基于纸基纳米金的重金属检测系统算法研究及软件设计
中文摘要 | 第3-4页 |
英文摘要 | 第4-5页 |
1 绪论 | 第9-19页 |
1.1 重金属污染现状及危害 | 第9-11页 |
1.2 重金属检测技术的研究与发展 | 第11-14页 |
1.2.1 光谱/质谱检测法 | 第11页 |
1.2.2 电化学检测法 | 第11-12页 |
1.2.3 生物学检测法 | 第12-13页 |
1.2.4 纳米材料检测法 | 第13-14页 |
1.3 重金属检测系统中的算法研究 | 第14-16页 |
1.3.1 图像处理算法 | 第14-15页 |
1.3.2 浓度识别算法 | 第15-16页 |
1.4 重金属检测系统中的软件设计 | 第16页 |
1.5 本论文的研究内容及意义 | 第16-19页 |
1.5.1 研究目的及意义 | 第16-17页 |
1.5.2 主要研究内容 | 第17-19页 |
2 基于纸基纳米金的重金属检测系统 | 第19-29页 |
2.1 基于纸基纳米金的重金属检测原理 | 第19-21页 |
2.1.1 纳米金的化学原理 | 第19-20页 |
2.1.2 纸基纳米金的重金属检测 | 第20-21页 |
2.2 系统功能分析 | 第21-23页 |
2.3 系统总体结构 | 第23-24页 |
2.4 系统算法研究及软件设计 | 第24-28页 |
2.4.1 图像处理算法研究 | 第24-26页 |
2.4.2 浓度识别算法研究 | 第26页 |
2.4.3 系统软件设计 | 第26-28页 |
2.5 本章小结 | 第28-29页 |
3 基于HSI和SRG的两阶段图像处理算法 | 第29-45页 |
3.1 纸基纳米金阵列图像 | 第29-30页 |
3.2 图像处理算法框架 | 第30页 |
3.3 第一阶段处理算法 | 第30-36页 |
3.3.1 基于HSI颜色空间的反应点粗分割 | 第30-34页 |
3.3.2 基于数学形态学的图像滤波 | 第34-35页 |
3.3.3 基于投影的网格划分 | 第35-36页 |
3.4 第二阶段处理算法 | 第36-40页 |
3.4.1 基于改进的SRG的反应点细分割 | 第36-39页 |
3.4.2 特征信息提取和可视化 | 第39-40页 |
3.5 图像处理算法效果评价 | 第40-43页 |
3.5.1 精度和稳定性评价 | 第40-42页 |
3.5.2 自适应效果评价 | 第42-43页 |
3.6 本章小结 | 第43-45页 |
4 基于ν-SVR的浓度识别算法 | 第45-65页 |
4.1 支持向量回归机 | 第45-51页 |
4.1.1 机器学习理论 | 第45-46页 |
4.1.2 统计学习理论 | 第46-47页 |
4.1.3 支持向量回归机理论 | 第47-51页 |
4.2 数据选取及处理 | 第51-52页 |
4.3 基于软ε-SVR的浓度识别 | 第52-55页 |
4.3.1 软ε-SVR模型 | 第52页 |
4.3.2 基于软ε-SVR模型的浓度识别 | 第52-55页 |
4.4 基于ν-SVR的浓度识别 | 第55-57页 |
4.4.1 ν-SVR模型 | 第55-56页 |
4.4.2 基于ν-SVR模型的浓度识别 | 第56-57页 |
4.5 浓度识别效果评价 | 第57-63页 |
4.5.1 多项式非线性回归识别 | 第57-59页 |
4.5.2 BP神经网络识别 | 第59-61页 |
4.5.3 效果对比评价 | 第61-63页 |
4.6 本章小结 | 第63-65页 |
5 系统软件设计 | 第65-83页 |
5.1 开发环境介绍 | 第65-67页 |
5.1.1 S3C6410处理器简介 | 第65-66页 |
5.1.2 Linux开发环境搭建 | 第66-67页 |
5.2 软件需求分析 | 第67-69页 |
5.2.1 功能性需求 | 第67-68页 |
5.2.2 非功能性需求 | 第68-69页 |
5.3 软件总体设计 | 第69-70页 |
5.4 软件功能模块设计 | 第70-76页 |
5.4.1 登录模块 | 第70-71页 |
5.4.2 参数设置模块 | 第71-72页 |
5.4.3 图像采集模块 | 第72-73页 |
5.4.4 图像处理模块 | 第73-74页 |
5.4.5 浓度识别模块 | 第74-76页 |
5.5 软件移植与功能测试 | 第76-81页 |
5.5.1 软件系统移植 | 第76页 |
5.5.2 软件测试目的 | 第76页 |
5.5.3 软件测试方案 | 第76-77页 |
5.5.4 软件功能测试与结果 | 第77-81页 |
5.6 本章小结 | 第81-83页 |
6 总结与展望 | 第83-85页 |
6.1 总结 | 第83-84页 |
6.2 展望 | 第84-85页 |
致谢 | 第85-87页 |
参考文献 | 第87-95页 |
附录 | 第95页 |
A. 作者在攻读硕士学位期间参与的科研项目 | 第95页 |
B. 作者在攻读硕士学位期间发表的论文 | 第95页 |