大输液异物视觉识别和分类方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-14页 |
| ·研究背景 | 第11-13页 |
| ·研究意义 | 第13-14页 |
| ·药液中异物视觉检测的研究现状 | 第14-16页 |
| ·异物视觉识别与分类的难点 | 第16页 |
| ·论文结构与内容简介 | 第16-18页 |
| 第2章 大输液异物视觉识别和分类系统 | 第18-27页 |
| ·视觉检测系统结构 | 第18-19页 |
| ·大输液异物视觉识别和分类系统设计 | 第19-26页 |
| ·识别分类对象分析 | 第20页 |
| ·光学照明系统分析 | 第20-22页 |
| ·机械系统设计 | 第22-25页 |
| ·机电控制系统设计 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 大输液异物识别算法分析和设计 | 第27-56页 |
| ·可见异物识别算法研究现状 | 第27-31页 |
| ·可见异物分析 | 第27-28页 |
| ·可见异物识别难点分析 | 第28-29页 |
| ·可见异物识别关键技术现状 | 第29-31页 |
| ·大输液可见异物识别方案设计 | 第31-32页 |
| ·图像预处理 | 第32-36页 |
| ·图像均值处理增强法 | 第33-34页 |
| ·自适应加权均值滤波 | 第34-36页 |
| ·感兴趣区域 | 第36-40页 |
| ·归一化的一维信号自适应阈值提取算法 | 第36-37页 |
| ·投影法选定感兴趣区域 | 第37-39页 |
| ·感兴趣区域细节增强 | 第39-40页 |
| ·可见异物分割算法 | 第40-44页 |
| ·帧差-背景法算法分析 | 第41-43页 |
| ·实验结果及分析 | 第43-44页 |
| ·可见异物的跟踪 | 第44-55页 |
| ·卡尔曼滤波与预测 | 第44-45页 |
| ·数学形态学提取连通分量 | 第45-49页 |
| ·基于数学形态学-Kalman 滤波的跟踪算法 | 第49-52页 |
| ·实验结果及分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 大输液异物分类方法研究 | 第56-76页 |
| ·概述 | 第56-58页 |
| ·分类方法现状 | 第56-58页 |
| ·本章主要内容介绍 | 第58页 |
| ·分类器的输入特征 | 第58-59页 |
| ·基于 BP 神经网络的异物分类方法 | 第59-67页 |
| ·BP 算法分析 | 第59-62页 |
| ·改进 BP 算法 | 第62-64页 |
| ·BP 神经网络分类器及实验结果 | 第64-67页 |
| ·基于支持向量机的异物分类方法 | 第67-75页 |
| ·支持向量机原理分析 | 第68-72页 |
| ·支持向量机多类别分类方法 | 第72页 |
| ·支持向量机分类器及实验结果 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第5章 大输液异物视觉识别和分类软件开发 | 第76-86页 |
| ·视觉识别分类系统的软件设计 | 第76-85页 |
| ·总体介绍 | 第76-77页 |
| ·用户登录模块 | 第77-78页 |
| ·系统控制模块 | 第78页 |
| ·运动控制模块 | 第78-79页 |
| ·相机参数设置模块 | 第79-81页 |
| ·视觉识别和分类模块 | 第81-82页 |
| ·数据库模块 | 第82-85页 |
| ·本章小结 | 第85-86页 |
| 结论 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 致谢 | 第92-93页 |
| 附录 A 攻读学位期间所发表的学术论文和成果目录 | 第93-94页 |
| 附录 B 攻读学位期间参与的主要科研项目 | 第94页 |
