基于Arduino和数字识别的机械臂书写数字技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 机器人视觉的研究现状 | 第10-12页 |
| 1.2.2 基于机器视觉的写字机器人研究现状 | 第12页 |
| 1.3 本文主要研究内容 | 第12页 |
| 1.4 本文组织结构 | 第12-15页 |
| 第2章 相关理论与技术研究分析 | 第15-27页 |
| 2.1 图像预处理与特征提取 | 第15-18页 |
| 2.1.1 图像灰度化 | 第15页 |
| 2.1.2 图像二值化 | 第15-16页 |
| 2.1.3 图像平滑 | 第16-17页 |
| 2.1.4 轮廓检测 | 第17页 |
| 2.1.5 归一化 | 第17页 |
| 2.1.6 特征提取 | 第17-18页 |
| 2.2 神经网络分类器概述 | 第18-20页 |
| 2.3 Arduino概述 | 第20-25页 |
| 2.3.1 Arduino的发展现状 | 第20-21页 |
| 2.3.2 Arduino的硬件开发板 | 第21-23页 |
| 2.3.3 Arduino的软件开发环境 | 第23-24页 |
| 2.3.4 Arduino的优点 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 基于BP神经网络的数字识别分类器研究 | 第27-43页 |
| 3.1 BP神经网络原理分析 | 第27-32页 |
| 3.2 优化BP神经网络算法 | 第32-40页 |
| 3.2.1 激活函数的优化 | 第32-33页 |
| 3.2.2 代价函数的优化 | 第33-37页 |
| 3.2.3 正则化方法消除过拟合 | 第37-38页 |
| 3.2.4 权重初始化方法的优化 | 第38-40页 |
| 3.3 数字识别分类器的设计 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 机械臂书写数字技术研究 | 第43-59页 |
| 4.1 机械臂数字书写控制理论基础 | 第43-45页 |
| 4.1.1 舵机的工作原理及控制方式 | 第43-45页 |
| 4.1.2 上位机与下位机的通信 | 第45页 |
| 4.2 硬件设计 | 第45-51页 |
| 4.2.1 控制器的选择 | 第45-46页 |
| 4.2.2 机械臂的选择 | 第46-47页 |
| 4.2.3 舵机的选择 | 第47-48页 |
| 4.2.4 机械臂的组装与调试 | 第48-51页 |
| 4.3 机械臂书写数字的程序设计 | 第51-57页 |
| 4.3.1 机械臂书写数字程序的基本流程 | 第51-52页 |
| 4.3.2 机械臂书写数字的核心算法设计 | 第52-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 实验验证与结果分析 | 第59-73页 |
| 5.1 BP算法的优化实验 | 第59-67页 |
| 5.1.1 训练样本库说明 | 第59-60页 |
| 5.1.2 数字识别的基本流程 | 第60-61页 |
| 5.1.3 实验方法说明 | 第61-62页 |
| 5.1.4 实验结果及分析 | 第62-67页 |
| 5.2 基于机器视觉的机械臂数字书写实验 | 第67-72页 |
| 5.2.1 整体实验流程 | 第67-68页 |
| 5.2.2 实验方法说明 | 第68页 |
| 5.2.3 实验结果分析 | 第68-72页 |
| 5.3 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-81页 |
| 致谢 | 第81页 |
