| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 质量应用研究 | 第10-11页 |
| 1.2.2 统计控制图识别研究 | 第11页 |
| 1.3 本文研究工作 | 第11-12页 |
| 1.4 论文结构安排 | 第12-15页 |
| 第2章 相关技术概述 | 第15-27页 |
| 2.1 统计过程控制 | 第15-17页 |
| 2.2 统计控制图 | 第17-19页 |
| 2.3 ODOO概述 | 第19-20页 |
| 2.4 卷积神经网络 | 第20-24页 |
| 2.5 Keras深度学习框架 | 第24-25页 |
| 2.6 本章小结 | 第25-27页 |
| 第3章 基于迁移学习和卷积神经网络的控制图识别算法 | 第27-39页 |
| 3.1 研究依据 | 第27-29页 |
| 3.1.1 异常模式抽象 | 第27-28页 |
| 3.1.2 数据升维 | 第28-29页 |
| 3.1.3 迁移学习 | 第29页 |
| 3.2 基于BP神经网络的控制图识别 | 第29-30页 |
| 3.3 基于迁移学习和卷积神经网络的控制图识别 | 第30-31页 |
| 3.4 实验数据集和实验设置 | 第31-33页 |
| 3.5 实验结果分析 | 第33-38页 |
| 3.5.1 不同子组大小条件下控制图识别结果 | 第33-35页 |
| 3.5.2 fine-tune微调特征提取层 | 第35-37页 |
| 3.5.3 基于迁移学习和卷积神经网络的控制图模式识别结果 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 系统设计 | 第39-57页 |
| 4.1 需求分析 | 第39-44页 |
| 4.2 系统模块设计 | 第44-49页 |
| 4.2.1 系统设计的方案 | 第44-45页 |
| 4.2.2 系统功能模块设计 | 第45-49页 |
| 4.3 数据库设计 | 第49-55页 |
| 4.3.1 质量计划的关键数据库表结构 | 第49-53页 |
| 4.3.2 质量检验的关键数据库表结构 | 第53-54页 |
| 4.3.3 质量控制的关键数据库表结构 | 第54-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 系统关键功能的实现 | 第57-81页 |
| 5.1 系统环境 | 第57页 |
| 5.2 国家标准服务 | 第57-65页 |
| 5.2.1 基于RESTfulAPI的通信 | 第57-58页 |
| 5.2.2 抽样检验服务 | 第58-61页 |
| 5.2.3 统计控制图服务 | 第61-65页 |
| 5.3 质量字典的关键功能实现 | 第65-68页 |
| 5.4 质量计划的关键功能实现 | 第68-74页 |
| 5.5 质量检验的关键功能实现 | 第74-76页 |
| 5.6 质量控制的关键功能实现 | 第76-79页 |
| 5.7 本章小结 | 第79-81页 |
| 结论 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间所发表的学术论文 | 第87-89页 |
| 致谢 | 第89页 |