一、纺织产品计算机图像处理中特征值的提取及其应用（论文文献综述）
熊晶晶[1]（2021）在《基于图像技术的织物动态导湿性能测试研究》文中研究指明随着吸湿快干类纺织品的不断研发,运动服、休闲服、内衣等服用类纺织品越来越青睐使用具有优良吸湿排汗性能的面料。织物吸湿、导湿速度越快,自然状态下经润湿后越易恢复干燥,人体在运动或高温高湿环境下着装时,可减少闷热、汗液粘黏等穿着不适感,更有利于人体健康。织物的导湿能力与其吸湿快干性能密切相关,对织物湿传递过程的研究以及织物吸湿导湿性能的测试与评定等一直受到广泛关注。本文在使用传统滴液法测试织物导湿性能时,借助相机获取织物润湿图像,首先针对织物图像特点,提出可以有效提取织物润湿区域及特征值的处理算法;然后通过比较不同试验条件下润湿面积测试结果的稳定性,确定合适的滴液高度、单次滴液量、采样数量等试验参数;按照规范的试验方法,对不同类型的34种织物进行了导湿性能测试,根据测试结果探讨了原料、纱线、织物结构及后整理工艺等因素对织物导湿性能的影响规律,验证测试方法的有效性;最后基于织物润湿面积动态变化曲线,提取表征织物动态导湿性能的评价指标,探索建立基于图像技术的织物动态导湿性能测试与评价体系。主要研究结果如下:（1）确定了织物润湿图像处理方法:利用同态滤波和高斯滤波对织物润湿图像进行预处理,可解决织物润湿图像亮度过暗和其他噪声问题,减小织物表面纹理结构对图像分割造成的干扰,再经阈值分割可有效提取出织物润湿区域及润湿面积值。（2）优化了滴液试验条件及采样方法:滴液试验可根据需求选择合适的试验液体,需对所用液体的表面张力进行说明,当滴液高度设置为2 cm、单次滴液量为40μL、按圆形轨迹变换滴液位置重复试验5次时,测得的织物润湿面积数据稳定性较好。（3）图像法测试结果表明的不同因素对织物导湿性能的影响规律与已有研究结论相符,验证了测试方法的有效性:纤维原料对织物的导湿性能影响较大,亲水性纤维素纤维织物表现出优良的吸湿导湿性能;异形涤纶纤维较普通圆形截面的涤纶纤维表现出更好的导湿性能,异形度越大,织物吸湿导湿速度越快;不同纺纱方式的涤纶织物导湿性能差异不大,但较蓬松的涡流纺织物较环锭纺和赛络纺导湿性更好;纱线细度、织物组织和密度与织物紧度、孔隙分布密切相关,对织物导湿性能影响较大,密度较小的缎纹织物和斜纹织物吸湿导湿性能较好,而高支高密的平纹或方平织物导湿性能极差;经疏水整理的棉织物润湿性能变差,当疏水整理剂十六烷基三甲氧基硅烷的浓度增大到1%时,织物难以被润湿,润湿面积接近为0。（4）初步形成了基于图像技术的织物动态导湿性能测试与评价体系:利用织物动态润湿面积变化曲线,提取出可表征织物动态导湿性能的评价指标,包括吸湿速率、快速导湿时间、快速导湿面积、缓慢导湿时间和最大润湿面积。按照现有标准对34种不同织物的动态水分传递性能进行测试与评级,参考织物性能评级结果,探索建立了基于图像技术的织物动态导湿性能测试与评定标准。
祝佳琼[2]（2021）在《三层三梭口织机织造双面起绒织带的设计、工艺及表面平整性研究》文中进行了进一步梳理起绒织物是指利用特殊的织物组织或者后整理加工工艺,使得织物外观耸立,手感柔软,但起绒织物织造复杂,成本高等缺点限制了其作为高档纺织产品开发和生产。双面起绒织带是指正反面绒毛耸立、平整、具有良好的手感、保暖性和外观效应的起绒织物,可以作为高档纺织产品被广泛运用于生活实践中,具有非常大的消费市场。本课题采用三层三梭口织造,直接割绒形成双面起绒织带,通过理论分析,对三层三梭口织机生产双面起绒织带的设计与工艺进行研究,并研究双面起绒织带的表面平整性。具体包括:（1）三层三梭口织机织造的双面起绒织带设计选用锦纶长丝为经纬纱线,V型固结为绒经固结方式,穿综方式为分区穿法,地组织为平纹。三组地经与三组纬纱交织形成三层织带基层,绒经相当于接结线,上层绒经与上、中层纬纱交织,下层绒经与中、下层纬纱交织,将三层织带基层连结在一起。织成的三层绒织带再经过两组刀片分割成为上、下两幅单面起绒织带,中间一幅双面起绒织带。（2）三层三梭口织机织造双面起绒织带的工艺研究研究三层三梭口织带机各机构的作用。分析开口工艺、打纬机构、卷取机构、送经机构、绒毛分割工艺特征,并对引纬机构进行运动学分析。三层三梭口织机织造双面起绒织带采用多臂开口机构控制综框升降运动,一部分综框带动经纱上升,另一部分综框带动经纱下降,使得经纱分层,综框一次升降同时形成三个梭口,在梭口形成时同时引入三根纬纱。织造而成的三层绒织带经绒带固定器,由刀片平整分割成上下两幅单面起绒织带,中间一幅双面起绒织带,再分别进入无刺压带卷取辊（三排压力辊）,由压力辊卷取引离至机架后部直接成卷。（3）双面起绒织带的表面平整性研究将双面起绒织带进行模拟机洗,测定水洗尺寸变化率、洗涤掉绒量,来反映双面起绒织带的水洗稳定性和绒毛的掉落情况;选择马丁代尔耐磨仪,考察双面起绒织带经摩擦后绒毛表面平整度,但因其绒毛自然状态复杂,无法用肉眼精确观察到绒毛平整度状况,采用扫描电镜观察双面起绒织带的正反面形貌,并用MATLAB进行图像处理,提取绒毛高度轮廓,采用统计直方图对绒毛高度分布状态进行客观评定。以上研究可知,三层三梭口织机能够提高织造双面起绒织带的质量和效率,满足经纬纱纱交织复杂织带的织造要求。织造的双面起绒织带手感柔软、外观耸立,表面平整,具有较好的水洗、摩擦稳定性。
彭然[3]（2021）在《基于计算机视觉的简单组织织物密度检测研究》文中指出现代计算机技术高速发展,并逐渐与纺织工业结合,在纺织领域中的应用日益广泛,使得纺织生产逐步走向自动化发展的道路。在纺织品质量的检测和控制中织物组织、织物密度和色纱排列等结构参数是非常重要指标。目前纺织行业中大部分工厂和企业,主要还是依赖于在织物照布镜的辅助下人工对织物组织进行来样分析与检测,这样主观性强、耗时费力、对人工要求比较高、容易出错。因此,利用计算机图像处理技术有效代替人工来实现织物密度检测的智能化,提高工业生产效率,对实现纺织产品生产的自动化、智能化具有重要意义。本论文提出一种基于计算机图像视觉的简单组织织物密度自动检测方法,研究利用计算机视觉和数字图像处理技术对简单组织织物进行织物经纬纱线信息进行分析识别并计算织物密度。本文的主要工作内容为:1、针对简单组织织物采集图像时出现的倾斜问题,采用了一种基于Randon变换的织物图像快速倾斜检测及校正算法,利用Randon变换来检测倾斜角度,再基于图像线性存储结构的旋转方法,快速地对倾斜图像进行校正,再对校正后的图像进行光照不匀处理、灰度转换、滤波去噪、对比度增强等图像预处理,获取质量较好的织物图像。2、针对采用多尺度小波分解处理中织物图像最优分解级数的确定,提出了一种能量曲线的方法,通过计算分解得到各分量的能量占比绘制能量曲线,利用能量曲线最小峰值确定小波分解最优分解级数,对织物图像进行最优小波分解再重构,重构后水平分量和垂直分量再进行二值化处理,再进行平滑处理,得到清晰、平滑的经纬纱分布图像,最后用程序自动计算出机织物的经、纬密度,从而达到自动检测织物经纬密度的目的。本文研究的基于计算机视觉的简单组织织物密度检测方法,将数字图像处理技术与纺织专业知识相结合,针对简单组织织物密度检测方面出现的问题使用相应的算法解决,最后取得了较好的效果,验证了本方法的可行性,对于实现纺织工厂织物密度的自动测量有较大的的意义。
李曦彤[4]（2020）在《基于遥感技术的地表水源地生态环境质量研究》文中进行了进一步梳理随着我国城市化水平的不断加快,人类活动对地表环境也造成了严重的破坏,与此同时环境质量问题对生态安全造成了严重威胁。对区域生态环境质量进行研究是分析环境质量状况的基本方式,既能为相关政府部门的决策提供参考依据,又能更好地贯彻可持续发展政策。珲春老龙口水库地表水源地对当地居民用水安全十分重要,它不仅是居民日常饮用水的重要来源,同时它也对当地生态环境的改善起到了重要作用。随着城市化发展不断加快,随之而来的生态环境质量问题也面临着前所未有的压力,对该地区的生态环境质量研究和治理刻不容缓。本次研究选取了珲春老龙口水库地表水源地为研究对象,选取2002年、2009年、2013年以及2017年的Landsat遥感影像数据,在ENVI 5.3（遥感图像处理平台）以及Arc GIS 10.2（地理信息系统系列软件）平台的支持下,开展遥感数据处理、数据制图以及数据分析,通过数据处理,将绿度指标（Normalized Difference Vegetation Index,NDVI）、湿度指标（Wet）、热度指标（Land Surface Temperature,LST）、干度指标（Normalized Difference Build and Soil Index,NDBSI）这四个指标从遥感影像中提取出来,在此基础上构建遥感生态指数（Remote Sensing based Ecological Index,RSEI）。确定适合地表水源地的生态环境质量评价方法,对地表水源地区的生态环境质量开展研究分析。使用SPSS软件,结合多种分析方法,分析影响生态环境质量的因素,并根据研究结果就其生态环境促进良好发展提出相应建议与对策。本文得出的主要结论如下:（1）通过遥感影像数据提取出四个指标:绿度指标、湿度指标、热度指标、干度指标,并分析2002年、2009年、2013年、2017年各指标变化情况,其中四期数据中绿度指标均值变化较为稳定,数值保持在0.7-0.8左右,一般呈现建筑低而植被高的规律,大体趋势为上升状态。湿度指标从2002年到2017年数值上升了0.068,一般而言,低湿度值集中在城市地区,高湿度区域主要集中在建筑物和人口密度小的地区。在2002年-2017年间,热度指标一直在上升,高温区集中在主要城市地区和人口密集地区,低温区主要集中在山区及林地覆盖广的地方。干度指标总体呈下降趋势,一般而言,若区域内有密集建筑,或有裸土区域,则它的NDBSI比有植被覆盖的区域NDBSI高。（2）使用主成分变换的方法对获取到的四个指标进行主成分分析,包含有关生态环境质量大部分信息的是第一主成分和第二主成分,最终形成遥感生态指标。同时,绿度指标和湿度指标数值大于零,表明随着绿度指标和湿度指标的增加,生态环境质量有所好转;热度指标和干度指标数值小于零,表明随着热度指标和干度指标数值的增加,生态环境质量变差。从研究中看出生态环境质量良好的地区,大部分位于地表水源地研究区的东北部,生态环境质量较差的区域分布在西南部的城区核心区,并且质量等级为良和优的面积在逐年增加。林地面积的扩大以及耕地面积的减少,有效提高了生态环境质量。（3）通过多种统计分析方法得出,2002年-2017年生态环境质量变差的区域有221.407 km2,生态环境质量基本不变的区域有1156.42 km2,生态环境质量变好的区域有2499.909 km2。通过线性回归分析得出NDVI和Wet与RSEI呈正相关关系,而LST和NDBSI与RSEI呈负相关关系,与主成分分析结果一致。最后使用灰色关联度分析方法将影响因素的指标与RSEI结合,得出各指标与RSEI的关联度,关联程度从大到小分别为:第一产业产值、耕地、二氧化硫排放量、第三产业产值、第二产业产值、总人口量、降水量。
薛改样[5]（2020）在《物面边缘特征点提取的平直度检测算法研究》文中研究指明平直度是工业生产和日常生活中物体外形缺陷检测的重要指标,直接影响产品的质量和美观。随着计算机视觉和图像处理技术的快速发展,非接触式平直度检测技术被用在很多行业。但在建筑施工质量验收方面,大多还是采用人工的方法,所以存在效率低且误差大的问题。因此本文以装修验收中铺贴的瓷砖接缝平直为实验对象进行研究,具体内容如下:（1）搭建采集平台,采用张正友算法对摄像机进行标定,计算摄像机内外参数,实现棋盘格图像的去畸变处理,得到精确的棋盘格角点坐标信息,结合棋盘格的实际尺寸信息,计算摄像机标定系数。（2）对平直度检测的关键技术:直线检测、直线矫正和平直度计算等进行了研究。其中直线检测是本文算法的核心,采用EDLines（Edge Drawing Lines）算法,通过实验发现该算法检测出的直线与物面边缘位置存在偏差以及过检测的问题,因此融合一种直线矫正方法。提出适合瓷砖接缝的直线检测算法,该算法在EDLines的基础上,通过梯度引力图矫正直线位置。采用点特征匹配结果计算图像对极线,联合直线检测结果确定最终的局部验证特征区域,通过在一个小邻域内随机采样特征相似性来检查直线检测结果,消除不匹配的直线。该方法可以得到精准的直线信息,用于判定瓷砖接缝是否平直,极大地提高了瓷砖接缝直线检测的精度和鲁棒性。（3）选取三种不同类型的瓷砖接缝和四种不同花纹的瓷砖进行实验,在实验过程中对内部参数进行优化,确定最优参数,与现有的两种直线检测算法进行对比,实验结果表明本文指标均优于其他两种算法,且鲁棒性高。
闫冠宇[6]（2020）在《基于机器视觉的生丝外观质量电子检测研究》文中进行了进一步梳理一条桑蚕可吐出直径由细到平稳再到细的1000到1500米以上长度的蚕丝,蚕宝宝绢丝腺分泌蚕丝蛋白和吐丝过程易受外界环境的干扰而产生各种疵点。丝绸产品常用的22.2/24.4dtex生丝是由7到9颗茧的茧丝组成的,其纤度用区间来表示在整个纺织界也是唯一的。蚕丝织物亲肤、光泽高贵典雅是奢侈品的常用材料,但是生丝匀度、圆整度和疵点等外观质量指标对丝绸产品有着极其重要的影响。近些年来,人们对如何进行生丝外观质量电子检测投入了很大研究,其中在生丝纤度和匀度方面研究甚多,但对于生丝扁平度的研究还相对较少。本文在通过分析现有的生丝外观质量检测方法的基础上,提出一种基于机器视觉的生丝外观质量电子检测系统,该系统不仅直观性强,而且精确度也高,在此基础上又着重进行了生丝匀度、扁平度和疵点方面的研究。整个生丝外观质量检测系统是由图像采集和图像处理两个部分组成,其中图像采集部分主要包括两台CCD相机、一个LED点光源、两个六倍远心镜头、两个图像采集卡、信号发生器以及计算机图像工作站等硬件设备;另外图像处理部分主要是图像处理软件,该软件是基于OpenCV算法库利用C++语言编写的程序,主要是对图像模糊处理、阈值化处理以及形态学处理然后获取图像中目标信息。本文首先在整个系统完全搭建完成后,分别对系统的精确性、稳定性和重复性进行了验证,经验证本系统可以有效保证生丝外观质量研究的科学性。其次通过图像采集部分从两个正交方向对生丝进行图像采集,获取生丝的正面光图像和背面光图像,然后通过图像处理获取生丝两个正交方向的直径值,在假设生丝截面为椭圆的基础上分别将两个直径值作为椭圆截面的长短径进而进行生丝扁平度的计算,并对检测结果进行分析得到扁平度检测抽样容量,另外对浸泡前后的生丝进行了扁平度检测,实验结果表明生丝浸泡前后扁平度显着相关,并且生丝浸泡再络丝后扁平度增加,生丝更加圆整;另外计算出各长度段内生丝的正面光CV%值、背面光CV%值以及横截面面积CV%值,分析生丝扁平度与每个匀度的相关性,经实验分析得出生丝扁平度与生丝截面面积的CV%值具有一定的相关性,与单方向CV%值相关性不明显。同时研究分析了不同丝鞘长度对生丝扁平度和匀度的影响,结果表明在缫制生丝选择合适的丝鞘长度对生丝的圆整性和均匀性至关重要。通过本系统可以实现生丝扁平度和匀度的快速检测,对生丝外观质量的电子检测有着很大的参考价值,同时对异形纤维的研究也有很大帮助。最后本系统参照2008年国家生丝质量检测标准根据面积法对生丝疵点进行了划分,主要有五类,分别是微小疵点、小疵点、普通疵点、大疵点、特大疵点,另在此基础上对生丝进行了疵点检测实验。另外本文提出基于方向梯度直方图（Histogram of Oriented Gradient HOG）特征提取和支持向量机（Support Vector Machine SVM）识别分类的方法对生丝疵点的环裂、螺旋、结点和糙类进行识别分类,经实验证明该方法具有较高的识别率,能够实现快速高效的生丝外观质量检测。
陈霄[7]（2020）在《铁路车载LiDAR点云数据横断面轮廓与接触网分类提取》文中提出铁路以其安全、便捷、大运量、全天候等优势,已经成为交通基础设施互联互通的首要选择。而既有铁路基础设施的检测是铁路运营中一个至关重要的环节,运营铁路的病害探测及养护维修等工作需要通过铁路复测工作准确掌握沿线基础数据。其中,铁路的空间信息数据是铁路轮班安排,乘客的舒适性和铁路安全的重要保障。传统的铁路空间信息数据复测方法需要大量人工实地探测,其稀疏采样方法的准确性高度依赖于测量人员的工作经验,且具有较大的安全风险隐患。研究高精度、高效率、低风险的新型铁路空间信息数据复测方法已经成为目前研究的热点。车载激光扫描技术（Light Detection and Ranging,LiDAR）以其扫描速度快、非接触式、测量精度高等特点,在铁路场景下三维空间信息的采集工作中具有无可比拟的优势。本文以车载LiDAR点云数据后处理为研究目标,对铁路横断面轮廓、轨顶点以及接触网点云数据展开了以下研究:（1）阐述了车载LiDAR系统的国内外研究现状,将其与机载LiDAR技术进行对比分析,并总结和分析了LiDAR技术应用于既有铁路复测中的研究成果以及待解决的问题,并在此基础上提出了本文的研究内容。（2）对常用点云分割算法原理进行研究,总结了各算法的优缺点和场景适用性,并采用了基于欧式距离聚类的分割算法,实现了铁路地面点云和非地面点云的分割。（3）针对铁路地面点云,本文研究了一种基于POS（Position and Orientation System,POS）线的铁路横断面切割方法,并采用Alpha Shape算法提取铁路横断面点云数据的轮廓;同时,本文根据POS线与铁路横断面的空间特性,研究了一种基于POS线投影的横断面轨顶点点云提取算法,对横断面上的轨顶点点云进行了提取,最终直线段与曲线段的提取总体精度平均值分别为98.66%和96.50%。（4）针对接触网自身的空间分布特征,本文采用了一种由粗到精的分类提取方法。该分类策略基于多尺度自适应特征分类算法与顾及接触网特征的DBSCAN（DensityBased Spatial Clustering of Applications with Noise,DBSCAN）算法相结合的分类提取方法实现了接触网分类。第一步,利用多尺度自适应特征算法对接触网数据集进行了接触网粗分类;第二步,利用顾及接触网特征的DBSCAN算法将粗分类后的点云精确分类为:接触线、承力索和回流线。最终的分类结果总体精度平均值可达99.69%。综上所述,本文针对车载LiDAR点云数据,研究了一种新的点云切割方法、一种轨顶点点云提取算法以及研究了一种由粗到精的接触网分类提取方法,为铁路实际生产运营起到了指导作用,丰富了铁路空间信息数据高效、准确、自动处理的方法。
李俊杰[8]（2020）在《基于深度学习的布匹缺陷检测算法研究》文中研究指明中国是世界上最大的布匹生产国,布匹缺陷的识别与检测是制约其生产效率与产品质量的重要因素。传统的布匹缺陷检测与识别是通过人工的方式进行的,存在受主观影响较大、检测效率低下等问题。近年来,随着计算机算力的突破,深度学习技术发展迅猛,在工业生产的缺陷检测领域已经产生了越来越多的应用。布匹缺陷检测也应该与深度学习相结合,以实现更好的识别效果与检测精度。与常见的图像识别与检测场景不同,布匹缺陷图像存在背景单一以及小目标缺陷占比大、存在极端长宽比缺陷的特点和难点。由此,本文研究了一种基于深度学习的布匹缺陷检测算法,本文主要研究内容如下:1.提出了一种两步池化算法。针对布匹缺陷图像的单一背景,两步池化算法可以对特征图的背景进行抑制,同时对缺陷点的特征进行增强。两步池化算法分为三个步骤:首先利用全局平均池化获取浅层特征图的背景近似值;然后通过设计的背景抑制函数对特征图的背景进行抑制,同时对缺陷点特征进行增强;最后通过最大值池化,对缺陷区域特征进行提取。由于两步池化算法结构简单,本文将其与三类经典的特征提取网络相结合,并在DAGM数据集上进行相关的对照实验。结果表明,两步池化算法能够大大提升与背景相差较小缺陷的识别效果。2.对通用目标检测模型Faster R-CNN进行了改进。针对布匹缺陷存在的小目标缺陷占比大、具有极端长宽比缺陷的难点,在Faster R-CNN检测框架中加入了改进的多尺度检测算法I-FPN。I-FPN主要改进了FPN的上采样方式,还添加了一条自底向上的通路加强顶层和非相邻层特征的融合效果,最后通过聚类的方式对Anchor尺寸进行设定。同时,还在检测框架的主干网络中加入了两步池化算法。本文对改进前后的检测模型在自采集布匹缺陷数据集上进行对照实验,结果表明,与原始Faster R-CNN相比,加入了多尺度检测方案的检测模型对小目标的检测有一定的提升效果,而I-FPN与FPN相比又有一定检测精度的提升,且对极端长宽比缺陷有着更好的检测效果。加入了两步池化算法的检测模型对于与背景相差较小的缺陷类型有着更好的检出能力。3.设计并实现了一个布匹缺陷检测软件系统。此系统能够对采集到的一个批次的布匹图像进行检测,并输出检测报告,使质检人员能够高效的完成检测任务。
刘森,张书维,侯玉洁[9]（2020）在《3D打印技术专业“三教”改革探索》文中认为根据国家对职业教育深化改革的最新要求,解读当前"三教"改革对于职教教育紧迫性和必要性,本文以3D打印技术专业为切入点,深层次分析3D打印技术专业在教师、教材、教法（"三教"）改革时所面临的实际问题,并对"三教"改革的一些具体方案可行性和实际效果进行了探讨。
李晨曦[10]（2020）在《基于深度学习的纺织品质量检测系统》文中研究指明随着“中国制造2025”计划的推进,我国工业制造行业的智能化程度不断提升,但依然有部分环节的关键技术有待研究。纺织品质量检测问题一直是纺织行业在实现自动化生产过程中的薄弱环节,大量的质量检测工作仍依赖人力,但依赖人力的质量检测环节成本较高,且质量状况不稳定。根据以上问题,本文旨在设计基于深度学习技术的纺织物质量图像检测系统,主要研究了以下几点内容:1.设计了适用于工业现场的图像采集系统,并对纺织物瑕疵数据进行了采集,构建纺织物图像数据集。在此数据集的基础上研究了纺织物图像所在色彩空间对深度学习模型学习效果的影响,并根据结果提出融合多个颜色空间输入图像的色彩加权模块,用于提升深度学习模型对纺织物瑕疵的检测能力。2.针对纺织物表面以及瑕疵的特点,为纺织物产品质量评价设计了相应的深度学习模型结构。提出基于传统视觉特征的注意力机制模块对卷积特征图进行加权,结合传统的图像特征筛选纺织物图像中重要的区域以及有效特征,对特征图响应进行重新调整。设计用于处理特征图的多方向LSTM模块,针对纺织物瑕疵大多连续出现的特点,使用LSTM模块提取图像中的序列特征,利用上下文信息加强模型对瑕疵的识别能力,减少误判。结合以上方法设计了用于纺织物质量评价的深度学习模型,并通过一系列实验证明了以上方法的有效性。3.以上述深度学习模型算法为核心,设计与现场机械设备结合的纺织品质量评价系统。系统包括客户端和服务端,客户端位于生产现场,负责图像采集、传输以及控制信号的发送和传输,服务端负责执行大规模深度学习模型计算。并根据以上设计在生产现场搭建了实体的质量评价系统进行了实验。
二、纺织产品计算机图像处理中特征值的提取及其应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、纺织产品计算机图像处理中特征值的提取及其应用（论文提纲范文）
（1）基于图像技术的织物动态导湿性能测试研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 织物导湿性能的测试与评定 |
| 1.2.1 织物导湿性能测试方法 |
| 1.2.2 织物导湿性能评定方法 |
| 1.2.3 织物导湿性能新型测试方法 |
| 1.3 图像技术在纺织品检测中的应用 |
| 1.3.1 图像技术在纤维检测中的应用 |
| 1.3.2 图像技术在纱线检测中的应用 |
| 1.3.3 图像技术在织物检测中的应用 |
| 1.4 基于图像技术的织物导湿性能测试研究进展 |
| 1.4.1 国外研究进展 |
| 1.4.2 国内研究进展 |
| 1.5 课题主要研究内容 |
| 第二章 织物润湿图像的采集与处理 |
| 2.1 织物润湿图像采集 |
| 2.2 织物润湿图像预处理 |
| 2.2.1 图像增强 |
| 2.2.2 图像平滑 |
| 2.3 织物润湿区域提取 |
| 2.3.1 图像分割 |
| 2.3.2 润湿区域提取 |
| 2.4 本章小结 |
| 第三章 织物动态导湿性能图像测试系统构建 |
| 3.1 图像采集控制界面 |
| 3.2 测试装置 |
| 3.2.1 装置结构 |
| 3.2.2 装置搭建与校准 |
| 3.3 滴液试验条件优化 |
| 3.3.1 测试液体对试验结果的影响 |
| 3.3.2 单次滴液量对试验结果的影响 |
| 3.3.3 滴液高度对试验结果的影响 |
| 3.3.4 采样方法对试验结果的影响 |
| 3.4 织物导湿性能测试步骤 |
| 3.4.1 试样预处理 |
| 3.4.2 测试步骤 |
| 3.5 图像法测试的不同织物导湿性能差异 |
| 3.5.1 不同纤维原料的织物导湿性能差异 |
| 3.5.2 不同纱线结构的织物导湿性能差异 |
| 3.5.3 不同组织结构的织物导湿性能差异 |
| 3.5.4 不同后整理工艺的织物导湿性能差异 |
| 3.6 本章小结 |
| 第四章 基于图像技术的织物动态导湿性能测试与评定 |
| 4.1 动态评价指标的提取与表征 |
| 4.1.1 动态评价指标提取 |
| 4.1.2 评价指标测试结果 |
| 4.2 织物动态水分传递性能测试 |
| 4.2.1 试验设备与方法 |
| 4.2.2 织物动态水分传递性能测试与评级 |
| 4.3 织物动态导湿性能评定标准的建立 |
| 4.3.1 评价指标对比 |
| 4.3.2 评级标准的建立 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 研究结论 |
| 5.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（2）三层三梭口织机织造双面起绒织带的设计、工艺及表面平整性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 起绒织物研究现状 |
| 1.2.2 起绒织物织造工艺现状 |
| 1.2.3 起绒织物绒毛质量现状 |
| 1.3 课题主要研究内容及创新点 |
| 1.3.1 主要研究内容 |
| 1.3.2 创新点 |
| 第二章 三层三梭口织机织造的双面起绒织带设计 |
| 2.1 起绒原理 |
| 2.2 原料选择 |
| 2.3 绒经固结方式 |
| 2.4 穿综设计 |
| 2.5 织物规格及组织结构设计 |
| 2.6 本章小结 |
| 第三章 三层三梭口织机织造双面起绒织带的工艺研究 |
| 3.1 新型织带的织造原理 |
| 3.2 三层三梭口织带机工艺特征 |
| 3.2.1 开口工艺分析 |
| 3.2.2 引纬机构分析 |
| 3.2.2.1 引纬原理 |
| 3.2.2.2 引纬、打纬、锁边的配合 |
| 3.2.2.3 引纬机构运动学分析 |
| 3.2.3 卷取机构分析 |
| 3.2.4 送经机构分析 |
| 3.2.5 绒带织物绒毛分割工艺 |
| 3.3 本章小结 |
| 第四章 双面起绒织带的表面平整性研究 |
| 4.1 实验部分 |
| 4.1.1 实验材料 |
| 4.1.2 实验仪器 |
| 4.1.3 试验方法 |
| 4.1.3.1 洗涤掉绒量的测定 |
| 4.1.3.2 水洗尺寸变化率的测定 |
| 4.1.3.3 双面起绒织带正反面绒毛水洗方法 |
| 4.1.3.4 双面起绒织物正反面绒毛摩擦方法 |
| 4.1.3.5 基于MATLAB的双面起绒织带绒毛高度提取与表征 |
| 4.2 实验结果与讨论 |
| 4.2.1 双面起绒织带洗涤掉绒量 |
| 4.2.2 双面起绒织带水洗尺寸变化率 |
| 4.2.3 双面起绒织带正反面绒毛水洗性能分析 |
| 4.2.4 双面起绒织带正反面绒毛摩擦性能分析 |
| 4.3 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（3）基于计算机视觉的简单组织织物密度检测研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 空间域的图像处理方法 |
| 1.2.2 频域的图像处理方法 |
| 1.3 课题研究的目的及主要内容 |
| 1.4 论文章节安排 |
| 1.5 本章小结 |
| 2 简单组织织物密度与计算机视觉技术概述 |
| 2.1 简单组织与织物密度 |
| 2.2 计算机视觉技术 |
| 2.3 简单组织织物密度检测的总体方案设计 |
| 2.4 本章小结 |
| 3 简单组织织物图像采集与预处理 |
| 3.1 织物图像采集 |
| 3.2 织物图像预处理 |
| 3.2.1 织物图像倾斜校正 |
| 3.2.2 织物图像光照不匀处理 |
| 3.2.3 织物图像灰度处理 |
| 3.2.4 织物图像去噪处理 |
| 3.2.5 织物图像增强处理 |
| 3.3 本章小结 |
| 4 基于小波变换的简单组织织物密度检测 |
| 4.1 小波变换 |
| 4.2 简单组织织物的小波变换 |
| 4.3 织物图像的小波最优分解级数的确定 |
| 4.3.1 相关系数曲线确定最优分解级数 |
| 4.3.2 能量曲线确定最优分解级数 |
| 4.4 小波变换后高频细节分量优化 |
| 4.4.1 细节分量图像二值化 |
| 4.4.2 细节分量图像平滑处理 |
| 4.5 本章小结 |
| 5 简单组织织物密度检测结果和分析 |
| 5.1 计算机处理简单组织织物经纬密度计算 |
| 5.2 人工测量简单组织织物经纬密度 |
| 5.3 实验结果分析 |
| 5.4 本章小结 |
| 6 全文总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（4）基于遥感技术的地表水源地生态环境质量研究（论文提纲范文）
| 摘要 |
| Absrtact |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文组织结构 |
| 2 研究区概况 |
| 2.1 地理位置 |
| 2.2 自然地理概况 |
| 2.3 社会经济概况 |
| 3 数据来源及处理 |
| 3.1 研究数据 |
| 3.1.1 Landsat卫星 |
| 3.1.2 遥感影像数据 |
| 3.1.3 辅助数据 |
| 3.2 数据处理 |
| 3.2.1 Arc SWAT提取边界 |
| 3.2.2 预处理 |
| 3.2.3 监督分类 |
| 3.3 本章小结 |
| 4 生态环境质量评价原理与方法 |
| 4.1 生态环境质量评价方法 |
| 4.2 基于遥感数据的RSEI遥感生态指数 |
| 4.2.1 绿度指标 |
| 4.2.2 湿度指标 |
| 4.2.3 热度指标 |
| 4.2.4 干度指标 |
| 4.3 RSEI模型构建 |
| 4.3.1 主成分分析法 |
| 4.3.2 RSEI模型计算 |
| 4.4 统计分析方法 |
| 4.4.1 遥感生态指数分级方法 |
| 4.4.2 差值分析方法 |
| 4.4.3 灰色关联度分析方法 |
| 4.5 本章小结 |
| 5 地表水源地生态环境质量评价结果与分析 |
| 5.1 遥感生态指数各指标分析 |
| 5.1.1 绿度指标分析 |
| 5.1.2 湿度指标分析 |
| 5.1.3 热度指标分析 |
| 5.1.4 干度指标分析 |
| 5.2 遥感生态指数主成分分析结果 |
| 5.2.1 特征值结果 |
| 5.2.2 特征向量结果 |
| 5.3 遥感生态指数时空分析 |
| 5.3.1 遥感生态指数分级分析 |
| 5.3.2 土地利用的空间分析 |
| 5.4 遥感生态指数统计分析 |
| 5.4.1 RSEI差值变化分析 |
| 5.4.2 线性回归分析 |
| 5.4.3 灰色关联度分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 附录 |
| 在学期间发表的学术论文及其他成果 |
| 在学期间参加的专业实践及工程项目研究工作 |
| 致谢 |
（5）物面边缘特征点提取的平直度检测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 平直度介绍 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 主要研究内容和技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 技术路线 |
| 2 采集平台搭建及系统标定 |
| 2.1 图像采集平台 |
| 2.2 摄像机标定 |
| 2.2.1 参考坐标系简介 |
| 2.2.2 摄像机模型 |
| 2.2.3 参数求解 |
| 2.2.4 摄像机标定实验 |
| 2.3 像素标定 |
| 2.4 本章小结 |
| 3 预处理和直线检测 |
| 3.1 图像预处理 |
| 3.1.1 图像灰度化 |
| 3.1.2 图像去噪 |
| 3.2 直线检测 |
| 3.2.1 梯度算子 |
| 3.2.2 LSD直线检测 |
| 3.3 本章小结 |
| 4 瓷砖接缝平直度检测算法研究 |
| 4.1 Edge Drawing |
| 4.1.1 高斯滤波 |
| 4.1.2 梯度和方向 |
| 4.1.3 提取锚点 |
| 4.1.4 绘制边缘 |
| 4.2 最小二乘法直线拟合 |
| 4.2.1 直线参数估计 |
| 4.2.2 拟合结果的偏差 |
| 4.3 直线矫正 |
| 4.3.1 梯度引力图 |
| 4.3.2 直线位置矫正方法 |
| 4.3.3 直线提纯 |
| 4.4 本章小结 |
| 5 实验结果与对比 |
| 5.1 实验过程 |
| 5.2 实验对比 |
| 5.2.1 内部参数对比 |
| 5.2.2 直线检测文献对比 |
| 5.2.3 评价指标 |
| 5.3 平直度计算 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）基于机器视觉的生丝外观质量电子检测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 传统生丝匀度检测方法 |
| 1.1.1 黑板检验法 |
| 1.1.2 黑板检验法匀度检验原理 |
| 1.1.3 黑板匀度检验的方法和标准 |
| 1.2 生丝扁平度检验 |
| 1.2.1 生丝扁平度概念 |
| 1.2.2 生丝扁平度研究情况 |
| 1.3 传统生丝疵点检验 |
| 1.3.1 清洁检验及方法 |
| 1.3.2 洁净检验及方法 |
| 1.4 国内外生丝(纱线)外观检验研究情况 |
| 1.4.1 基于电容检验原理的检测方法 |
| 1.4.2 基于光电检测原理的检测方法 |
| 1.4.3 基于光电式、电容式检测原理结合的检测方法 |
| 1.4.4 基于图像分析法的检测方法 |
| 1.5 国内外各生丝外观检测方法的对比研究情况 |
| 1.5.1 电容检验、光电检验与黑板检验的对比研究 |
| 1.5.2 光电检验法与电容检验法的对比研究 |
| 1.5.3 电容检验法与图像分析法的对比研究 |
| 1.6 研究意义与内容安排 |
| 第二章 生丝外观质量电子检测系统介绍 |
| 2.1 生丝外观质量电子检测系统介绍 |
| 2.1.1 机器视觉技术介绍 |
| 2.1.2 机器视觉系统的检测原理 |
| 2.2 系统相关硬件配置 |
| 2.2.1 线阵CCD传感器 |
| 2.2.2 远心镜头 |
| 2.2.3 点光源 |
| 2.2.4 图像采集卡 |
| 2.2.5 图像工作站 |
| 2.2.6 信号发生器 |
| 2.2.7 相机调整机架 |
| 2.2.8 超喂系统 |
| 2.2.9 伺服电机 |
| 2.2.10 生丝运动整体控制机架 |
| 2.3 系统的软件配置 |
| 2.3.1 系统软件介绍 |
| 2.3.2 检测数据及分析结果介绍 |
| 2.4 生丝检测系统的具体操作步骤 |
| 2.5 本章小结 |
| 第三章 生丝检测系统整体性验证 |
| 3.1 检测系统的精确性验证 |
| 3.2 检测系统的稳定性验证 |
| 3.3 检测系统的重复性验证 |
| 3.4 本章小结 |
| 第四章 生丝扁平度与匀度检测 |
| 4.1 生丝扁平度检验的实现 |
| 4.1.1 生丝扁平度介绍 |
| 4.1.2 生丝的图像处理 |
| 4.2 生丝扁平度检测结果分析 |
| 4.2.1 扁平度误差分析 |
| 4.2.2 生丝扁平度抽样容量分析 |
| 4.3 生丝浸泡前后扁平度检测结果分析 |
| 4.4 生丝扁平度与匀度检测结果相关性分析 |
| 4.5 不同丝鞘长度下扁平度与匀度检测结果分析 |
| 4.6 不同等级干鲜茧的扁平度与匀度检测结果 |
| 4.7 本章小结 |
| 第五章 生丝疵点检测 |
| 5.1 生丝疵点的评判 |
| 5.1.1 基于黑板检验法生丝疵点评判标准 |
| 5.1.2 基于电子检测法下生丝疵点评判标准 |
| 5.2 本检测系统基于面积法的生丝疵点评判标准 |
| 5.2.1 基于面积法的生丝疵点评判标准 |
| 5.2.2 基于本评判标准的生丝疵点检测 |
| 5.3 基于HOG特征提取和SVM的生丝疵点识别分类 |
| 5.3.1 生丝疵点识别过程 |
| 5.3.2 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 攻读硕士学位期间所发表的论文 |
| 附录 |
| 附录1 生丝扁平度测试结果 |
| 附录2 基于HOG特征提取和SVM生丝疵点识别分类算法(OpenCV) |
| 致谢 |
（7）铁路车载LiDAR点云数据横断面轮廓与接触网分类提取（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车载LiDAR技术 |
| 1.2.2 LiDAR技术在既有铁路线复测中的研究现状 |
| 1.3 研究内容与组织结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文组织结构 |
| 第2章 车载LiDAR点云数据分割算法 |
| 2.1 点云预处理 |
| 2.2 点云分割算法 |
| 2.2.1 基于边界特性的分割算法 |
| 2.2.2 基于几何数学模型的分割算法 |
| 2.2.3 基于图结构的分割算法 |
| 2.2.4 基于区域增长的分割算法 |
| 2.2.5 基于属性的分割算法 |
| 2.2.6 分割算法对比 |
| 2.3 欧式距离聚类分割算法 |
| 2.4 实验与分析 |
| 2.4.1 数据准备 |
| 2.4.2 点云分割结果与分析 |
| 2.5 本章小结 |
| 第3章 铁路横断面轮廓及轨顶点提取 |
| 3.1 铁路断面测绘 |
| 3.1.1 纵断面测绘 |
| 3.1.2 横断面测绘 |
| 3.2 铁路横断面点集切割 |
| 3.3 基于Alpha Shapes算法的横断面轮廓提取 |
| 3.3.1 Alpha Shapes算法原理 |
| 3.3.2 Alpha Shapes算法实现 |
| 3.4 横断面处的轨顶点提取 |
| 3.4.1 轨顶点提取原理 |
| 3.4.2 轨顶点提取参数的确定 |
| 3.5 实验与分析 |
| 3.5.1 数据准备 |
| 3.5.2 铁路横断面截取 |
| 3.5.3 铁路横断面轮廓提取 |
| 3.5.4 铁路横断面轨顶点提取 |
| 3.5.5 精度评定与分析 |
| 3.6 本章小结 |
| 第4章 铁路接触网点云分类提取 |
| 4.1 接触网特征 |
| 4.2 接触网点云粗分类 |
| 4.2.1 多尺度自适应特征分类算法 |
| 4.2.2 尺度的选择 |
| 4.3 接触网精分类 |
| 4.3.1 DBSCAN算法原理 |
| 4.3.2 DBSCAN算法基本流程 |
| 4.3.3 聚类参数确定方法 |
| 4.3.4 顾及接触网特征的DBSCAN的分类算法 |
| 4.4 实验与分析 |
| 4.4.1 数据准备 |
| 4.4.2 接触网点云粗分类实验 |
| 4.4.3 接触网点云精分类实验 |
| 4.4.4 精度评定与分析 |
| 4.5 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
（8）基于深度学习的布匹缺陷检测算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统布匹缺陷检测技术研究现状 |
| 1.2.2 基于深度学习的缺陷检测技术研究现状 |
| 1.3 本文的主要研究内容 |
| 1.4 本文的结构安排 |
| 第二章 相关理论研究及算法总体设计 |
| 2.1 卷积神经网络研究 |
| 2.1.1 卷积层 |
| 2.1.2 池化层 |
| 2.1.3 全连接层 |
| 2.1.4 损失层 |
| 2.2 网络模型研究 |
| 2.2.1 AlexNet |
| 2.2.2 VGGNet |
| 2.2.3 ResNet |
| 2.3 基于候选区域的目标检测网络模型研究 |
| 2.3.1 R-CNN |
| 2.3.2 Fast R-CNN |
| 2.3.3 Faster R-CNN |
| 2.4 布匹缺陷数据集分析 |
| 2.4.1 DAGM |
| 2.4.2 自采集布匹缺陷数据集 |
| 2.5 算法总体设计 |
| 2.6 本章小结 |
| 第三章 基于两步池化算法的缺陷特征提取网络 |
| 3.1 CNN在缺陷特征提取上的应用分析 |
| 3.1.1 缺陷样本分析 |
| 3.1.2 CNN特征提取分析 |
| 3.2 两步池化背景抑制算法 |
| 3.2.1 基于全局平均池化的背景近似值生成 |
| 3.2.2 背景抑制与缺陷区域特征增强 |
| 3.2.3 基于局部最大值池化的缺陷特征提取 |
| 3.3 基于两步池化改进的特征提取网络 |
| 3.3.1 TSP AlexNet |
| 3.3.2 TSP VGG16 |
| 3.3.3 TSP ResNet50 |
| 3.4 实验结果与分析 |
| 3.4.1 实验数据与评价标准 |
| 3.4.2 实验环境与参数设置 |
| 3.4.3 实验结果 |
| 3.5 本章小结 |
| 第四章 基于FASTER R-CNN的布匹缺陷检测算法模型 |
| 4.1 Faster R-CNN算法模型分析 |
| 4.1.1 小目标检测分析 |
| 4.1.2 Anchor设计分析 |
| 4.2 基于FPN的多尺度检测算法 |
| 4.2.1 FPN网络研究 |
| 4.2.2 FPN网络分析 |
| 4.3 改进的FPN网络 |
| 4.3.1 基于双线性插值的上采样算法 |
| 4.3.2 自底向上的特征融合 |
| 4.3.3 基于聚类思想改进Anhcor |
| 4.4 实验结果与分析 |
| 4.4.1 实验数据与评价标准 |
| 4.4.2 实验环境与参数设置 |
| 4.4.3 实验结果 |
| 4.5 本章小结 |
| 第五章 布匹缺陷检测系统软件设计与实现 |
| 5.1 软件总体设计 |
| 5.2 软件界面设计 |
| 5.2.1 系统主界面 |
| 5.2.2 配置界面 |
| 5.2.3 输出检测报告 |
| 5.3 系统测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（9）3D打印技术专业“三教”改革探索（论文提纲范文）
| 引言 |
| 1 3D打印技术专业“三教”面临的突出问题 |
| 1.1 师资团队的教学素养相对偏差 |
| 1.2 3D打印技术专业教材不成体系，资源匮乏 |
| 1.3 教法难以提升学生参与的主动性 |
| 2 3D打印技术应用专业“三教”改革措施 |
| 2.1 通过“名师引领、双元结构、分工协作”的准则塑造团队 |
| 2.1.1 依托有较强影响力的带头人，有效开发名师所具备的引领示范效果 |
| 2.1.2 邀请大师授教，提升人才的技术与技能水准 |
| 2.2 推进“学生主体、育训结合、因材施教”的教材变革 |
| 2.2.1 设计活页式3D打印教材 |
| 2.2.2 灵活使用信息化技术，形成立体化的教学 |
| 2.3 创新推行“三个课堂”教学模式，推进教法改革 |
| 2.3.1 采取线上、线下的混合式教法 |
| 2.3.2 构建与推进更具创新性的“三个课堂”模式 |
（10）基于深度学习的纺织品质量检测系统（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 计算机视觉发展现状及其在瑕疵检测领域的应用 |
| 1.2.1 计算机视觉发展现状 |
| 1.2.2 计算机视觉在瑕疵检测领域的应用 |
| 1.3 纺织物质量检测系统研究现状 |
| 1.4 本文主要研究内容及论文内容安排 |
| 1.4.1 主要研究内容 |
| 1.4.2 论文内容安排 |
| 第2章 纺织物图像数据采集及总体方案设计 |
| 2.1 图像采集系统设计 |
| 2.1.1 照明系统设计 |
| 2.1.2 相机选型 |
| 2.2 纺织物表面瑕疵 |
| 2.2.1 瑕疵分类 |
| 2.2.2 瑕疵分析 |
| 2.3 总体方案设计 |
| 2.3.1 现有生产流程 |
| 2.3.2 优化方案设计 |
| 2.4 本章小结 |
| 第3章 图像数据预处理与多颜色空间融合模型 |
| 3.1 图像预处理与归一化方法 |
| 3.1.1 图像预处理 |
| 3.2 图像数据增强与深度学习数据集构建 |
| 3.2.1 图像数据增强 |
| 3.2.2 深度学习数据集构建 |
| 3.3 多颜色空间融合模型 |
| 3.3.1 彩色图像颜色空间转换 |
| 3.3.2 多颜色空间融合方法 |
| 3.3.3 实验结果与分析 |
| 3.4 本章小结 |
| 第4章 用于纺织物瑕疵检测的深度学习模型结构设计与实验结果分析 |
| 4.1 主干模型选择 |
| 4.2 基于传统特征的注意力机制模块 |
| 4.2.1 传统图像特征 |
| 4.2.2 注意力机制模块 |
| 4.3 用于处理卷积特征图的多方向LSTM模块 |
| 4.4 总体模型结构设计及训练细节 |
| 4.4.1 模型总体结构设计 |
| 4.4.2 训练细节 |
| 4.5 实验结果分析 |
| 4.5.1 模型结构试验 |
| 4.5.2 整图瑕疵检测效果 |
| 4.5.3 错误样本分析 |
| 4.6 本章小结 |
| 第5章 在线纺织品质量检测系统设计 |
| 5.1 系统总体设计 |
| 5.2 系统机械结构设计 |
| 5.3 系统软件设计 |
| 5.3.1 客户端系统流程 |
| 5.3.2 服务端系统流程 |
| 5.4 在线模型效果分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
四、纺织产品计算机图像处理中特征值的提取及其应用（论文参考文献）
- [1]基于图像技术的织物动态导湿性能测试研究[D]. 熊晶晶. 江南大学, 2021(01)
- [2]三层三梭口织机织造双面起绒织带的设计、工艺及表面平整性研究[D]. 祝佳琼. 浙江理工大学, 2021
- [3]基于计算机视觉的简单组织织物密度检测研究[D]. 彭然. 武汉纺织大学, 2021(01)
- [4]基于遥感技术的地表水源地生态环境质量研究[D]. 李曦彤. 长春工程学院, 2020(04)
- [5]物面边缘特征点提取的平直度检测算法研究[D]. 薛改样. 西安科技大学, 2020(01)
- [6]基于机器视觉的生丝外观质量电子检测研究[D]. 闫冠宇. 苏州大学, 2020(02)
- [7]铁路车载LiDAR点云数据横断面轮廓与接触网分类提取[D]. 陈霄. 西南交通大学, 2020(07)
- [8]基于深度学习的布匹缺陷检测算法研究[D]. 李俊杰. 电子科技大学, 2020(07)
- [9]3D打印技术专业“三教”改革探索[J]. 刘森,张书维,侯玉洁. 数码世界, 2020(04)
- [10]基于深度学习的纺织品质量检测系统[D]. 李晨曦. 浙江大学, 2020