| 第一章 绪论 | 第1-14页 |
| §1．1引言 | 第8页 |
| §1．2 国内外下渣检测技术的发展现状 | 第8-9页 |
| §1．3 基于红外监测的低成本下渣检测方法 | 第9-13页 |
| 1．3．1 特征参数和影响特征参数变化的几个因素 | 第10-11页 |
| 1．3．2 不同因素影响水口附近光强，液位变化特性的简析 | 第11-12页 |
| 1．3．3 特征参数的分析和判断方法 | 第12-13页 |
| 1．3．4 下渣检测流程描述 | 第13页 |
| §1．4 课题的目的和任务 | 第13-14页 |
| 第二章 红外视频监视设备的选择 | 第14-23页 |
| §2．1 黑体辐射模型和相关定律 | 第14-20页 |
| 2．1．1 基尔霍夫定律和其黑体模型 | 第15-16页 |
| 2．1．2 经典辐射模型和瑞利—金斯公式 | 第16页 |
| 2．1．3 辐射的量子模型和普朗克定律 | 第16-20页 |
| §2．2 监视光谱的范围的确定和视频设备的选择 | 第20-22页 |
| 2．2．1 监视光谱范围的确定 | 第20-21页 |
| 2．2．2 视频设备的选择 | 第21-22页 |
| §2．3 小结 | 第22-23页 |
| 第三章 基于DirectShow技术的静态图像的采集 | 第23-38页 |
| §3．1 DirectShow技术基础 | 第23-28页 |
| 3．1．1 DirectShow技术概述 | 第23-24页 |
| 3．1．2 使用DirectShow设计应用程序 | 第24-28页 |
| §3．2 使用DirectShow进行视频捕捉和截图 | 第28-37页 |
| 3．2．1 DirectShow视频捕捉 | 第29-32页 |
| 3．2．2 DirectShow图像截取 | 第32-36页 |
| 3．2．2 使用DirectShow进行的视频捕捉和截取 | 第36-37页 |
| §3．3 小结 | 第37-38页 |
| 第四章 判断下渣相关的特征参数的提取 | 第38-47页 |
| §4．1 水口附近特征参数的描述 | 第38-39页 |
| §4．2 通过图像处理提取特征参数 | 第39-46页 |
| 4．2．1 从图像提取特征的方法 | 第39-44页 |
| 4．2．2 特征参数修正 | 第44-46页 |
| §4．3 小结 | 第46-47页 |
| 第五章 下渣判断方法的研究 | 第47-62页 |
| §5．1 神经网络基本原理和方法 | 第47-58页 |
| 5．1．1 神经网络概述 | 第47-51页 |
| 5．1．2 人工神经网络的学习与各类模型 | 第51-55页 |
| 5．1．2．1 人工神经网络的学习规则 | 第51-53页 |
| 5．1．2．2 人工神经网络的各种模型 | 第53-55页 |
| 5．1．3 BP神经网络 | 第55-58页 |
| §5．2 神经网络输入参数的确定 | 第58-61页 |
| §5．3 小结 | 第61-62页 |
| 第六章 原型系统的软硬件设计 | 第62-78页 |
| §6．1 系统硬件结构 | 第62-63页 |
| §6．2 系统软件设计 | 第63-77页 |
| 6．2．1 系统设计方法介绍 | 第63-65页 |
| 6．2．2 系统的设计说明 | 第65-77页 |
| §6．3 小结 | 第77-78页 |
| 第七章 结论与展望 | 第78-80页 |
| §7．1 结论 | 第78-79页 |
| §7．2 展望 | 第79-80页 |
| 附录： | 第80-81页 |
| 软件界面 | 第80-81页 |
| 参考文献 | 第81-82页 |
