酿酒装甑过程智能检测与控制系统开发
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 课题研究背景及意义 | 第11-12页 |
1.2 酿酒工艺介绍 | 第12-15页 |
1.2.1 酿酒工艺概述 | 第12-14页 |
1.2.2 装甑工艺介绍 | 第14-15页 |
1.3 酿酒装甑智能检测与控制系统的关键问题 | 第15-16页 |
1.4 国内外研究现状 | 第16-18页 |
1.4.1 酿酒机械化的研究现状 | 第16-17页 |
1.4.2 烟雾检测算法的发展现状 | 第17-18页 |
1.5 本文章节安排 | 第18-19页 |
第2章 数字图像处理与计算机视觉简介 | 第19-33页 |
2.1 基本的图像处理算法 | 第19-22页 |
2.1.1 图像灰度化 | 第19-20页 |
2.1.2 二值化处理 | 第20-21页 |
2.1.3 亮度归一化 | 第21-22页 |
2.2 空间滤波算法简介 | 第22-25页 |
2.2.1 线性滤波 | 第22-24页 |
2.2.2 非线性滤波 | 第24-25页 |
2.3 连通区域分析 | 第25-28页 |
2.3.1 连通区域概念 | 第25-26页 |
2.3.2 连通区域分析算法 | 第26-28页 |
2.4 摄像头标定 | 第28-32页 |
2.4.1 摄像机的成像模型 | 第28-30页 |
2.4.2 张正友经典标定法 | 第30-32页 |
2.5 本章小结 | 第32-33页 |
第3章 酒蒸汽特征的提取 | 第33-45页 |
3.1 运动区域的检测 | 第33-36页 |
3.1.1 背景减除法 | 第33-35页 |
3.1.2 帧间差分法 | 第35-36页 |
3.2 颜色特征 | 第36-40页 |
3.2.1 RGB颜色空间 | 第36-37页 |
3.2.2 颜色矩特征 | 第37-39页 |
3.2.3 R-B差值特征 | 第39-40页 |
3.3 其他特征 | 第40-44页 |
3.3.1 LBP纹理特征 | 第40-43页 |
3.3.2 形状特征 | 第43-44页 |
3.4 本章小结 | 第44-45页 |
第4章 基于神经网络的特征融合与蒸汽识别 | 第45-57页 |
4.1 BP神经网络介绍 | 第45-49页 |
4.1.1 人工神经元模型 | 第45-47页 |
4.1.2 BP神经网络的结构 | 第47-48页 |
4.1.3 BP神经网络的优点 | 第48-49页 |
4.2 蒸汽点检测的神经网络设计 | 第49-52页 |
4.2.1 BP网络的学习规则 | 第49-50页 |
4.2.2 蒸汽点检测BP神经网络设计原则 | 第50-52页 |
4.3 实验结果及分析 | 第52-56页 |
4.3.1 网络训练 | 第52-53页 |
4.3.2 蒸汽识别 | 第53-56页 |
4.4 本章小结 | 第56-57页 |
第5章 系统的设计与实现 | 第57-71页 |
5.1 需求分析 | 第57-60页 |
5.1.1 上甑系统工作流程分析 | 第57-58页 |
5.1.2 系统功能分析 | 第58-59页 |
5.1.3 系统总体框架 | 第59-60页 |
5.2 系统硬件设计与选型 | 第60-62页 |
5.2.1 系统硬件系统概况 | 第60-61页 |
5.2.2 硬件系统选型 | 第61-62页 |
5.3 系统软件模块设计 | 第62-65页 |
5.3.1 摄像头控制模块 | 第62-63页 |
5.3.2 多线程模块 | 第63页 |
5.3.3 状态显示与报警模块 | 第63页 |
5.3.4 蒸汽点检测模块 | 第63-64页 |
5.3.5 电机运行控制功能模块 | 第64-65页 |
5.4 功能设计与展示 | 第65-70页 |
5.4.1 软件总貌 | 第65页 |
5.4.2 系统功能 | 第65-66页 |
5.4.3 摄像头预览功能 | 第66-67页 |
5.4.4 系统参数设置 | 第67-69页 |
5.4.5 初始、封顶布料参数设置 | 第69-70页 |
5.4.6 状态显示 | 第70页 |
5.5 本章小结 | 第70-71页 |
第6章 总结与展望 | 第71-73页 |
6.1 工作总结 | 第71-72页 |
6.2 未来展望 | 第72-73页 |
参考文献 | 第73-77页 |
致谢 | 第77页 |