双色印铁机印刷质量控制系统关键技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-15页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外印铁机组发展概况 | 第8-9页 |
| 1.3 印刷质量控制系统中相关技术研究现状 | 第9-13页 |
| 1.3.1 印刷品质量检测技术研究现状 | 第9-11页 |
| 1.3.2 印刷墨量控制技术研究现状 | 第11-13页 |
| 1.4 本文主要研究内容及组织结构 | 第13-15页 |
| 2 印刷质量控制系统总体设计 | 第15-22页 |
| 2.1 印刷质量控制系统控制需求 | 第15页 |
| 2.2 控制系统的总体设计思路 | 第15-16页 |
| 2.3 控制系统实现流程 | 第16-17页 |
| 2.4 控制系统的硬件组成 | 第17-21页 |
| 2.4.1 光源 | 第17页 |
| 2.4.2 CCD的选型 | 第17-19页 |
| 2.4.3 图像采集卡的选型 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 印刷品质量控制系统样本数据的选取 | 第22-30页 |
| 3.1 颜色空间的选择 | 第22-23页 |
| 3.1.1 颜色空间 | 第22页 |
| 3.1.2 印刷品质量控制系统采用的颜色空间 | 第22-23页 |
| 3.2 样本数据的获取 | 第23-29页 |
| 3.2.1 样本数据集的制作 | 第23-25页 |
| 3.2.2 利用模糊聚类技术获取样本数据 | 第25-29页 |
| 3.3 数据压缩 | 第29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 印刷品网点图像颜色分类算法的研究 | 第30-47页 |
| 4.1 ELM简介 | 第30-34页 |
| 4.1.1 单隐含层前馈神经网络 | 第30-31页 |
| 4.1.2 传统基于梯度下降法的SLFN的学习 | 第31-32页 |
| 4.1.3 极限学习机(ELM) | 第32-33页 |
| 4.1.4 ELM算法的具体实现 | 第33-34页 |
| 4.2 ELM粗分器的设计思路 | 第34-35页 |
| 4.3 ELM粗分器分色结果分析 | 第35-36页 |
| 4.4 精分器中的图像数据信息 | 第36-37页 |
| 4.5 精分器的构建 | 第37-40页 |
| 4.5.1 神经网络组 | 第37-39页 |
| 4.5.2 精分器的设计思路 | 第39-40页 |
| 4.6 信息融合法 | 第40-43页 |
| 4.6.1 信息融合简介 | 第40-41页 |
| 4.6.2 子网络负责区域的分配 | 第41-42页 |
| 4.6.3 模糊积分法 | 第42-43页 |
| 4.7 精分器分色结果分析 | 第43-46页 |
| 4.8 本章小结 | 第46-47页 |
| 5 印刷品质量控制研究 | 第47-59页 |
| 5.1 PID神经元网络 | 第47-51页 |
| 5.1.1 传统PID神经元网络的算法 | 第47-49页 |
| 5.1.2 改进后PID神经元网络的算法 | 第49-51页 |
| 5.2 印刷品质量控制系统仿真及分析 | 第51-53页 |
| 5.3 印刷品质量控制系统软件 | 第53-58页 |
| 5.3.1 系统软件总体结构 | 第53-54页 |
| 5.3.2 质量控制系统软件功能实现 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 研究总结 | 第59-60页 |
| 6.2 工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67页 |
