一、自动光学测试实现生产效益最大化（论文文献综述）
李娅宁[1]（2021）在《即时检测系统中的光学设计及应用》文中研究表明随着卫生条件的不断改善,以及对各种疾病的预防措施不断加大,近年来疾病的治愈率也不断提升。但在各类疾病中,像细菌感染、心肌梗死等的致死率仍然稳高不下。同时,在很多发展中国家以及资源匮乏的贫困地区,极度缺乏昂贵的医疗资源,急需快速、准确的仪器和技术来得到现场诊断的结果。即时检测（POCT）的发展,结合光学技术、化学手段、生物传感器技术、纸基微流控技术等,为这一问题提供了很好的解决方案,可在仪器符合临床标准的前提下,积极开展各类关键标志物的便携式诊疗。目前POCT的应用广泛,例如对寄生虫感染的检测、心肌梗死中对关键性生物标志物的检测等。研究表明,POCT应用存在的瓶颈问题如下:荧光标记使得样品制备比较复杂、智能手机无法实现大视野高分辨成像、诊断灵敏度较低、多种多样的光学设计（性能并非最好,且系统之间无法比较）等。本研究主要集中在基于4F光学系统的两个POCT应用（寄生虫感染和心肌梗死）的检测系统研究,旨在通过光学设计原理的优化,同时结合自动控制以及图像处理的手段,来简化仪器体积,进一步提高仪器准确率、灵敏度,最后摆脱对专业检验人员的依赖性。首先,本团队在调研的过程中发现,目前寄生虫感染领域的即时诊断方法多种多样,暴露出样品制作的复杂性、诊断的低灵敏度、昂贵的运输成本、大量的专业知识等特点,限制了这些方法在贫困地区中的广泛应用。同时,对于治疗过程的药物疗效无法得到及时的反馈,容易产生耐药性等问题,急需改进。本研究的前期工作,集中在开发一个基于低成本、自动化显微镜的寄生虫感染诊断系统,无需特殊的样品制备方法和专门的用户培训。利用麦克马斯特漂浮法的国际金标准,将样品制备方法简单化、标准化,对整个麦克马斯特室成像。显微成像系统基于简单的4F光学系统,需要实现足够高的横向分辨率（±1 μm）,可以扫描整个计数室（100 mm2）得到明场图,总体显微镜成本控制在350美元左右。然后,这些图像经过训练好的卷积神经网络（CNN）实现自动分割和分析,将虫卵与背景杂质分离,提升诊断的鲁棒性。同时,将网络输出结果进行简单的图像后处理,得出虫卵种类和数量。为验证系统,将样品的网络计数与人工计数结果进行比较,体现出优异的性能。并用于量化单个动物感染后的给药效果,在2周内监测药物的耐药性影响。其次,对显微成像系统中遇到的瓶颈问题,即对于自动对焦算法的需求、定位和加工误差的干扰、对流动细胞的准确检测等,我们从光学原理上提供解决方案,即将系统的景深进行延长,对系统的光瞳面进行位相调制。经过我们的验证,该方法可以在荧光通道实现10倍左右的提升（即200 μm左右）的景深扩展,完全可以满足样品加工和定位误差所带来的重复聚焦问题,可以简化实验流程,每次放置样品后,无需额外的z向调节即可成像。在亮视场,实现不了 10倍的提升,但若能精确调制光瞳面,也能有5倍左右的提升。后期的应用方面,还可以聚焦在基于微流控芯片的流式细胞检测上,在体积和成本方面将会大大减小。最后,我们又开始探索4F光学系统在非传统显微成像中的应用效果。本团队基于之前的系统,从光学设计的角度出发,对心肌梗死的关键性生物标志物检测方法的灵敏度进行优化。在此类测定中,常使用化学发光（CL）和电化学发光（ECL）方法。这两种方法不仅操作方便,而且无需激发光源和复杂、昂贵的检测系统。调研发现,目前已发表的POCT检测系统中,智能手机、无透镜接触成像系统等应用广泛,光学设计多种多样。虽然都是基于4F光学系统,但光学设计对试剂检测限的影响尚待研究。本团队基于之前4F成像系统的研究,提出了系统集光能力的理论模型,分别评估不同（无透镜、双透镜、单透镜）的光学设计,对系统最大化收集反应辐射光子数的主要因素进行验证。我们发现化学测定中,对4F光学系统的要求和显微镜截然相反,需要传感器收集更多的光子,同时这些光子所占的像素数要越少。基于该理论模型提出的要求,我们进一步设计了基于聚光镜的新型检测系统,与已发表的系统相比,可实现近10倍的灵敏度提高。综上所述,我们利用光学设计的手段,结合自动控制、图像处理、深度学习等方法,能够很好的提高即时检测在生物标志物检测中的诊断稳定性和灵敏度,具有广泛的应用前景。
汪保玉[2]（2020）在《基于深度学习的焊点缺陷及元器件检测方法的研究》文中指出电路板焊点缺陷检测和元器件检测对电子产品硬件生产质量至关重要。传统的自动光学检查设备对于每一款电路板都需要定制化注册并设计程序,步骤繁杂、耗时长,判断标准较为单一、呆板,检测的泛化能力差,在某些情况下容易误判,光照不佳、电路板颜色变化均会影响检测的精确率,对于多品种、小批量的生产场景而言性价比不高。近年来,随着计算资源的快速发展和硬件成本的降低,深度学习再次兴起,在目标检测、语音识别等研究领域展现了出色的性能,得到了广泛应用。因此,将深度学习方法引入电路板焊点缺陷及元器件检测研究具有极大的研究意义和工业应用价值。本文使用了两种经典的目标检测算法并提出了一种改进型算法,具体内容为:（1）采用经典的Faster R-CNN算法和YOLO V3算法对印制电路板装配成品（printed circuit board assembly,PCBA）进行焊点缺陷及元器件检测。两者均是端到端的目标检测算法。前者应用VGG16深度神经网络作为特征提取器,通过区域建议网络（region proposal network,RPN）实现候选框推荐,最后进行分类和定位,属于目标检测算法中的two-stage算法。后者使用Darknet53进行特征提取,之后进行分类和定位,属于目标检测算法中的one-stage算法。实验结果表明,二者具有较高的精确率,但基于VGG16的Faster R-CNN算法的平均精确率均值（mean average precision,mAP）明显低于 YOLO V3。（2）提出了 一种改进型的Faster R-CNN算法。用EfficientNet系列中EfficientNet B7网络结构的前8个阶段（stage）替代VGG16进行特征提取。使用广义交并比（generalized intersection over union,GIoU）作为边框回归损失,避免了最小化ln损失和最大化交并比在某些情况下没有强相关性的问题。使用性能更佳的Swish函数替代ReLU函数作为激活函数。实验结果表明,该改进算法在精确率上取得了显着提升,mAP接近0.99,对进一步的工业应用研究具有重大意义。
刘奕[3]（2020）在《5G网络技术对提升4G网络性能的研究》文中研究表明随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
李根壮[4]（2019）在《矿石批量拣选过程的分形理论建模与决策算法优化》文中进行了进一步梳理矿石批量拣选在提高矿山效益上具有显着的优势,但其发展及应用受到多方面因素的制约。一方面,当前矿石拣选研究方法难以可靠评价矿石拣选可行性;另一方面,实际拣选效果受拣选决策算法影响也较大。本文在矿石金属分形分布规律研究的基础上,引入分形维数D、分形量度G对矿石金属分布规律进行了参数表征,建立了矿石批量拣选技术及经济指标预测模型,确定了最佳拣选阈值计算公式:SCOG=（cc-cr/y·（s-r））。分别以Cadia Ridgeway铜矿皮带输送样、New Afton铜矿井下爆堆样、New Afton铜矿地质岩芯样为研究对象,对所建立模型准确性进行了验证。验证结果表明,矿石批量拣选模型在拣选技术经济指标预测中有良好的准确性。通过对比在有无矿石批量拣选情况下的矿山经济效益指标,利用所建立矿石批量拣选模型对矿石批量拣选在矿石预选及低品位矿石回收两种应用场景下可行性进行了模型评价,并对矿石性质对拣选可行性的影响进行了分析。分析结果表明,矿石批量拣选应用于矿石预选时,矿石金属分布分形维数越大,分形量度越小,其矿石批量拣选可行性越好;矿石批量拣选应用于低品位矿石资源再回收时,分形维数越大,分形量度越大,矿石可拣选性越好。针对XRF矿石传感拣选技术在矿石批量拣选中的应用,对实验室不同测试参数条件下影响矿石拣选效果的仪器误差及试样误差因素进行了分析,解释了传统线性回归模型作矿石决策算法的缺陷。分析结果表明,试样误差为影响XRF品位测定准确性的主要因素,其具有数值大、无规律的特点,是导致线性回归模型拣选效率低的重要原因。首次采用受试者操作特征曲线分析作为矿石拣选决策算法对某实验室试样进行了拣选效果分析,并与传统线性回归模型的拣选效率及经济效益进行了对比,其在不同XRF测试参数条件下（Q=5,10,20）,净熔炼收益（NSR）相比简单线性回归分别提高了 3.1,0.9,1.1 $/t,相比多元线性回归分别提高了 3.0,0.7,0.9$/t。在Q=20测试参数条件下,采用受试者操作特征曲线分析,净熔炼收益（NSR）为7.6 $/t,相比理想指标（8.3 $/t）和模型预测结果（8.1$/t）差别不大。
王勇[5]（2019）在《JBY健康科技公司商业模式研究》文中指出JBY是一家研产销于一体健康科技企业,拟打造与其核心竞争力相适应的新商业模式,为医疗行业中小型企业商业模式创新提供思路。本文利用PEST模型分析了大健康行业的宏观环境,并研究了JBY公司所处的医疗行业国内外发展现状和趋势,对JBY公司商业模式设计的影响因素。运用SWOT矩阵法,分析了公司战略方向层面的公司转型和战略定位、产品及服务的优势、劣势及面临机会和威胁,明晰了公司的核心资源和关键能力:研发优势（特种医疗器械、产品关键零部件自行研制）、检测标准定制优势、健康管理和检测干预服务优势、云平台核心技术和资源整合优势、系统自主开发优势、关键制造工艺优势、多组合营销优势、产品服务+平台型盈利方式等优势为公司核心竞争力。运用商业模式画布工具,在战略执行层面上,基于价值主张,从商业模式要素构成的九个方面着手,设计了JBY公司多维度平衡和交互,体现新颖、效益和效率元素并存的新商业模式,包括JBY公司在产业价值链中,处于高附加值端研产销一体化的企业转型、整体战略规划和战略执行定位、客户族群细分（C客户为亚健康和慢病患者、B客户为加盟商和中间代理商）、产品和服务市场定位（特种医疗器械、检测干预服务）、核心业务聚焦（重视研发和营销为主价值链端）、公司治理与管控体系（分权和授权、成本和风险控制）、多种盈利方式组合的盈利模式（产品+服务+平台+融资）、轻资产运营模式、线上和线下销售、租赁和检测干预服务合作分成的营销模式、稳固商业利益合作伙伴（企业上下游供应商和关键客户）等,进行全方位多维度商业模式详细设计,从而,设计出更适应JBY公司发展的新商业模式架构。因而,研究该公司商业模式创新具有重要的实践意义。该新商业模式对大健康行业企业商业模式创新实践,可提供有益的参考和启示,也为同类型、同行业的企业提供了解决具体问题的借鉴案例。
曹景军[6]（2021）在《基于深度学习的双孢菇采摘机器人视觉系统研究》文中进行了进一步梳理双孢菇是最常见的食用菌品种之一,其种植方式逐渐从传统的小规模个体栽培向规模化生产的智能工厂转变。在双孢菇智能工厂中,大多数生产工序已实现机械化和自动化,但采收成熟的双孢菇以及品质分级仍然主要依靠人工手动完成。人工采摘与品质分级劳动强度大、成本高并且十分枯燥。双孢菇自动采摘与品质分级成为该产业中的迫切需求。视觉系统是采摘机器人中的一项重要组成部分,开展双孢菇采摘机器人视觉系统研究对实现双孢菇自动化采摘及品质分级具有重要作用。本文围绕双孢菇自动采摘与自动品质分级的产业需求,重点研究了视觉系统中的多模态目标检测和轻量级品质分级核心算法,并搭建了双孢菇采摘机器人视觉系统,为实现双孢菇自动化采摘及品质分级提供了有力技术支撑。概括而言,本文的主要研究成果包括:（1）构建了双孢菇图像数据集合。为了提高双孢菇目标检测算法性能,构建了具有2300幅图像的双孢菇多模态目标检测数据集合,为了自动识别双孢菇品质等级,构建了具有1200幅图像的双孢菇品质分级数据集合,为开展相关研究提供了数据基础。（2）提出了一种多模态注意力融合网络进行双孢菇检测。该网络通过融合双孢菇可见光和深度图像特征来提取更全面的信息,采用多尺度架构增加感受野。使用注意力机制自适应地对特征通道进行标定,使网络关注于更重要的信息。当某个模态信息发生较大变化或者缺失时,通过模态间信息互补的方式,提升了检测器在光线较强和阴影条件下的准确性与健壮性。（3）提出了一种轻量级神经网络算法解决双孢菇品质分级问题。为了提高双孢菇品质分级效率,提出了一种压缩模块,该模块的主要设计思路是将串行的下采样操作和卷积运算转换成并行结构,基于该压缩模块,构建了一种轻量级神经网络‘Light Net’来解决双孢菇品质分级问题。所提出的网络具有更少的参数量和计算量,并且分级精度达到了97.50%。该网络通过提取双孢菇图像特征,自动将双孢菇分成优质和劣质两个级别,劣质中包括畸形和锈斑等情况。同时,为了测试该算法的泛化能力,在茭白品质分级图像数据集合上开展实验,分级精度达到95.62%,实验结果证明该网络可以拓展应用于其他有关农产品品质分级的任务中。（4）搭建了用于双孢菇采摘的机器视觉系统。设计并实现了双孢菇三维空间定位方法与双孢菇采摘路径规划方法,研发了双孢菇采摘机器人视觉系统,并将该视觉系统与双孢菇采摘机器人硬件装置进行集成,执行20组实验对视觉系统进行测试,实验结果证明了该视觉系统可以精确地检测与定位双孢菇。通过上述工作,本文对双孢菇自动采摘与品质分级问题进行了深入研究,研究结果表明:提出的多模态注意力融合网络提升了双孢菇检测性能。提出的轻量级神经网络具有更低的时间复杂度和空间复杂度,并且保持了相当的双孢菇品质分级精度。并将研发的视觉系统与双孢菇采摘机器人硬件装置进行了集成,实验结果证明了该视觉系统的准确性与有效性,为双孢菇自动采摘与品质分级提供了有力技术支撑。
常汉[7]（2021）在《水心病苹果水心程度与可溶性固形物含量在线无损检测方法与分级装备研究》文中指出研究和应用水果内部品质在线检测技术及装备对提高果品附加值、减少损耗、促进产业健康可持续发展具有重要意义。然而由于水果内部信息获取难度高、信噪比低等问题,水果内部品质尤其是深层内部病害检测技术及装备研发难度大。苹果作为我国主要种植的水果品种之一,在我国的种植面积和产量均位居园林水果的前列。然而由于气候、营养元素等因素的影响,水心病作为一种发生于苹果维管束和果核周围的内部生理性病害,在苹果的主产区陕西和新疆等地均有发生,对苹果的仓储和商品化流通产生了较大的影响。水心病苹果因其独特的口感受到消费者的追捧,商业上又被称为冰糖心苹果。本研究针对苹果水心病的内源性、无明显光谱特征、在线检测受苹果大小和姿态影响大及水心病苹果可溶性固形物含量（Soluble Solids Content,SSC）检测难度大等问题开展试验,探究可见/近红外（Visible/Near Infrared,Vis/NIR）光谱技术在线检测苹果水心程度（Watercore Severity Index,WSI）及水心病苹果SSC的可行性并进行检测技术和分级装备开发。本研究的目的在于提出一种水心病苹果WSI和SSC在线精确检测方法,并设计开发一种新的适合于苹果内部品质和内部病害检测的输送系统与检测机构,为推进水果产后商品化处理提供理论基础和装备支撑。本文的主要研究内容和结果如下:（1）针对苹果水心病及SSC在线检测需求,研究了水心病苹果的光学特性,利用浙江大学智能生物产业装备创新研发团队（IBE团队）开发的自由托盘式水果分选设备,并采用双光源对射式光源布局的半透射检测系统,开展了苹果水心病无损检测研究。结果显示:同样大小的水心病苹果的透射光强谱峰值高于正常苹果,且随着WSI的增大,光强峰值逐渐增大。随机分布的不同大小和形状的水心组织改变了苹果的光透性,使苹果光谱产生了明显地随WSI变化而变化的趋势。这可能是导致水心病苹果不同检测位置的光谱产生差异的原因,同时也导致SSC预测效果变差。在水心病苹果和正常苹果的二分类判别中,k最近邻算法（k-Nearest Neighbor,k NN）、反向传播神经网络（Back Propagation Neural Network,BPNN）、支持向量机（Support Vector Machine,SVM）、一维卷积神经网络（One-Dimensional Convolutional Neural Network,1D-CNN）四种算法识别准确率均在95%以上,该结果表明利用Vis/NIR光谱技术对水心病苹果和正常苹果进行无损检测分类是可行的。在不同程度水心病苹果和正常苹果的k NN二分类判别中,轻微水心苹果和正常苹果的判别准确率较差（68%）,而中等或严重水心苹果与正常苹果的判别准确率较高（91%、100%）。WSI和SSC的预测结果也反映出水心组织对水心病苹果内部品质无损检测的影响。（2）针对上述研究中苹果不同大小和分布的水心组织对WSI和SSC检测影响大的问题,本研究基于光学仿真研究和实验研究建立了四光源仿环形光源布局的苹果水心病和SSC无损检测方法并分析了苹果大小对检测的影响。结果显示:由使用Light Tools软件进行的光学仿真研究结果可知在四光源仿环形光源布局下获取到的苹果光谱能够携带更多的苹果内部信息。样本为同样大小的苹果采用平均光谱建立的模型性能优异。同样大小苹果的SSC的偏最小二乘回归（Partial Least Squares Regression,PLSR）预测模型中,较优的建模集均方根误差（Root Mean Square Error of Calibration,RMSEC）和预测集均方根误差（Root Mean Square Error of Prediction,RMSEP）分别为0.34?Brix和0.37?Brix,相对分析误差（Residual Predictive Deviation,RPD）达到3.78。采用PLSR算法进行WSI预测的模型的较优RMSEC、RMSEP和RPD分别为2.00%、1.82%和1.69。在双光源对射式和四光源仿环形两种光源布局下,不同大小苹果的SSC和WSI预测中,四光源仿环形光源布局的检测效果要优于双光源对射式光源布局的检测效果,尤其是SSC的预测,其在四光源仿环形光源布局下采用PLSR算法的较优RMSEC和RMSEP分别能够达到0.35?Brix和0.43?Brix,RPD值为3.58。该试验结果验证了光学仿真的结论,提出了四光源仿环形较优光源布局,评估了不同大小苹果对检测的影响。（3）针对苹果大小对苹果水心病在线检测的影响,开发了以多功能果杯和自适应光源调整机构为核心的苹果水心病和SSC在线检测样机。针对自由托盘分选线中托盘定位难、装备复杂,而传统滚子输送式分选线中双锥式滚子不利于进行全透射或半透射模式检测等问题,开发了采用链传动的多功能果杯,能够满足水果全透射或半透射模式光谱检测需求,并具备准球形水果输送、称重、侧翻分级以及果杯自复位等功能。针对水果大小对光谱检测的影响,在光源布局优化基础上开发了基于水果大小自适应的光源调整机构,能够实现不同大小水果光谱的有效获取。在开发多功能果杯和自适应光源调整机构的基础上,进行了整机结构设计与研发。使用可编程逻辑控制器（Programmable Logic Controller,PLC）作为控制中心,以表指令为核心开发了样机的控制系统,并在电路系统中设计了强电动力电路和弱电控制电路,建立了强弱电隔离、PLC负载隔离、光谱仪触发信号隔离的稳定电路系统总成,实现了样机的正常运行以及水果光谱检测和分级功能。使用苹果和参比对样机静态和动态条件下的性能进行了测试,分析了不同速度下测试对象的光谱特性,确定了样机进行水果内部品质在线检测分级的可行性。（4）在完成苹果分选装备样机研制的基础上,研究了苹果姿态对苹果水心病和SSC在线检测的影响。在样机上综合考虑了三种可能的苹果检测姿态（姿态一:果梗朝上,姿态二:果梗-果萼轴线与输送方向平行,姿态三:果梗-果萼轴线与输送方向垂直）,并开展了对比试验研究。结果显示,与姿态二和姿态三相比,在姿态一情况下使用PLSR建模算法对SSC的预测可以获取较好的预测效果（RMSEC 0.45?Brix、RMSEP 0.49?Brix和RPD 2.91）,能够满足苹果SSC在线检测要求。而在水心病有无判别中,在姿态一放置条件下,SVM方法和姿态二的偏最小二乘判别分析（Partial Least Squares-Discrimination Analysis,PLS-DA）判别准确率一致,均为96%,但SVM方法敏感性和特异性（98%、83%）更加均衡,反映出SVM模型对水心病苹果和正常苹果均有较好的识别效果。研究结果表明,果梗朝上（姿态一）的输送方式在样机上对苹果水心病和SSC的检测均具备一定的优势。（5）针对不同大小的苹果在固定光源下受光区域相对位置不一致而影响检测精度的问题,提出了基于自适应光源调整机构的不同大小苹果的光谱修正方法,并对比分析了修正前后的模型效果。将不同大小苹果分成4组,在光谱检测中自适应光源调整机构根据苹果大小按组调整高度,保证光源照射到苹果上的相对高度一致,从而获取相对光程基本一致的光谱并进行光谱修正方法研究。结果显示:结合自适应光源调整机构和相对光程长度的修正光谱模型中,使用PLSR算法能够获取到较优SSC预测模型,其RMSEC、RMSEP和RPD分别为0.44?Brix、0.47?Brix和2.19。对比修正前的光谱,该模型能够获得更低的RMSEP和相对接近的RPD值。经过大小修正的光谱在PLS-DA算法下不同大小苹果的水心病判别准确率为81%,尽管模型判别准确率要低于同样大小苹果的水心病判别结果,然而对比未进行光源高度调整以及未进行光谱修正的模型,具有更加均衡的敏感性和特异性以及更高的水心病判别准确率。
张志勇[8]（2021）在《熔盐线性菲涅尔式聚光集热系统关键控制技术研究》文中研究指明太阳能光热发电具有储热容量大、储热过程简单、所产生的交流电直接并网、易与常规发电模式互补发电、实现24小时连续稳定发电等特点。通过储热实现调度发电,可以与风电、光伏及其他可再生能源捆绑输出,有效调节光伏、风电的随机性、波动性,将间歇式太阳能转化成既可连续输出又可灵活调节的优质清洁电力,具有优质的调节性能,提升区域消纳和捆绑外送中的可再生能源消纳水平。建设风电、光伏、光热综合能源系统工程,是实现新能源高质量发展的重大战略,对于推动能源结构优化升级具有重要意义。本文以敦煌50 MW熔盐线性菲涅尔式聚光集热系统为研究对象,结合项目建设和调试阶段实际运行经验,以提升熔盐线性菲涅尔式光热示范电站发电量、提升聚光集热系统光热转换效率和降低电站厂用电损耗为目的。通过研究熔盐线性菲涅尔式聚光集热系统集热回路空管变占空比跟随预热控制算法、集热系统一次反射镜目标跟踪角度非线性补偿算法、集热回路出口熔盐温度预测控制算法等关键控制技术,最终将各种关键控制技术融合于示范电站集热岛数据采集及监控系统,并完成监控系统软硬件设计。首先,提出熔盐线性菲涅尔电站熔盐防凝的需求和防凝降耗的运行措施。针对集热回路空管预热过程中集热管温升过程非线性、时变的特点,通过对影响集热回路温升速度的主要因素进行建模分析,结合实时辐照等数据信息,提出集热回路空管变占空比跟随预热控制算法。经过现场实验验证,该预热算法控制效果满足恒速率温度控制,温升速率误差约为14%,远小于集热管极限安全温升速率;在满足集热管安全温升速率的前提下,变占空比方法整体预热时长较定占空比预热方式缩短22%。该方法控制效果良好,控制精度高,理论模型同样可应用于槽式及塔式太阳能光热系统的部分子系统中,方法具有一定的通用性及实用性。其次,根据线性菲涅尔式聚光集热系统的结构特点,从系统的结构和工程安装角度出发,探究影响线性菲涅尔聚光集热系统聚光精度的因素。通过仿真及实验分析,确定了集热系统一次镜面型误差、CPC安装精度误差、镜场南北布置偏差、一次镜反射中心动态位移偏差及倾角传感器温漂偏差等对跟踪聚光结果的影响机理及各误差造成的影响程度。结合现场实际跟踪目标角度的长期测试记录,获得实际跟踪目标角度与理论目标跟踪角度之间的误差曲线,根据误差曲线的趋势,选取聚光精度影响因素中权重较大的镜场南北偏差、旋转中心动态位移偏差及理论目标角度偏差等因素,构造出跟踪目标角度误差非线性补偿算法,将补偿算法应用于敦煌示范项目的实际应用中。经过敦煌50MW熔盐线性菲涅尔示范电站的实际验证,补偿算法可以很好的实现线性菲涅尔系统跟踪角度的误差补偿,补偿后系统跟踪误差小于0.1°,满足线聚焦菲涅尔聚光集热系统的工程使用要求。熔盐线性菲涅尔式聚光集热系统关键控制技术研究再次,针对线性菲涅尔集热回路熔盐加热升温过程数据信息波动大、非线性、大滞后的特点,通过分析线性菲涅尔集热回路传热数学模型,确定集热回路出口熔盐温度的主要影响因素,采用K-means方法结合径向基函数（RBF）建立神经网络预测模型,实现集热回路出口熔盐温度预测。通过实测数据动态训练神经网络,引入自适应聚类分析的方法预先处理训练样本,降低网络的复杂度,提高训练速度,采用梯度下降法动态调整、确定隐含层基函数中心和扩展常数,基函数输出的网络权值采用伪逆矩阵的方式确定。经仿真测试,隐含层数量选择为30时,预测网络可得到较为理想的输出结果。将预测模型应用于敦煌熔盐线性菲涅尔集热回路,通过不同运行环境下4天的预测输出与实测值对比结果得出,网络输出的最大绝对误差为121℃,该神经网络预测模型可以实现对线性菲涅尔式聚光集热回路出口熔盐温度的良好预测。最后,根据线性菲涅尔聚光集热系统的结构特点,对镜场控制系统从软件、硬件进行模块化、分布式设计,通过软、硬件及通信网络冗余设计,提高了控制网络的可靠性。采用VLAN网络划分,提高了通信网络的安全性。对于示范电站不同控制系统、不同终端设备之间采用不同通信方式、不同通信协议进行数据交换,提高了信息交互的时效性。通过IO监视器对不同设备的数据包传输状态进行监视,IO Server与主站设备请求、响应错误率为0;在主从设备进行FINS通信的过程中,通过随机监听各端口1min内的触发状态,测试各端口数据收发的均衡性,各端口触发的非均衡性最大为12.5%。经过长期测试,设备的稳定性满足系统的运行要求。
熊晓琴[9]（2020）在《专利视域下智能网联汽车关键技术分析及产品评价研究》文中研究表明智能网联汽车是指装备先进的车载传感器、控制器等器件,并融合现代通信与网络技术,实现车与X（车、路、人、云端等）的智能信息交流和共享,具备复杂环境感知、智能决策、协同控制等功能的新一代汽车。智能网联汽车可以给我们带来更安全、更节能、更环保、更便捷的出行方式和综合解决方案,是国际公认的未来汽车发展方向和研究焦点。随着技术、法规以及相关配套逐步成熟和完善,智能网联汽车将进入产品导入和市场化阶段。和美国、欧洲、日本、韩国等传统汽车强国相比,我国智能网联汽车信息交互技术相对成熟、基础支撑技术具有局部优势,但是仍然存在核心技术短缺、技术结构和方向不清晰、技术应用效益不明确等问题,需要进行技术分析及其应用评价。本文以智能网联汽车为研究对象,基于全球专利大数据、产业数据、商业应用数据等数据资源,围绕智能网联关键核心技术发展与应用问题,探讨智能网联汽车关键技术基础前沿、热点主题和演进路径,并结合重点企业关键技术专利分析评价不同产品的技术经济效益和生态效益,力求探索智能网联汽车关键技术发展特征和产品应用情况,研究内容包括以下方面:针对专利视域下的智能网联汽车,基于专利大数据绘制智能网联汽车关键技术专利地图,并以此为基础,运用新一代信息可视化手段,构建智能网联汽车科学知识图谱,研究智能网联汽车技术领域前沿与热点、关键技术演进路径及演化规律。重点围绕智能网联汽车全球专利数据,聚焦车辆技术、信息交互技术等领域,运用聚类分析、时间序列、回归分析和相关分析等方法绘制智能网联汽车专利态势、竞争态势及关键技术专利地图,从时间和空间等不同维度分析技术分布特征,得到关于智能网联汽车产业发展趋势、竞争态势、企业创新实力及关键技术发展等方面的结论;基于绘制的关键技术专利地图,综合采用共现分析、引文分析、共被引分析等方法,运用Cite Space等知识图谱工具,识别不同时期智能网联汽车的技术主题及成熟潜力专利技术,探测智能网联汽车关键技术领域前沿与热点变化,并通过与专利网络主体间的联系展示出智能网联汽车关键技术的演进路径与演化规律。面向关键技术分析智能网联汽车企业的专利布局,建立智能网联汽车产品的技术经济评价体系,运用模糊综合评价、数据包络法,对通用、比亚迪等8家企业具有代表性的车型进行技术性、经济性研究。从专利角度研究智能网联汽车企业的环境感知技术、决策控制技术、V2X通信技术、云平台与大数据技术等关键技术构成,明确不同智能网联汽车企业关键技术的专利布局重点;构建智能网联汽车技术评价体系,选择不同企业的代表车型进行模糊综合评价,发掘评价结果内涵,结合专利技术提出对我国智能网联汽车企业技术发展的有益建议;通过智能网联汽车的经济角度阐述智能网联汽车产品经济评价模型,构建智能网联汽车经济评价体系,运用数据包络分析法对不同企业的代表车型进行评价,从企业评价结果和专利技术揭示决定其经济性能的主要因素。基于关键技术重点专利推演智能网联汽车企业的技术发展路线,结合技术发展路线探讨不同智能级别车辆在能源、资源消耗以及环境方面产生的具体影响,通过对丰田和广汽关键技术领域历年重点专利的分析,明确其技术发展路线,并划分车辆的不同技术等级。面向企业关键技术及其专利进行目标选取和边界划定,以广汽丰田i A5为研究对象,建立了从原材料获取、制造装配、运行使用到报废回收四个阶段的资源耗竭和环境影响的数学评价模型,确定各阶段涉及材料、工艺、能耗清单,并在此基础上建立Ga Bi模型,计算得到矿产资源消耗、能源消耗、环境排放结果清单,采用CML2001评价方法对计算结果进行处理和分析评价;结合丰田和广汽的各技术等级重点专利和技术发展路线,评估预测不同智能级别车辆采用智能设备及关键技术等应用方面的不同,对L1-L5不同级别智能网联汽车全生命周期各阶段的资源消耗、能源耗竭、环境影响进行对比分析,以得出车辆技术智能化、网联化程度对能源消耗及环境影响的变化趋势。本文研究成果包括从专利视域所揭示的智能网联汽车关键技术特征和演进规律,以及结合智能网联汽车企业关键技术专利分析量化计算的产品技术经济性和节能减排绩效评价结果,提供了以专利分析辅助产业关键技术发展布局及应用的研究路径与方法,为智能网联汽车技术路线规划、政策制定和相关企业的技术创新、新产品研发提供重要的理论依据和数据支撑。
张亚举[10]（2020）在《基于气体浓度在线检测的发酵过程反馈控制补料系统设计与实现》文中指出随着生物工程技术的发展,发酵工业的生产规模也在逐渐扩大,迫切需要对微生物发酵过程进行先进控制和优化调控,从而提高发酵工业水平。随着发酵工艺的不断进步,从培养基的配比和菌株的选取等方面进行发酵工艺的优化提高了发酵生产水平。分批补料发酵作为发酵行业应用最广泛的发酵形式,对于分批补料发酵制定合适的发酵过程控制补料策略是关键。目前,大多依据离线检测的生物量选择合适的发酵过程补料策略,这种补料方式具有一定的滞后性和不稳定性,难以满足发酵过程在线优化控制的要求,而且人工取样容易造成发酵系统菌体污染,影响发酵过程品质。因此,对于生物发酵过程合适的补料策略能够有效地调控微生物的中间代谢,使之朝着有利于菌体生长和产物合成的方向发展,所以及时且有效的发酵过程补料策略是实现发酵过程在线优化控制的关键。发酵过程在线补料控制实施的难题是无法实时获取到发酵过程的实时状态,所以迫切需要寻找能够反映发酵过程实时状态并可以进行在线检测的实时参量。而发酵过程代谢气体产物包含了重要的过程信息,发酵过程中的气体浓度变化能够直接反映发酵过程菌体的生长状态以及浓度变化。因此,研究基于气体浓度在线检测的发酵过程反馈控制补料方法及系统具有重要的工程应用价值。本文在分析发酵过程气体检测和在线反馈控制补料方法及其研究现状的基础上,提出了基于气体浓度在线检测的反馈控制补料方法,给出了发酵过程气体采集装置设计方法和发酵过程气体浓度在线检测方法,结合发酵过程先验知识,给出了一种利用发酵过程先验知识的发酵过程反馈控制补料方法,并针对具体的发酵对象给出了发酵过程的反馈控制补料算法实现。在该方法的基础之上给出一种基于虚拟仪器技术的发酵过程反馈控制补料系统,并给出了发酵过程反馈控制补料系统的总体设计方法。对发酵过程反馈控制补料系统软硬件进行了设计与实现,给出了硬件系统设计和系统硬件设备的选取;对数据通讯子系统、数据处理子系统、控制补料子系统、数据管理子系统、以及人机交互界面子系统进行设计。并通过发酵过程实验对传感器在线检测效果进行验证,对集成的发酵过程反馈控制补料系统各子系统模块进行测试,以谷胱甘肽、戊糖片球菌、富硒酵母三种发酵对象进行发酵过程的反馈控制补料方法的实验验证。实验研究表明,本文提出的基于气体浓度在线检测的反馈控制补料方法能够实现发酵过程代谢气体浓度的实时检测和发酵产物质量的提高;而且基于虚拟仪器技术进行集成的发酵过程反馈控制补料系统运行稳定,可靠性好,为发酵过程补料问题提供了一种切实可行的解决发酵过程在线控制补料难题的新途径。
二、自动光学测试实现生产效益最大化（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、自动光学测试实现生产效益最大化（论文提纲范文）
（1）即时检测系统中的光学设计及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 即时检测技术概述 |
| 1.1.2 即时检测应用概述 |
| 1.2 研究现状 |
| 1.2.1 即时检测诊断方法概述 |
| 1.2.2 人工智能算法概述 |
| 1.3 当前研究存在的问题 |
| 1.3.1 寄生虫感染的诊断需求 |
| 1.3.2 扩展景深的需求 |
| 1.3.3 心肌梗死的诊断需求 |
| 1.4 本文的研究内容与章节安排 |
| 1.4.1 研究内容 |
| 1.4.2 章节安排 |
| 第2章 便携式寄生虫感染诊断成像系统 |
| 2.1 引言 |
| 2.2 光学系统搭建 |
| 2.2.1 系统设计 |
| 2.2.2 透镜选择 |
| 2.3 系统成像 |
| 2.3.1 全自动扫描和聚焦 |
| 2.3.2 高分辨和大视野成像 |
| 2.4 实验材料和设备 |
| 2.5 实验数据处理 |
| 2.5.1 神经网络结构搭建 |
| 2.5.2 神经网络数据集和训练 |
| 2.5.3 标签和网络输出二值化 |
| 2.5.4 图像后处理及分析 |
| 2.6 实验结果分析 |
| 2.6.1 虫卵形态种类识别 |
| 2.6.2 与临床计数的比较分析 |
| 2.6.3 临床给药疗效的监测 |
| 2.7 讨论 |
| 2.8 本章小结 |
| 第3章 便携式景深扩展成像系统 |
| 3.1 引言 |
| 3.2 景深延长理论 |
| 3.3 实验材料和设备 |
| 3.4 基于空间光调制器的系统 |
| 3.4.1 系统搭建 |
| 3.4.2 系统成像验证 |
| 3.5 基于位相掩模板的系统 |
| 3.5.1 系统搭建 |
| 3.5.2 位相掩模板的设计加工 |
| 3.5.3 系统成像验证 |
| 3.6 实验结果分析 |
| 3.6.1 定位和加工误差的干扰下降 |
| 3.6.2 低成本物镜的场曲显着改善 |
| 3.7 本章总结 |
| 第4章 便携式(电)化学发光成像系统 |
| 4.1 引言 |
| 4.2 集光理论模型和标准构建 |
| 4.2.1 光学收集能力的理论模型 |
| 4.2.2 现有系统的理论性能计算 |
| 4.3 实验材料和设备 |
| 4.3.1 光学原件 |
| 4.3.2 电化学发光实验 |
| 4.3.3 实验数据处理 |
| 4.4 实验结果分析 |
| 4.4.1 发光系统集光性能对比 |
| 4.4.2 发光系统集光性能优化 |
| 4.4.3 LED模拟光源实验验证 |
| 4.4.4 (电)化学发光实验验证 |
| 4.5 讨论 |
| 4.6 本章总结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来工作展望 |
| 5.2.1 感染诊断系统集成化 |
| 5.2.2 基于EDOF的临床应用 |
| 5.2.3 发光系统的灵敏度提升 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（2）基于深度学习的焊点缺陷及元器件检测方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 自动光学检查设备发展现状 |
| 1.2.2 焊点缺陷及元器件检测的研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文章节安排 |
| 第2章 自动光学检查设备 |
| 2.1 自动光学检查设备概述 |
| 2.2 AOI设备硬件组成 |
| 2.2.1 视觉系统 |
| 2.2.2 运动控制系统 |
| 2.2.3 设备操作主控机 |
| 2.3 AOI设备软件系统 |
| 2.4 本章小结 |
| 第3章 图像数据预处理与数据集制作 |
| 3.1 PCBA图像数据的采集 |
| 3.2 PCBA图像滤波 |
| 3.2.1 图像滤波概述 |
| 3.2.2 高斯滤波 |
| 3.2.3 均值滤波 |
| 3.2.4 中值滤波 |
| 3.2.5 三种滤波结果对比 |
| 3.3 PCBA数据扩增 |
| 3.4 PCBA数据集制作 |
| 3.5 本章小结 |
| 第4章 基于深度学习的焊点缺陷及元器件检测算法 |
| 4.1 基于深度学习的目标检测方法概述 |
| 4.2 基于Faster R-CNN的焊点缺陷及元器件检测算法 |
| 4.2.1 Faster R-CNN算法原理 |
| 4.2.2 基于VGG-16的Faster R-CNN算法网络结构 |
| 4.2.3 Faster R-CNN实验及结果分析 |
| 4.3 基于YOLO的焊点缺陷及元器件检测算法 |
| 4.3.1 YOLO算法原理 |
| 4.3.2 YOLO算法网络结构 |
| 4.3.3 YOLO V3实验结果及分析 |
| 4.4 改进型Faster R-CNN算法 |
| 4.4.1 改进型Faster R-CNN算法原理 |
| 4.4.2 改进型Faster R-CNN算法实验结果及分析 |
| 4.5 本章小结 |
| 第5章 总结和展望 |
| 5.1 总结 |
| 5.2 进一步的工作方向 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（3）5G网络技术对提升4G网络性能的研究（论文提纲范文）
| 引言 |
| 1 4G网络现处理办法 |
| 2 4G网络可应用的5G关键技术 |
| 2.1 Msssive MIMO技术 |
| 2.2 极简载波技术 |
| 2.3 超密集组网 |
| 2.4 MEC技术 |
| 3 总结 |
（4）矿石批量拣选过程的分形理论建模与决策算法优化（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 2 文献综述 |
| 2.1 矿石预选技术 |
| 2.2 矿石传感拣选技术 |
| 2.3 矿石拣选工艺与应用 |
| 2.3.1 矿块拣选工艺与应用 |
| 2.3.2 矿石批量拣选工艺与应用 |
| 2.3.3 矿块拣选与矿石批量拣选工艺对比 |
| 2.4 矿石拣选研究现状 |
| 2.4.1 矿石品位异质性 |
| 2.4.2 矿石统计模型和拣选决策算法 |
| 2.4.3 拣选阈值确定及经济效益评价 |
| 2.4.4 当前研究存在问题 |
| 2.5 分形理论与矿石金属分布的分形规律研究 |
| 2.5.1 分形理论 |
| 2.5.2 矿石金属分布的分形规律研究 |
| 2.6 小结 |
| 3 研究内容与研究方法 |
| 3.1 研究目标 |
| 3.2 研究技术路线 |
| 3.3 研究内容 |
| 3.3.1 矿石批量拣选过程的分形理论建模 |
| 3.3.2 矿石批量拣选模型验证 |
| 3.3.3 矿石批量拣选可行性的模型评价 |
| 3.3.4 XRF矿石拣选决策影响因素分析 |
| 3.3.5 XRF矿石拣选决策算法优化 |
| 3.4 研究方法 |
| 3.4.1 模型理论数学计算 |
| 3.4.2 分形参数拟合计算 |
| 3.4.3 实验室XRF测试试样 |
| 3.4.4 实验室XRF品位测定仪器 |
| 3.4.5 拣选效果分析 |
| 4 矿石批量拣选过程的分形理论建模 |
| 4.1 矿石金属分布分形规律研究 |
| 4.2 矿石金属分布规律的分形参数表征 |
| 4.3 矿石批量拣选技术指标预测 |
| 4.4 矿石批量拣选经济指标预测 |
| 4.5 最优拣选阈值求解 |
| 4.6 小结 |
| 5 矿石批量拣选模型验证与应用 |
| 5.1 Cadia Ridgeway铜矿矿石批量拣选模型验证 |
| 5.2 New Afton铜矿矿石批量拣选模型验证 |
| 5.2.1 井下爆堆样矿石批量拣选模型验证 |
| 5.2.2 地质岩芯样矿石批量拣选模型验证 |
| 5.3 矿石批量拣选可行性的模型评价 |
| 5.3.1 矿石预选可行性的模型评价 |
| 5.3.2 低品位矿石回收可行性的模型评价 |
| 5.4 小结 |
| 6 XRF矿石批量拣选决策算法优化 |
| 6.1 矿石批量拣选模型预测 |
| 6.2 实际XRF矿石批量拣选影响因素分析 |
| 6.2.1 仪器误差对矿石拣选决策影响研究 |
| 6.2.2 试样误差对矿石拣选决策影响研究 |
| 6.3 基于线性回归模型的矿石拣选决策算法研究 |
| 6.3.1 简单线性回归算法研究 |
| 6.3.2 多元线性回归算法研究 |
| 6.4 基于受试者操作特征曲线分析的矿石拣选决策算法研究 |
| 6.5 小结 |
| 7 结论 |
| 7.1 主要结论 |
| 7.2 创新点 |
| 参考文献 |
| 附录A Cadia Ridgeway铜矿矿石批量拣选模型验证 |
| 附录B New Afton铜矿井下爆堆样拣选模型验证 |
| 附录C New Afton铜矿地质岩芯样拣选模型验证 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（5）JBY健康科技公司商业模式研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 研究目的和研究方法 |
| 1.3 研究内容与论文结构 |
| 第二章 商业模式理论研究和分析方法 |
| 2.1 商业模式研究 |
| 2.1.1 商业模式相关概念 |
| 2.1.2 国外商业模式研究 |
| 2.1.3 国内商业模式研究 |
| 2.2 分析工具和方法 |
| 2.2.1 PEST分析方法 |
| 2.2.2 SWOT分析方法 |
| 2.2.3 商业模式画布工具 |
| 2.2.4 质性分析方法 |
| 第三章 基于PEST工具的大健康行业分析 |
| 3.1 大健康行业现状分析 |
| 3.1.1 大健康产业的兴起 |
| 3.1.2 大健康产业现状分析 |
| 3.1.3 医疗器械行业发展现状 |
| 3.2 宏观环境PEST分析 |
| 3.2.1 行业发展的政治环境 |
| 3.2.2 行业发展的经济环境 |
| 3.2.3 行业发展的社会环境 |
| 3.2.4 行业发展的技术环境 |
| 第四章 基于SWOT的 JBY公司核心竞争力分析 |
| 4.1 JBY公司现状与发展历程 |
| 4.2 JBY公司核心竞争力SWOT分析 |
| 4.2.1 优势（strength） |
| 4.2.2 劣势(weakness) |
| 4.2.3 机遇(opportunity) |
| 4.2.4 威胁(threats) |
| 4.3 JBY公司SWOT矩阵分析 |
| 4.4 JBY公司存在问题根源 |
| 第五章 JBY公司新商业模式设计 |
| 5.1 新商业模式战略定位 |
| 5.1.1 新商业模式战略方向设计 |
| 5.1.2 新商业模式战略执行设计 |
| 5.2 新商业模式关键要素详细设计 |
| 5.2.1 公司战略和主营业务 |
| 5.2.2 市场定位 |
| 5.2.3 运营模式 |
| 5.2.4 营销模式 |
| 5.2.5 盈利模式 |
| 5.2.6 治理模式 |
| 5.3 JBY公司新商业模式架构 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 结束语 |
| 参考文献 |
| 致谢 |
（6）基于深度学习的双孢菇采摘机器人视觉系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 目标识别与目标检测技术研究现状 |
| 1.2.2 目标定位技术研究现状 |
| 1.2.3 农业机器人视觉系统研究现状 |
| 1.3 研究目的与意义 |
| 1.4 研究思路与内容 |
| 1.4.1 主要研究思路 |
| 1.4.2 主要研究内容 |
| 1.5 研究的创新点 |
| 1.6 论文组织结构 |
| 第二章 相关理论基础及开发工具 |
| 2.1 机器学习理论 |
| 2.1.1 机器学习方法 |
| 2.1.2 过拟合与欠拟合 |
| 2.1.3 超参数与验证集 |
| 2.1.4 优化算法 |
| 2.1.5 学习方式 |
| 2.2 卷积神经网络 |
| 2.3 反向传播 |
| 2.4 深度学习框架 |
| 第三章 数据集合构建 |
| 3.1 双孢菇目标检测图像数据集合构建 |
| 3.1.1 光学系统 |
| 3.1.2 数据采集与整理 |
| 3.1.3 数据标注 |
| 3.1.4 数据增广 |
| 3.2 双孢菇品质分级图像数据集合构建 |
| 3.3 品质分级算法泛化能力验证数据集合构建 |
| 3.3.1 光学系统 |
| 3.3.2 数据采集 |
| 3.3.3 数据预处理 |
| 第四章 基于深度卷积神经网络的双孢菇目标检测 |
| 4.1 单模态双孢菇目标检测 |
| 4.1.1 基于CenterNet检测器的双孢菇检测 |
| 4.1.2 基于注意力融合检测器的双孢菇检测 |
| 4.2 多模态双孢菇目标检测 |
| 4.2.1 多模态注意力融合网络架构 |
| 4.2.2 网络训练 |
| 4.3 实验结果对比分析 |
| 第五章 基于轻量级神经网络的双孢菇品质分级 |
| 5.1 卷积运算计算量与参数量 |
| 5.2 压缩模块 |
| 5.3 轻量级神经网络LightNet |
| 5.4 网络训练 |
| 5.5 实验结果对比分析 |
| 5.6 泛化能力测试 |
| 第六章 双孢菇采摘机器人视觉系统原型 |
| 6.1 系统总体设计 |
| 6.2 系统模块设计 |
| 6.3 目标三维空间定位设计与实现 |
| 6.4 采摘路径规划方法设计与实现 |
| 6.4.1 多区域采摘路径规划方法 |
| 6.4.2 行顺序采摘路径规划方法 |
| 6.5 系统集成与测试 |
| 6.5.1 边缘计算平台对比分析 |
| 6.5.2 系统环境配置 |
| 6.5.3 系统集成 |
| 6.5.4 系统测试 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（7）水心病苹果水心程度与可溶性固形物含量在线无损检测方法与分级装备研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 符号及缩略词清单 |
| 第一章 绪论 |
| 1.1 苹果产业概述 |
| 1.1.1 苹果产业现状 |
| 1.1.2 苹果品质检测指标及检测技术 |
| 1.2 苹果水心病 |
| 1.2.1 苹果水心病简介 |
| 1.2.2 苹果水心病的发生机理及影响因素 |
| 1.2.3 苹果水心病的危害 |
| 1.2.4 苹果水心病的检测方法 |
| 1.3 苹果内部品质Vis/NIR光谱检测技术研究现状 |
| 1.3.1 技术原理及特点 |
| 1.3.2 光谱采集方式 |
| 1.3.3 检测影响因素 |
| 1.3.4 在水果内部品质检测中的应用 |
| 1.3.5 存在的问题 |
| 1.4 苹果内部品质Vis/NIR光谱检测装备研究现状 |
| 1.4.1 苹果内部品质检测装备产业现状 |
| 1.4.2 苹果内部品质检测输送分级装备研究现状 |
| 1.4.3 存在的问题 |
| 1.5 研究内容及技术路线图 |
| 1.5.1 研究内容 |
| 1.5.2 技术路线图 |
| 1.6 本章小结 |
| 第二章 实验仪器、材料和方法 |
| 2.1 引言 |
| 2.2 主要实验仪器 |
| 2.2.1 QE65PRO微型光谱仪 |
| 2.2.2 PR-201α数字折光仪 |
| 2.2.3 图像采集系统 |
| 2.3 实验材料 |
| 2.4 软件介绍 |
| 2.4.1 光谱采集软件 |
| 2.4.2 数据处理分析软件 |
| 2.4.3 机、电、控制及结构仿真软件 |
| 2.4.4 光学仿真软件 |
| 2.5 数据统计分析方法 |
| 2.5.1 光谱预处理方法 |
| 2.5.2 样本集划分方法 |
| 2.5.3 数据建模方法 |
| 2.5.4 模型评价方法 |
| 2.6 本章小结 |
| 第三章 苹果水心病Vis/NIR光谱特性及无损检测可行性研究 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 苹果样本 |
| 3.2.2 Vis/NIR光谱采集系统 |
| 3.2.3 水心程度测量 |
| 3.2.4 不同组织光透性测试 |
| 3.2.5 SSC测量中的取样方法研究 |
| 3.3 结果和讨论 |
| 3.3.1 SSC分布和取样方法分析 |
| 3.3.2 样本特征分析 |
| 3.3.3 水心苹果Vis/NIR光谱特性 |
| 3.3.4 水心病苹果SSC预测研究 |
| 3.3.5 苹果水心病检测研究 |
| 3.4 本章小结 |
| 第四章 光源布局及苹果大小对苹果水心病检测的影响研究 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 苹果样本 |
| 4.2.2 LightTools光源系统仿真设置 |
| 4.2.3 不同光源布局无损检测系统 |
| 4.2.4 苹果尺寸、SSC和 WSI测量 |
| 4.3 结果与讨论 |
| 4.3.1 样本特征分析 |
| 4.3.2 LightTools仿真结果分析 |
| 4.3.3 光谱特征分析 |
| 4.3.4 双光源系统建模研究 |
| 4.3.5 不同光源布局建模研究 |
| 4.3.6 特征波长挑选 |
| 4.4 本章小结 |
| 第五章 基于Vis/NIR光谱技术的苹果水心病在线检测装备研发 |
| 5.1 引言 |
| 5.2 多功能果杯的设计研发 |
| 5.2.1 多功能果杯结构设计 |
| 5.2.2 果杯功能仿真验证 |
| 5.3 自适应光源系统的设计研发 |
| 5.3.1 自适应光源调整机构结构设计 |
| 5.3.2 自适应光源调整机构仿真验证 |
| 5.4 输送分级系统设计研发 |
| 5.4.1 输送分级系统各组件设计 |
| 5.4.2 输送分级防损伤设计 |
| 5.5 电路及控制系统设计 |
| 5.5.1 控制系统及程序设计 |
| 5.5.2 电路系统设计 |
| 5.6 整机工作流程 |
| 5.7 在线检测装备光谱检测性能验证 |
| 5.7.1 测试样本 |
| 5.7.2 测试条件 |
| 5.7.3 在线检测装备静态性能测试 |
| 5.7.4 在线检测装备动态性能测试 |
| 5.8 本章小结 |
| 第六章 苹果姿态对苹果水心病在线检测的影响研究 |
| 6.1 引言 |
| 6.2 材料与方法 |
| 6.2.1 苹果样本 |
| 6.2.2 光谱检测设备简介 |
| 6.2.3 苹果尺寸、SSC和 WSI测量 |
| 6.3 结果与讨论 |
| 6.3.1 样本特征分析 |
| 6.3.2 不同姿态下苹果光谱特征分析 |
| 6.3.3 不同姿态下SSC和WSI预测模型研究 |
| 6.3.4 水心病判别分析 |
| 6.4 本章小结 |
| 第七章 基于自适应光源系统的不同大小苹果光谱修正方法研究 |
| 7.1 引言 |
| 7.2 材料与方法 |
| 7.2.1 苹果样本 |
| 7.2.2 光谱检测设备简介 |
| 7.2.3 苹果大小、SSC和WSI测量 |
| 7.2.4 大小修正方法研究 |
| 7.3 结果与讨论 |
| 7.3.1 样本特征分析 |
| 7.3.2 不同大小苹果光谱特征分析 |
| 7.3.3 基于大小修正的SSC预测模型研究 |
| 7.3.4 水心判别分析 |
| 7.4 本章小结 |
| 第八章 结论、创新点与展望 |
| 8.1 主要研究结论 |
| 8.2 主要创新点 |
| 8.3 后期研究展望 |
| 参考文献 |
| 作者简历 |
（8）熔盐线性菲涅尔式聚光集热系统关键控制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 太阳能光热发电技术的背景和意义 |
| 1.1.1 太阳能光热发电技术的背景 |
| 1.1.2 太阳能光热发电技术研究的意义 |
| 1.2 太阳能光热发电技术国内外研究现状 |
| 1.2.1 国外光热发电技术路线研究现状 |
| 1.2.2 光热发电传储热介质 |
| 1.2.3 熔融盐介质研究现状 |
| 1.3 集热系统热损失 |
| 1.4 论文研究意义及主要研究内容 |
| 1.4.1 论文研究意义 |
| 1.4.2 论文主要研究内容 |
| 2.熔盐线性菲涅尔示范电站简介 |
| 2.1 示范电站组成 |
| 2.1.1 聚光集热系统 |
| 2.1.2 储换热系统 |
| 2.1.3 常规发电系统 |
| 2.1.4 熔盐线性菲涅尔电站运行工艺 |
| 2.2 高精度太阳位置算法 |
| 2.3 本章小结 |
| 3.熔盐线性菲涅尔电站防凝策略研究 |
| 3.1 熔盐线性菲涅尔集热系统防凝 |
| 3.1.1 熔盐储罐及主管道电伴热防凝 |
| 3.1.2 集热回路低速循环防凝 |
| 3.1.3 熔盐流动特性 |
| 3.2 线性菲涅尔熔盐电站运行模式研究 |
| 3.3 线性菲涅尔空管预热算法研究 |
| 3.3.1 线性菲涅尔集热系统结构 |
| 3.3.2 阴影与遮挡效率模型 |
| 3.3.3 余弦效率模型 |
| 3.3.4 线性菲涅尔集热系统综合光热效率模型 |
| 3.3.5 变占空比预热控制 |
| 3.3.6 控制过程仿真分析 |
| 3.3.7 应用实例及分析 |
| 3.4 本章小结 |
| 4.线性菲涅尔一次镜跟踪控制误差分析及补偿算法研究 |
| 4.1 跟踪目标角度误差 |
| 4.2 线性菲涅尔聚光集热系统结构 |
| 4.2.1 线性菲涅尔式集热场结构 |
| 4.2.2 线性菲涅尔系统驱动装置结构 |
| 4.3 线性菲涅尔聚光系统跟踪角度误差分析 |
| 4.3.1 一次镜面型误差 |
| 4.3.2 CPC安装误差 |
| 4.3.3 镜场南北向偏差 |
| 4.3.4 一次镜面旋转轴偏差 |
| 4.3.5 角度传感器的精度偏差 |
| 4.4 跟踪追日系统仿真及实验测试 |
| 4.4.1 反射光斑能流密度 |
| 4.4.2 跟踪误差仿真 |
| 4.4.3 反射光斑实际汇聚效果测试 |
| 4.4.4 实际追踪角度测试 |
| 4.5 非线性补偿算法 |
| 4.5.1 非线性跟踪误差机理分析 |
| 4.5.2 非线性补偿算法及误差分析 |
| 4.6 本章小结 |
| 5.线性菲涅尔集热回路出口熔盐温度预测算法研究 |
| 5.1 集热回路传热模型 |
| 5.2 集热回路出口盐温预测控制策略 |
| 5.2.1 预测控制网络模型 |
| 5.2.2 基于K-means方法的RBF神经网络 |
| 5.3 非线性预测网络训练 |
| 5.3.1 输入样本 |
| 5.3.2 数据处理 |
| 5.3.3 网络训练 |
| 5.3.4 模型验证 |
| 5.4 本章小结 |
| 6 线性菲涅尔示范电站集热岛镜场控制网络优化及数据采集及监控系统设计 |
| 6.1 线性菲涅尔镜场控制系统设计 |
| 6.1.1 镜场控制系统网络结构特点 |
| 6.1.2 线性菲涅尔镜场控制系统硬件结构及功能 |
| 6.1.3 镜场控制系统硬件配置 |
| 6.1.4 双机冗余主控单元 |
| 6.1.5 SCA从站单元 |
| 6.1.6 分布式IO远程单元 |
| 6.2 线性菲涅尔镜场控制系统软件设计 |
| 6.2.1 数据采集及监控系统(SCADA)简介 |
| 6.2.2 SCADA系统配置 |
| 6.2.3 SCADA系统人机交互软件设计 |
| 6.2.4 人机交互界面设计 |
| 6.2.5 镜场数据分析及存储管理 |
| 6.3 冗余通信网络设计 |
| 6.3.1 网络架构 |
| 6.3.2 VLAN(虚拟局域网)设置及划分 |
| 6.4 设备间相互通信及协议规划 |
| 6.4.1 人机交互界面与下位主控设备通信 |
| 6.4.2 下位主控设备与SCA从站单元通信 |
| 6.4.3 与第三方DCS系统通讯 |
| 6.4.4 兼容终端设备间DATALINK通信 |
| 6.4.5 485 协议宏通信 |
| 6.5 通讯实验及测试结果分析 |
| 6.5.1 IO Server与 PLC通讯测试 |
| 6.5.2 FINS通讯测试 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 附录 |
（9）专利视域下智能网联汽车关键技术分析及产品评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 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 智能网联汽车专利地图 |
| 1.2.2 智能网联汽车知识图谱 |
| 1.2.3 智能网联汽车生命周期评价 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 第2章 智能网联汽车关键技术专利地图绘制 |
| 2.1 专利地图绘制方法 |
| 2.2 专利态势地图绘制 |
| 2.2.1 专利趋势 |
| 2.2.2 技术成熟度 |
| 2.2.3 专利地域 |
| 2.2.4 技术结构 |
| 2.3 竞争态势地图绘制 |
| 2.3.1 主要国家专利分布差异 |
| 2.3.2 主要创新主体布局差异 |
| 2.3.3 外企在中国的专利布局 |
| 2.4 关键技术专利地图分析 |
| 2.4.1 环境感知技术专利地图 |
| 2.4.2 决策控制技术专利地图 |
| 2.4.3 V2X通信技术专利地图 |
| 2.4.4 云平台与大数据技术专利地图 |
| 2.5 本章小结 |
| 第3章 基于专利知识图谱的智能网联汽车关键技术分析 |
| 3.1 专利知识图谱基础理论 |
| 3.1.1 知识图谱原理与方法 |
| 3.1.2 专利数据处理原则与工具 |
| 3.2 智能网联汽车关键技术基础与前沿分析 |
| 3.2.1 技术领域分析 |
| 3.2.2 技术基础分析 |
| 3.2.3 技术前沿分析 |
| 3.3 智能网联汽车关键技术热点分析 |
| 3.3.1 关键技术热点的知识图谱 |
| 3.3.2 环境感知与决策控制技术热点分析 |
| 3.3.3 V2X与云平台大数据技术热点分析 |
| 3.4 智能网联汽车关键技术演化路径分析 |
| 3.4.1 研究方法与参数设置 |
| 3.4.2 关键词与技术主题演化状态分析 |
| 3.4.3 技术主题动态演化路径分析 |
| 3.5 本章小结 |
| 第4章 面向企业关键技术的智能网联汽车产品技术经济评价 |
| 4.1 智能网联汽车企业关键技术专利分析 |
| 4.1.1 环境感知技术 |
| 4.1.2 决策控制技术 |
| 4.1.3 V2X通信技术 |
| 4.1.4 云平台与大数据技术 |
| 4.2 智能网联汽车产品的技术评价 |
| 4.2.1 评价维度 |
| 4.2.2 评价模型 |
| 4.2.3 评价结果 |
| 4.3 智能网联汽车产品的经济评价 |
| 4.3.1 评价原则 |
| 4.3.2 车型及指标的选取 |
| 4.3.3 评价模型 |
| 4.3.4 评价结果及分析 |
| 4.4 本章小结 |
| 第5章 智能网联汽车企业技术路线分析及产品节能减排评价 |
| 5.1 基于重点专利的企业技术路线分析 |
| 5.1.1 关键技术重点专利分析 |
| 5.1.2 企业技术发展路线分析 |
| 5.1.3 基于重点专利技术的等级划分 |
| 5.2 智能网联汽车产品节能减排评价目标与边界 |
| 5.2.1 评价对象选取 |
| 5.2.2 面向关键技术的评价目标选取 |
| 5.2.3 面向关键技术的评价边界划定 |
| 5.3 智能网联汽车产品节能减排评价模型构建 |
| 5.3.1 原材料获取阶段 |
| 5.3.2 零部件制造装配阶段 |
| 5.3.3 运行使用阶段 |
| 5.3.4 报废回收阶段 |
| 5.4 智能网联汽车产品节能减排评价结果分析 |
| 5.4.1 不同智能级别车辆分类与特征化结果 |
| 5.4.2 不同智能级别车辆归一化和量化结果 |
| 5.5 本章小结 |
| 结论与展望 |
| 1、主要研究结论 |
| 2、主要创新点 |
| 3、进一步研究工作展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间的学术成果目录 |
（10）基于气体浓度在线检测的发酵过程反馈控制补料系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 发酵过程气体在线检测的研究现状 |
| 1.2.1 基于半导体敏感材料的气体浓度检测方法 |
| 1.2.2 基于光学原理的气体浓度检测方法 |
| 1.2.3 基于电化学原理的气体浓度检测方法 |
| 1.3 发酵过程在线反馈控制补料方法的研究现状 |
| 1.3.1 基于pH值在线检测的发酵过程反馈控制补料方法 |
| 1.3.2 基于DO在线检测的发酵过程反馈控制补料方法 |
| 1.3.3 基于气体浓度在线检测的发酵过程反馈控制补料方法 |
| 1.4 发酵过程测控系统的研究现状 |
| 1.5 课题研究意义和主要内容 |
| 1.5.1 课题的研究意义 |
| 1.5.2 主要研究内容 |
| 第二章 基于气体浓度在线检测的发酵过程反馈控制补料方法研究 |
| 2.1 引言 |
| 2.2 发酵过程气体浓度在线检测方法的研究 |
| 2.2.1 发酵过程代谢产物气体浓度与菌体浓度的关系 |
| 2.2.2 发酵过程气体采集装置设计 |
| 2.2.3 发酵过程气体浓度在线检测方法分析 |
| 2.3 发酵过程的反馈控制补料方法 |
| 2.3.1 发酵过程中的控制补料问题描述 |
| 2.3.2 利用发酵过程先验知识的发酵过程反馈控制补料方法 |
| 2.4 三种发酵过程的反馈控制补料算法 |
| 2.4.1 谷胱甘肽发酵反馈控制补料算法 |
| 2.4.2 戊糖片球菌发酵反馈控制补料算法 |
| 2.4.3 富硒酵母发酵反馈控制补料算法 |
| 2.5 小结 |
| 第三章 基于虚拟仪器技术的发酵过程反馈控制补料系统的设计与实现 |
| 3.1 引言 |
| 3.2 发酵过程测控系统的集成 |
| 3.3 发酵过程反馈控制补料系统总体设计 |
| 3.4 发酵过程反馈控制补料系统硬件设计和实现 |
| 3.4.1 硬件系统设计 |
| 3.4.2 系统硬件设备的配置 |
| 3.5 发酵过程反馈控制补料系统软件设计和实现 |
| 3.5.1 数据通讯子系统 |
| 3.5.2 数据处理子系统 |
| 3.5.3 控制补料子系统 |
| 3.5.4 数据管理子系统 |
| 3.5.5 人机交互界面子系统 |
| 3.6 小结 |
| 第4章 实验与分析 |
| 4.1 引言 |
| 4.2 发酵过程气体浓度在线检测实验与分析 |
| 4.3 发酵过程反馈控制补料系统功能测试 |
| 4.3.1 数据通讯子系统测试 |
| 4.3.2 数据处理子系统测试 |
| 4.3.3 控制补料子系统测试 |
| 4.3.4 数据管理子系统测试 |
| 4.3.5 人机交互界面子系统测试 |
| 4.4 发酵过程反馈控制补料实验与分析 |
| 4.4.1 谷胱甘肽发酵过程反馈控制补料实验与分析 |
| 4.4.2 戊糖片球菌发酵过程反馈控制补料方法实验与分析 |
| 4.4.3 富硒酵母发酵过程反馈控制补料方法实验与分析 |
| 4.5 小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
四、自动光学测试实现生产效益最大化（论文参考文献）
- [1]即时检测系统中的光学设计及应用[D]. 李娅宁. 中国科学技术大学, 2021(09)
- [2]基于深度学习的焊点缺陷及元器件检测方法的研究[D]. 汪保玉. 南昌大学, 2020(01)
- [3]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)
- [4]矿石批量拣选过程的分形理论建模与决策算法优化[D]. 李根壮. 北京科技大学, 2019(06)
- [5]JBY健康科技公司商业模式研究[D]. 王勇. 河北工业大学, 2019(06)
- [6]基于深度学习的双孢菇采摘机器人视觉系统研究[D]. 曹景军. 中国农业科学院, 2021(01)
- [7]水心病苹果水心程度与可溶性固形物含量在线无损检测方法与分级装备研究[D]. 常汉. 浙江大学, 2021(01)
- [8]熔盐线性菲涅尔式聚光集热系统关键控制技术研究[D]. 张志勇. 兰州交通大学, 2021
- [9]专利视域下智能网联汽车关键技术分析及产品评价研究[D]. 熊晓琴. 湖南大学, 2020(02)
- [10]基于气体浓度在线检测的发酵过程反馈控制补料系统设计与实现[D]. 张亚举. 北京化工大学, 2020(02)