5篇关于数字图像处理的计算机毕业论文

今天分享的是关于数字图像处理的5篇计算机毕业论文范文, 如果你的论文涉及到数字图像处理等主题,本文能够帮助到你

基于机器视觉的橙幼果识别与病虫害检测方法

这是一篇关于深度学习,目标检测,橙幼果,数字图像处理,果实损伤检测界面,智慧果园的论文, 主要内容为橙是重要的水果品类和经济作物。橙幼果果情信息检测是制定果园管理策略的依据,对现代化、智能化果园生产具有重要意义。针对橙幼果果情自动化、规模化检测需求,本文提出基于深度学习的橙幼果识别和病虫害检测方法,主要研究内容及成果如下:(1)橙幼果背景去除方法研究。针对橙幼果颜色与背景相似导致传统方法识别困难的问题,提出了利用语义分割模型Seg Net去除图像背景以提高识别精度。首先建立橙幼果数据集,然后利用PSPNet、HRNet和Seg Net三种语义分割模型对数据进行处理,结果表明,Seg Net模型分割精度高于PSPNet与HRNet模型,其精确率、召回率、F1分数、MPA值和MIo U值分别为81.72%、82.06%、81.89%、81.17%和81.74%。基于学习率优化策略对Seg Net模型进行改进,改进后的模型的各指标分别为83.35%、84.79%、84.06%、82.34%和82.09%。对比原模型各指标分别提升了1.63%、1.73%、2.17%、1.17%和0.35%。所建模型实现了较高精度的橙幼果背景去除。(2)橙幼果目标识别模型建立。首先制作橙幼果识别数据集,数据集包含1500张经语义分割去除背景的图像,按3:1的比例划分训练集和测试集。对图像进行人工标注,使用数据增强的方法对数据集进行扩充后完成橙幼果数据集的构建。使用Faster-RCNN网络、SSD网络、单阶段检测模型YOLOv5s对橙幼果数据集进行训练,结果表明YOLOv5s模型的综合性能较优,其评价指标精确度、召回率、m AP值和平均识别时间分别为94.24%、96.98%、98.21%和0.067s。基于空洞空间卷积池化金字塔结构对YOLOv5s模型进行改进优化,结果显示改进后的模型即ASPPYOLOv5s的各指标分别为96.82%、96.20%、98.93%和0.071s。经语义分割后的图像的识别率满足目标需求。(3)基于深度学习的橙幼果损伤检测。依据橙幼果的常见损伤,本文构建了1200张由橙炭疽病、橙溃疡病、黑斑病和正常果实按照1:1:1:1的比例组成的数据集,使用未改进的YOLOv5s模型和基于注意力机制改进的YOLOv5s模型对数据集进行训练,结果表明改进过后的模型的平均精确率、平均召回率和平均m AP值均对比YOLOv5s模型分别提升2.5%、1.6%和1.1%。(4)基于Py Qt5平台的橙幼果病虫害检测界面设计。为了能直观显示病虫害橙幼果的信息,本文设计了基于Py Qt5平台的橙幼果病虫害检测界面,该界面能显示图像尺寸大小、果实病虫害类别和灰度值信息。研究结果表明,本文所提橙幼果识别方法和检测界面能够为果园管理提供橙幼果数量和质量信息。

加热炉火焰的远程监测

这是一篇关于火焰监测,数字图像处理,远程监测,web 应用,Struts,Framework,Hibernate,Spring Framework的论文, 主要内容为在石油化工、化工等过程工业中,高温加热炉是保证工业生产无故障运行的关键设备。高温加热炉的功能是保证工艺介质能够均匀受热,主要是通过燃烧产生的烟气的辐射和传递效应加热介质。所以保证炉膛内燃烧稳定、均匀是使介质能够均匀受热的关键因素。火焰是表示燃烧状态稳定与否最直接的反映。燃烧调整不好或者不稳定导致热效率下降,污染物增加,设备寿命减短等不良后果。火焰的实时监测对于掌握火焰的燃烧状态,炉内温度场的建立都有积极的作用。传统的火焰监测是直接肉眼观测,受到时间和空间的限制,而且不可能做到实时监测,其监测的结果也依个人经验的不同而有很大差别。随着计算机图像处理技术的进步,使得通过计算机进行实时火焰监测成为可能。火焰监测技术涉及到光学、计算机技术、图像处理等多门学科。同时网络技术的迅速发展,使得火焰的远程监测成为可能,也进一步避免了火焰周围恶劣环境对监测人员的影响。基于以上研究背景,本文采用J2EE 技术,Spring Framework、Hibernate、Struts Framework 等开源的工具,开发了火焰的实时监测系统。本文的研究思路如下:首先通过高温CCD,对计算机进行视频输入,图像采集,然后通过图像处理技术,对火焰图像进行分析,得到相关的参数,写入数据库。然后利用J2EE 技术,开发了火焰信息发布诊断平台,进行网络发布,提供给远程用户访问分析,并保存分析结果。本文开展的主要工作和研究成果包括: 第一章主要对国内外火焰监测技术和远程故障诊断的现状进行了阐述,同时分析了课题的可行性。第二章介绍了开发系统所用到的相关技术。鉴于火焰远程监测涉及多个学科的内容,本文主要介绍了图像处理技术,Windows 编程开发图像采集技术、Struts 框架、Hibernate、Spring 框架等技术。第三章给出了系统的整体设计和程序实现的具体方法,同时分别介绍了服务器端图像采集分析软件和火焰信息发布诊断平台开发过程。第四章给出了系统运行实例。

基于图像处理的家具纤维板质量检测系统的设计与实现

这是一篇关于家具检测,数字图像处理,Qt,边缘检测的论文, 主要内容为伴随改革开放步伐的不断深入,国民经济飞速发展,科学技术不断创新,人们的消费需求也随之增长,特别是对日用消费品的需求日趋递增。与此同时,人们对生活用家具产品的需求也持续上升,然而家具厂商当前仍采用人工检测的方式对家具纤维板等产品进行质量检测,其效率远远无法满足市场的需求。此时此刻,设计研发能够更高效地完成家具自动检测工作的家具质量检测系统,对家具生产市场有着重要的现实意义。针对上述问题,本课题采用数字化图像处理技术作为技术核心,结合了Qt跨平台开发套件,设计并实现了一款可以直接应用于生产线,且能够显著提高家具检测效率的家具纤维板外观质量检测系统。研究工作如下:1.需求分析。立足于行业现状,进行家具生产市场相关资料的搜集和调研,得到家具生产厂商对于自动化检测系统的需求,并对需求进行分析。2.系统总体设计。根据家具生产厂商的需求,设计了家具外观质量自动化检测系统。该系统硬件包括两个设备:图像采集设备,由光源、镜头和相机、机械传动装置3个部分组成;图像处理设备,即一台高性能PC。该系统软件包括图像采集模块、图像处理模块、模板管理模块、质量检测模块和图形用户界面等5个模块。3.系统软件的设计与实现。首先,计算机开发环境的搭建;其次,是数字图像处理中所用到的图像二值化、图像轮廓追踪、图像线条拟合、图像去噪、边缘检测等算法的比较分析与应用;最后,是系统软件各模块的详细设计与实现。4.系统功能测试。搭建测试环境,测试与验证了系统各项功能,达到了预期目标。本文通过上述的工作,完成了自动化家具质量检测系统的设计与实现,达到了课题目标。从工程应用的角度,为国内家具企业完善家具生产流水线,实现全面自动化提供了一定的参考价值。

基于词汇树检索的智能手机图书感知系统

这是一篇关于数字图像处理,词汇树,网页爬虫,图书检索,智能手机的论文, 主要内容为随着现在智能移动终端的升级换代以及移动通信技术的高速发展,智能手机终端通过移动网络接入的方式给人们带来了全新的互联网体验。随着图像多媒体信息的日益增加,传统的文字检索引擎已经无法很好的满足用户的检索需求,在这样的背景下,图像搜索引擎开始应运而生,而这其中,以图书检索应用最为广泛。基于手机的图书检索应用,一般需要根据图书的条形码或者图书封面图片作为检索依据,这样的应用,每次只能检索一本图书,并且缺少对图书相关信息的有效整合。针对传统手机图书检索应用的不足,综合考虑书架图书应用场景的特点,本文设计并实现了一款基于词汇树检索的智能手机图书感知系统。该系统通过手机获取书架上排列在一起的图书图片上传到服务器完成图书检索工作,并通过网页爬虫系统为手机用户提供更为详尽的图书相关信息。本系统为了提高检索的准确度,首先需要区分查询图片中每一本相邻图书的书脊边缘线。在详细分析书架图书的图像特征基础上,结合多种数字图像处理技术的特点,通过边缘提取、角度方向提取、过滤短边缘、滤波、直线提取等方法提取相邻图书之间的边缘线,实现相邻图书边缘的有效分割,并通过测试验证算法的效率以及准确性。然后,实现基于词汇树的图像检索算法识别每一本图书,该图像检索算法在传统的SIFT特征提取算法以及视觉特征袋分类方法的基础上,利用k-means分层聚类算法生成视觉词汇,然后采用TF-IDF的加权方式,有效的提高图像检索的效率。同时,为了整合不同网站的图书信息,本文设计并实现了网页图书信息主题爬虫系统。通过分析信息抓取的特点以及网站源代码,利用该爬虫系统从相应网站抓取需要的图书信息并存储到数据库中,整合用户较为关心的图书信息,最终为用户提供一款图像检索与Web信息检索相结合的手机图书感知系统。