维增强复合材料(Carbon Fiber Reinforced Polymer,CFRP)是一种高强度、重量轻的新兴材料,被广泛应用于航空工业、制造业等领域。碳纤维复合材料在制造及服役过程中会产生脱粘、分层等缺陷问题,为了保证工件质量,光激励红外热成像(Optical Infrared Thermography,OT)无损检测技术被广泛应用于复合材料缺陷检测,其具有检测面积大、成像速度快、操作简单等优点。不同激励信号代表不同的激励模态,本文研究了多模态激励的光激励红外热成像无损检测技术,包括现有的脉冲红外热成像(Pulse Thermography,PT)、锁相红外热成像(Lock-in Thermography)两种激励模态,以及脉冲压缩红外热成像激励模态。本文研究了复合材料无损检测研究现状,分析了光激励红外热成像无损检测技术理论基础,讨论了光激励红外热成像无损检测系统组成。简介了系统各组成部分选型标准,为实验平台搭建提供了理论依据。制备了多尺寸、多类型的标准试件用于实验验证,以保证实验结果的可靠性与鲁棒性。为了研究不同激励模态对实验结果的影响,本文在确定了最优参数的基础上,选择了平板试件与R区试件作对比。对比了两种常用激励模态方法:脉冲红外热成像与锁相红外热成像,结果表明两种方法均能检出缺陷,脉冲激励速度更快,锁相激励热对比度更高。为了提高原始数据的信噪比及热对比度,论文提出了一种新的激励模态方法:参照脉冲压缩红外热成像技术(Pulse-Compression Thermography,PuCT),该方法相比于脉冲热成像方法,能够有效降低背景噪声,提高检测灵敏度。本文主要创新点如下:(1)创新性地搭建了两种新型光激励红外热成像检测平台,提高了系统光照均匀性及适应性,能够适应不同检测环境;(2)创新性地提出了一种新的激励模态检测方法:基于卤素灯的参照脉冲压缩红外热成像无损检测方法,该方法使用了参照先验并融合编码脉冲压缩激励,突破深层缺陷检测灵敏度与分辨率;(3)完成了多模态激励的光激励红外热成像无损检测技术研究,通过理论分析及实验对比,验证了脉冲激励模态、锁相激励模态和参照脉冲压缩激励模态的优缺点。对比结果表面参照脉冲压缩激励模态检测效果优于脉冲激励模态。(本文来源于《电子科技大学》期刊2019-04-01）
红外无损检测论文开题报告
（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：
为解决红外无损检测缺陷定量识别困难的问题,提出了一种粒子群算法(PSO)优化反向传播(BP)神经网络的缺陷定量识别方法。以最佳检测时间与最大温差为模型的输入,孔洞缺陷的深度与直径大小为模型的输出,建立粒子群优化的BP神经网络缺陷定量识别模型。使用ANSYS软件对带有平底孔洞缺陷的金属平板进行脉冲热分析,提取金属平板检测表面的最大温差与最佳检测时间,作为神经网络模型训练与检验的数据样本,使用神经网络进行预测。计算结果表明:预测值的最大误差为5.5%,最小误差为1%,证明了粒子群优化BP神经网络方法进行红外无损检测定量识别的可行性。
（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。
红外无损检测论文参考文献
[1].程丽娟,刘贵珊,万国玲,何建国.可见/近红外高光谱成像技术对长枣中葡萄糖含量的无损检测[J].发光学报.2019
[2].钱鹏,陆金桂.基于PSO-BP神经网络的红外无损检测缺陷定量识别[J].南京工业大学学报(自然科学版).2019
[3].岳大皓,张佳.工艺设备特种焊接的红外无损检测研究[J].石油化工设备技术.2019
[4].贺胜晖.柑橘黄龙病近红外无损检测的模型构建研究[D].桂林电子科技大学.2019
[5].张喜斌.纤维金属层板缺陷红外热波无损检测技术研究[D].哈尔滨商业大学.2019
[6].郭峰.基于红外无损检测的激光熔覆零件表面质量评价方法[D].新疆大学.2019
[7]..利用红外热像仪进行无损检测技术[N].世界金属导报.2019
[8].刘亚超,李永玉,彭彦昆,王凡,闫帅.近红外漫透射光补偿法无损快速检测大米直链淀粉[J].分析化学.2019
[9].罗琴.基于分割网络的复合材料红外无损检测的应用研究[D].电子科技大学.2019
[10].吴世春.基于多模态激励的红外热成像复合材料无损检测技术研究[D].电子科技大学.2019