首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

熔石英损伤修复流程基准标识定位及损伤评定研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-19页
    1.1 课题背景及研究的目的和意义第9-11页
        1.1.1 课题背景第9-10页
        1.1.2 课题研究的目的和意义第10-11页
    1.2 国内外研究现状第11-16页
        1.2.1 熔石英表面基准标识中心定位技术研究现状第11-12页
        1.2.2 熔石英表面损伤图像处理技术研究现状第12-14页
        1.2.3 熔石英表面损伤评定技术研究现状第14-16页
    1.3 目前存在的问题第16-17页
    1.4 课题主要研究内容第17-19页
第2章 熔石英损伤修复流程分析及网络框架构建第19-32页
    2.1 引言第19页
    2.2 系统总体分析第19-21页
        2.2.1 总体功能介绍第19页
        2.2.2 系统数据流分析第19-21页
    2.3 系统具体分析第21-30页
        2.3.1 损伤检测系统第21-24页
        2.3.2 损伤修复系统第24-25页
        2.3.3 显微观测系统第25-27页
        2.3.4 调制测量系统第27-28页
        2.3.5 应力测量系统第28-30页
    2.4 子系统网络框架建立第30-31页
    2.5 本章小结第31-32页
第3章 熔石英表面圆形基准标识中心定位方法研究第32-44页
    3.1 引言第32页
    3.2 基准标识几何特征分析第32-33页
    3.3 基准标识中心定位方法第33-42页
        3.3.1 基于锚点缩放的ROI区域选取第34-37页
        3.3.2 ROI标识区域预处理第37-40页
        3.3.3 圆形基准标识中心定位第40-42页
    3.4 圆形标识仿真图像中心定位精度分析第42-43页
    3.5 本章小结第43-44页
第4章 熔石英表面损伤评定分类方法研究第44-57页
    4.1 引言第44页
    4.2 基于MER的损伤特征提取算法第44-49页
        4.2.1 旋转卡壳算法第44-46页
        4.2.2 基于旋转卡壳算法求取MER第46-48页
        4.2.3 基于MER提取损伤特征信息第48-49页
    4.3 基于CART树模型的RF集成分类算法第49-55页
        4.3.1 集成学习方法第49-52页
        4.3.2 弱分类器CART树模型第52-53页
        4.3.3 基于CART树模型的RF算法第53-55页
    4.4 RF集成分类器错误率分析第55-56页
    4.5 本章小结第56-57页
第5章 数据分析软件开发与综合实验验证第57-70页
    5.1 引言第57页
    5.2 数据分析软件开发第57-58页
    5.3 综合实验验证第58-68页
        5.3.1 圆形基准标识中心定位实验验证第58-60页
        5.3.2 熔石英表面损伤点定位实验验证第60-63页
        5.3.3 熔石英表面损伤评定实验验证第63-68页
    5.4 本章小结第68-70页
结论第70-72页
参考文献第72-77页
致谢第77页

论文共77页,点击 下载论文
上一篇:基于卷积神经网络的图像超分辨方法研究
下一篇:基于A3C模型的带预判游戏智能体研究