| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 国内外发展现状 | 第9-12页 |
| 1.2.1 稀土萃取过程监测现状 | 第9-11页 |
| 1.2.2 机器视觉在工业过程中的应用现状 | 第11-12页 |
| 1.3 本文研究的总体思路及实施方案 | 第12-13页 |
| 1.4 全文架构及章节安排 | 第13-15页 |
| 第二章 镨/钕萃取过程视频监测 | 第15-23页 |
| 2.1 稀土萃取分离工艺 | 第15-16页 |
| 2.2 稀土萃取过程视觉信息分析 | 第16-17页 |
| 2.3 镨/钕混合溶液图像特点及颜色特征提取方法 | 第17-20页 |
| 2.3.1 稀土混合溶液图像特点 | 第17-18页 |
| 2.3.2 稀土混合溶液图像在HSI颜色空间下的特征表现 | 第18-20页 |
| 2.4 镨/钕图像采集平台搭建 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 镨/钕萃取过程元素组分含量建模 | 第23-35页 |
| 3.1 基于PCA的溶液图像颜色特征分析 | 第23-26页 |
| 3.1.1 主元分析法简介及其实现 | 第23-25页 |
| 3.1.2 溶液图像颜色特征与组分含量的关系 | 第25-26页 |
| 3.2 RON建模原理 | 第26-32页 |
| 3.2.1 RBF网络算法 | 第26-28页 |
| 3.2.2 RON建模算法 | 第28-32页 |
| 3.3 基于镨/钕溶液视觉特征的元素组分含量RON模型 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 镨/钕萃取过程元素组分含量多RBF模型预测 | 第35-47页 |
| 4.1 多模型建模策略 | 第35-38页 |
| 4.1.1 聚类个数及其参数确定 | 第36-37页 |
| 4.1.2 多模型的结构 | 第37-38页 |
| 4.1.3 元素组分含量预测输出 | 第38页 |
| 4.2 多RBF模型结构及参数调整策略 | 第38-42页 |
| 4.2.1 网络结构调整方法 | 第39-40页 |
| 4.2.2 网络参数调整方法 | 第40-41页 |
| 4.2.3 元素组分含量多模型自适应校正步骤 | 第41-42页 |
| 4.3 仿真实验 | 第42-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结 | 第47-48页 |
| 5.1 工作总结 | 第47页 |
| 5.2 本课题研究需改进的地方 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 个人简历 在读期间发表的学术论文 | 第52-53页 |
| 致谢 | 第53-54页 |
