基于神经网络的鱼类活性判断及其在水质监测中的应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 论文研究背景及意义 | 第10-11页 |
| 1.2 突发性水质污染对鱼类行为的影响 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 基于计算机视觉的鱼类行为量化 | 第12-13页 |
| 1.3.2 鱼类异常行为检测 | 第13-14页 |
| 1.3.3 鱼类预警系统 | 第14-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 基于计算机视觉的鱼类活性识别技术 | 第18-28页 |
| 2.1 引言 | 第18-19页 |
| 2.2 鱼类常用特征提取跟踪 | 第19-23页 |
| 2.2.1 颜色特征 | 第19-20页 |
| 2.2.2 纹理特征 | 第20-22页 |
| 2.2.3 鱼类状态跟踪 | 第22-23页 |
| 2.3 鱼类活性状态分类算法 | 第23-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于选择力注意机制群体目标跟踪预测方法 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 基于选择力注意的多目标跟踪方法 | 第28-35页 |
| 3.2.1 选择力注意区域 | 第29-31页 |
| 3.2.2 目标匹配检测 | 第31-34页 |
| 3.2.3 跟踪定位 | 第34-35页 |
| 3.3 实验结果分析 | 第35-37页 |
| 3.3.1 实验方案 | 第35-36页 |
| 3.3.2 结果分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于神经网络的鱼目标活性判断模型 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 基于神经网络的鱼类活性判断 | 第38-42页 |
| 4.2.1 神经网络结构模型 | 第38-39页 |
| 4.2.2 基于神经网络算法的鱼类活性分类器 | 第39-42页 |
| 4.3 活性检测实验方案 | 第42-43页 |
| 4.4 活性检测实验结果分析 | 第43-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 水质毒性监测预警系统 | 第50-64页 |
| 5.1 引言 | 第50页 |
| 5.2 应用场景 | 第50-53页 |
| 5.3 系统设计 | 第53-57页 |
| 5.3.1 硬件平台 | 第54-55页 |
| 5.3.2 系统监测流程设计 | 第55-56页 |
| 5.3.3 软件功能 | 第56-57页 |
| 5.4 系统运行环境模式 | 第57-58页 |
| 5.4.1 系统硬件环境 | 第57-58页 |
| 5.4.2 系统软件环境 | 第58页 |
| 5.4.3 数据的完整性和可查看性 | 第58页 |
| 5.5 主要功能介绍 | 第58-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间参加的科研项目和成果 | 第72页 |
