摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第13-18页 |
1.1 研究背景和意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-15页 |
1.2.1 国内研究现状 | 第14-15页 |
1.2.2 国外研究现状 | 第15页 |
1.3 本文的主要工作 | 第15-17页 |
1.4 本文的结构 | 第17-18页 |
第2章 相关技术和理论 | 第18-22页 |
2.1 J2EE平台 | 第18-19页 |
2.1.1 客户层组件 | 第18-19页 |
2.1.2 Web层组件 | 第19页 |
2.1.3 业务层组件 | 第19页 |
2.1.4 EIS层 | 第19页 |
2.2 SSH框架与SSM框架 | 第19-20页 |
2.3 面向服务的体系结构 | 第20页 |
2.4 机器学习技术与深度学习 | 第20-21页 |
2.5 本章小结 | 第21-22页 |
第3章 系统需求分析 | 第22-29页 |
3.1 现状分析 | 第22页 |
3.2 可行性分析 | 第22-23页 |
3.3 功能分析 | 第23-27页 |
3.3.1 计量设备管理业务 | 第23-24页 |
3.3.2 计量校准管理业务 | 第24-26页 |
3.3.3 计量配备管理业务 | 第26页 |
3.3.4 量值溯源管理业务 | 第26-27页 |
3.3.5 计量文件管理业务 | 第27页 |
3.3.6 安全管理功能模块 | 第27页 |
3.3.7 故障智能分析模块 | 第27页 |
3.4 非功能性需求 | 第27-28页 |
3.5 本章小结 | 第28-29页 |
第4章 计量管理系统的系统设计与实现 | 第29-42页 |
4.1 系统设计原则 | 第29页 |
4.2 系统总体设计 | 第29-31页 |
4.2.1 技术架构设计 | 第29-30页 |
4.2.2 拓扑结构设计 | 第30页 |
4.2.3 功能架构设计 | 第30-31页 |
4.3 系统模块设计 | 第31-36页 |
4.3.1 计量设备管理模块 | 第31-32页 |
4.3.2 计量校准管理模块 | 第32-33页 |
4.3.3 计量配备管理模块 | 第33-34页 |
4.3.4 量值溯源管理模块 | 第34-35页 |
4.3.5 计量文件管理模块 | 第35页 |
4.3.6 安全管理模块 | 第35-36页 |
4.4 数据库设计 | 第36-40页 |
4.5 移动端与基于机器学习的故障智能分析模块设计 | 第40-41页 |
4.6 本章小结 | 第41-42页 |
第5章 系统实现与测试 | 第42-65页 |
5.1 开发运行环境搭建 | 第42-44页 |
5.1.1 SSM框架配置 | 第42-43页 |
5.1.2 Android开发环境配置 | 第43-44页 |
5.2 WEB系统模块实现 | 第44-49页 |
5.2.1 计量设备管理模块 | 第44-46页 |
5.2.2 计量校准管理模块 | 第46-47页 |
5.2.3 计量配备管理模块 | 第47-48页 |
5.2.4 量值溯源管理模块 | 第48-49页 |
5.2.5 计量文件管理模块 | 第49页 |
5.3 计量管理手机APP客户端模块 | 第49-53页 |
5.3.1 图像校正模块 | 第49-50页 |
5.3.2 图像上传模块 | 第50-52页 |
5.3.3 信息获取及审批模块 | 第52-53页 |
5.4 基于机器学习的故障智能分析模块 | 第53-57页 |
5.4.1 基于尺度不变特征变换的图像比对算法 | 第53-54页 |
5.4.2 基于机器学习的故障智能分析环境搭建与准备 | 第54-55页 |
5.4.3 基于深度学习的故障智能分析自适应训练算法 | 第55-56页 |
5.4.4 基于深度学习的故障智能分析算法 | 第56-57页 |
5.5 系统测试 | 第57-64页 |
5.5.1 功能测试 | 第57-61页 |
5.5.2 服务器性能测试 | 第61-62页 |
5.5.3 移动端性能测试 | 第62-63页 |
5.5.4 机器学习算法性能测试 | 第63-64页 |
5.6 本章小结 | 第64-65页 |
结论 | 第65-67页 |
本文主要工作 | 第65-66页 |
展望 | 第66-67页 |
参考文献 | 第67-70页 |
致谢 | 第70页 |