钛精矿浮选泡沫图像识别系统设计与实现
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第7-16页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 国内外相关研究概况 | 第9-13页 |
| 1.2.1 浮选泡沫图像处理技术现状 | 第9-11页 |
| 1.2.2 浮选泡沫图像技术应用系统现状 | 第11-13页 |
| 1.3 本文主要研究内容和章节安排 | 第13-16页 |
| 2 图像预处理和图像特征参数的选择及提取 | 第16-32页 |
| 2.1 图像预处理 | 第16-20页 |
| 2.1.1 图像截取 | 第16-17页 |
| 2.1.2 异常判定 | 第17-19页 |
| 2.1.3 图像去噪 | 第19-20页 |
| 2.1.4 图像增强 | 第20页 |
| 2.2 泡沫特征提取 | 第20-31页 |
| 2.2.1 泡沫颜色特征提取 | 第20-24页 |
| 2.2.2 泡沫尺寸特征提取 | 第24-26页 |
| 2.2.3 泡沫纹理特征提取 | 第26-28页 |
| 2.2.4 泡沫速度特征提取 | 第28-31页 |
| 2.3 小结 | 第31-32页 |
| 3 分类模型的选择与分析 | 第32-43页 |
| 3.1 数据清洗 | 第32页 |
| 3.2 主流分类算法优缺点及选择 | 第32-34页 |
| 3.2.1 主流分类算法及特点 | 第32-34页 |
| 3.2.2 选择依据和标准 | 第34页 |
| 3.3 支持向量机及其应用 | 第34-38页 |
| 3.3.1 支持向量机概述 | 第34-37页 |
| 3.3.2 RBF核调参 | 第37页 |
| 3.3.3 多分类问题 | 第37-38页 |
| 3.4 试验对比分析 | 第38-42页 |
| 3.5 小结 | 第42-43页 |
| 4 浮选泡沫图像识别系统设计 | 第43-60页 |
| 4.1 系统硬件设计 | 第43-46页 |
| 4.1.1 泡沫图像获取 | 第43-44页 |
| 4.1.2 现场参数的获取 | 第44-45页 |
| 4.1.3 服务器及网络 | 第45-46页 |
| 4.2 系统软件设计 | 第46-51页 |
| 4.2.1 开发环境及工具 | 第46页 |
| 4.2.2 系统软件架构 | 第46页 |
| 4.2.3 系统应用的主要技术 | 第46-48页 |
| 4.2.4 数据库设计 | 第48-51页 |
| 4.3 系统功能模块 | 第51-55页 |
| 4.3.1 专家系统模块 | 第52-54页 |
| 4.3.2 实时数据模块 | 第54页 |
| 4.3.3 历史数据模块 | 第54-55页 |
| 4.4 系统运行界面 | 第55-59页 |
| 4.4.1 标本标识子系统 | 第55-56页 |
| 4.4.2 实时数据子系统 | 第56-58页 |
| 4.4.3 历史数据子系统 | 第58-59页 |
| 4.5 小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-66页 |
