基于机器视觉和IDE-BPNN的有色溶液浓度预测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 溶液浓度研究目的及意义 | 第11-12页 |
| 1.2 溶液浓度检测研究现状 | 第12-13页 |
| 1.2.1 国外溶液浓度检测研究现状 | 第12页 |
| 1.2.2 国内溶液浓度检测研究现状 | 第12-13页 |
| 1.3 机器视觉系统概况 | 第13-14页 |
| 1.4 数字图像处理技术 | 第14-16页 |
| 1.4.1 数字图像处理技术的基本概念 | 第14-15页 |
| 1.4.2 图像处理的分类 | 第15页 |
| 1.4.3 数字色度学 | 第15-16页 |
| 1.4.4 数字图像处理的特点 | 第16页 |
| 1.5 图像处理技术的研究应用现状 | 第16-18页 |
| 1.5.1 图像处理技术在水利科学中的应用 | 第17页 |
| 1.5.2 图像处理技术在两相流中的应用 | 第17页 |
| 1.5.3 图像处理技术在掺气浓度测量中的应用 | 第17-18页 |
| 1.6 本文创新点及内容安排 | 第18-21页 |
| 第2章 人工神经网络和差分进化算法 | 第21-43页 |
| 2.1 人工神经网络 | 第21-26页 |
| 2.1.1 人工神经网络发展历史 | 第21-22页 |
| 2.1.2 人工神经网络分类 | 第22-23页 |
| 2.1.3 BP神经网络算法 | 第23-26页 |
| 2.2 智能优化算法研究概况 | 第26-29页 |
| 2.3 差分进化算法概述 | 第29-30页 |
| 2.3.1 差分进化算法简介 | 第29页 |
| 2.3.2 差分进化算法研究进展 | 第29-30页 |
| 2.4 标准差分进化算法 | 第30-33页 |
| 2.4.1 差分变异操作 | 第30-31页 |
| 2.4.2 交叉操作 | 第31-32页 |
| 2.4.3 选择操作 | 第32-33页 |
| 2.5 差分进化算法的改进 | 第33-36页 |
| 2.5.1 差分变异策略的改进 | 第34-35页 |
| 2.5.2 选择策略的改进 | 第35页 |
| 2.5.3 改进的差分进化算法具体流程 | 第35-36页 |
| 2.6 改进的差分进化算法测试 | 第36-41页 |
| 2.7 本章小结 | 第41-43页 |
| 第3章 有色溶液浓度预测方法及验证 | 第43-63页 |
| 3.1 有色溶液浓度预测模型的构建 | 第43-45页 |
| 3.1.1 基于改进差分进化算法的BP神经网络 | 第43-44页 |
| 3.1.2 改进差分进化算法与神经网络的融合 | 第44-45页 |
| 3.2 溶液图像的采集及实验数据的获取 | 第45-51页 |
| 3.2.1 有色透明溶液的配制 | 第46-48页 |
| 3.2.2 图像的采集、图像去噪及获取实验数据 | 第48-51页 |
| 3.3 神经网络拓扑结构的确定 | 第51-54页 |
| 3.3.1 隐含层作用 | 第52页 |
| 3.3.2 隐含层结构确定 | 第52-54页 |
| 3.4 预测结果及分析 | 第54-57页 |
| 3.5 不同算法的性能比较 | 第57-61页 |
| 3.6 本章小结 | 第61-63页 |
| 第4章 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士学位期间发表的论文及获奖情况 | 第71页 |
