| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 燃气表码字识别的国内外研究现状 | 第10-13页 |
| 1.3 目前存在的问题 | 第13-14页 |
| 1.4 本文工作及贡献 | 第14-16页 |
| 1.5 本文的组织结构 | 第16-19页 |
| 第二章 基于卷积神经网络的燃气表码字识别系统设计实现 | 第19-25页 |
| 2.1 数据采集前端模块 | 第20-21页 |
| 2.2 RS485通信模块 | 第21页 |
| 2.3 计算机后台模块 | 第21-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于卷积神经网络的燃气表完整码字识别算法 | 第25-35页 |
| 3.1 燃气表码字数据采集和预处理 | 第25-27页 |
| 3.1.1 数据采集和标注 | 第25-26页 |
| 3.1.2 数据预处理 | 第26页 |
| 3.1.3 码字图像数据完整性判别 | 第26-27页 |
| 3.2 燃气表码字图像数据不均衡分析 | 第27-28页 |
| 3.3 基于卷积神经网络的燃气表完整码字识别模型设计及构建 | 第28-30页 |
| 3.4 实验结果及分析 | 第30-34页 |
| 3.4.1 实验说明 | 第30-32页 |
| 3.4.2 实验结果及分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于Grid Loss CNN的燃气表不完整码字识别算法 | 第35-53页 |
| 4.1 优化算法 | 第35-42页 |
| 4.1.1 小批量算法 | 第35-36页 |
| 4.1.2 随机梯度下降算法 | 第36-40页 |
| 4.1.3 Adam优化算法 | 第40-42页 |
| 4.2 Grid Loss损失函数 | 第42-46页 |
| 4.2.1 损失函数 | 第43-44页 |
| 4.2.2 Grid Loss损失函数的设计 | 第44-46页 |
| 4.3 实验结果及分析 | 第46-51页 |
| 4.3.1 实验说明 | 第46-48页 |
| 4.3.2 实验结果及分析 | 第48-51页 |
| 4.4 本章小结 | 第51-53页 |
| 总结与展望 | 第53-55页 |
| 本文工作总结 | 第53-54页 |
| 未来工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间取得的科研成果 | 第59-61页 |
| 致谢 | 第61页 |
