导读:本文包含了粒度检测论文开题报告文献综述及选题提纲参考文献，主要关键词:高炉,原燃料粒度,在线检测,图像识别技术
粒度检测论文文献综述
张新天[1]（2019）在《图像识别技术在炼铁原燃料粒度检测中的应用》一文中研究指出论述了图像识别技术在高炉原燃料粒度检测中应用的技术原理,原燃料粒度大小对高炉料柱的透气性的影响非常大,实时了解原燃料粒度大小及分布变化趋势,对把控高炉炉况趋势越来越重要;本研究是通过数字图像处理技术来实时在线获得原燃料粒度的变化情况,该技术在生产中的实际应用取得良好的效果。(本文来源于《现代冶金》期刊2019年05期）
周晨轶,冯宇,徐亦白,卢杉[2]（2019）在《基于增强多重注意力机制的深度神经网络的细粒度检测》一文中研究指出现有的基于注意力机制的细粒度图像识别方法大多都没有考虑目标局部的相关性,而且以往大多数方法都用多阶段或者多尺度机制,导致效率不高且难以端到端训练。本文提出的方法能调节不同输入图像的不同部位的关系。基于上述思路的注意力机制的方法去学习每幅图的每个关注区域特征,再用增强多重注意力机制强化这一效果,让同类别图像具有类似的注意力机制,而不同类别的图像具有不一样的注意力机制,同时也能够进行端到端训练。(本文来源于《计算机与现代化》期刊2019年09期）
朱繁,王洪元,张继[3]（2019）在《基于改进的Mask R-CNN的行人细粒度检测算法》一文中研究指出针对复杂场景下行人检测效果差的问题,采用基于深度学习的目标检测中领先的研究成果,提出了一种基于改进Mask R-CNN框架的行人检测算法。首先,采用K-means算法对行人数据集的目标框进行聚类得到合适的长宽比,通过增加一组长宽比(2∶5)使12种anchors适应图像中行人的尺寸;然后,结合细粒度图像识别技术,实现行人的高定位精度;其次,采用全卷积网络(FCN)分割前景对象,并进行像素预测获得行人的局部掩码(上半身、下半身),实现对行人的细粒度检测;最后,通过学习行人的局部特征获得行人的整体掩码。为了验证改进算法的有效性,将其与当前具有代表性的目标检测方法(如更快速的区域卷积神经网络(Faster R-CNN)、YOLOv2、R-FCN)在同数据集上进行对比。实验结果表明,改进的算法提高了行人检测的速度和精度,并且降低了误检率。(本文来源于《计算机应用》期刊2019年11期）
黄习敏[4]（2019）在《基于图像识别的在线粒度检测方法研究与检测系统设计》一文中研究指出碎矿的粒度信息反映了破碎过程中各级破碎机的工作状况。通过碎矿的在线粒度检测,可以实时地掌握矿石的粒度分布情况,将检测结果反馈给破碎机控制系统,能够有效的控制破碎机的工作参数,从而提高选矿效率,降低能耗,提高矿产资源的利用率。基于计算机视觉图像处理的在线粒度检测技术,具有安全、快速、非接触测量等诸多优势,是当前颗粒检测技术研究的热点。本课题主要针对矿石破碎过程中粒径信息采集方法问题,采用图像处理技术,设计在线粒度测量系统。论文的主要研究成果如下:(1)针对采集的矿石图像存在运动模糊的问题,采用基于梯度结构相似度的清晰度算法(NRSS),对采集到的多幅不同清晰度、不同内容的矿石图像进行实验对比,初步确定判断图像是否清晰的NRSS阈值。(2)针对矿石图像中粘连颗粒无法有效地分割问题,提出基于多尺度形态学梯度的改进分水岭变换的分割方法,通过与常见的分割算法对比,结果表明,该分割方法能够较精准的分割出颗粒目标。(3)根据实际测量单位与像素标定的关系,计算矿石图像中每个颗粒的实际参数特征,对矿石分割区域进行标定,统计矿石粒度分布状况,并绘制颗粒的参数分布图和粒度分布图。结果表明,检测到的粒径分布结果与实际筛分结果相差较小,具有较高的准确性。(4)结合MATLAB图像处理工具箱和图形用户界面开发环境(GUIDE),组建粒度在线检测系统的软件部分,利用MATLAB与Excel之间的通讯,实现图像载入、图像去噪、图像二值化、图像分割、粒度检测、保存粒度数据等功能。本研究设计的在线粒度检测系统能够精确的分割矿石图像,实现粒度的在线检测。(本文来源于《江西理工大学》期刊2019-05-29）
梅术正[5]（2018）在《基于改进稀疏表征与二部图模型的碎矿粒度检测》一文中研究指出碎矿石的粒度信息能反映破碎机械的工作状况,通过检测这些信息,可以掌握矿石的粒度分布情况,从而帮助调节碎矿机排矿口宽度,实现碎矿粒度分布调节;同时对碎矿系统实施过程优化控制,降低能耗,提高矿产资源的利用率。但是,目前的碎矿图像分割算法效果较差,难以实现粘连矿石图像的有效分割,从而影响碎矿粒度测定的准确度。稀疏表征可有效保证图像的全局特性和语义分割结果,但忽略相邻超像素块之间联系的重要性。因此,针对碎矿图像特性与稀疏表征算法的缺陷,提出了基于改进稀疏表征与二部图的分割算法。该算法首先利用超像素分割算法对图像进行预处理;接着,提取所有超像素的颜色以及纹理特征并将所有与被重构超像素相邻的超像素特征组成字典;然后,用该字典得到的重构误差来描述超像素之间的相似性;最后,依据二部图分割原理构建基于稀疏表征的图像二部图模型,并用T-cut谱聚类算法对图像进行分割。在标准彩色图像库BSDS300上的测试结果表明,改进算法的主要评价指标较改进前有所提升,特别是PRI指标从0.8355增长到0.8361。在改进后的算法框架上研究出当像素与超像素间的权重为0.045、稀疏度为5,LBP特征取64维时,算法在标准彩色图像库BSDS300上的PRI指标最高。为测定碎矿粒度分布,对上述算法得到图像中的每个区域进行处理。首先,根据区域平均灰度,判断目标是否为矿石;接着,对碎矿粒度图像进行二值化处理以及开闭运算操作;最后,提取矿石的轮廓并统计碎矿粒径的分布情况。在实际碎矿机械上的实验结果表明,该算法能实现粘连碎矿图像的分割,并有效测定碎矿的粒度信息。(本文来源于《湖北工业大学》期刊2018-05-25）
冯威[6]（2018）在《基于图像的光衍射法粒度检测系统设计与实现》一文中研究指出随着对空气质量问题的重视,世界各国气体污染排放标准越来越严格,国内外相关研究机构已研发出多种污染物排放检测技术与设备,其中固定污染源的排放,尤其是细/超细颗粒物的排放的在线监测已成为当前关注热点。基于该课题,本文研究如何搭建测量系统来精确测量空气污染物中颗粒粒径的分布情况。本文首先基于Fraunhofer衍射理论和常用的颗粒物粒群分布模型,在MATLAB下对粒子群的衍射情况进行正向仿真,得到其衍射图样和衍射光强函数,并以此指导光学器件选材及光学平台的搭建,同时通过衍射光强验证了知名激光粒度仪HELOS的内部原理符合夫琅和费衍射模型。平台搭建完成之后,基于CCD物理尺寸分环和图像像素点位置分环的关系,本文通过对已知粒谱样品的粒群衍射图像进行分环,并不断调整实验参数,使本系统所测得的归一化光强与该实验参数下的仿真光强最接近。最后,对实验测量的衍射光强和特定实验参数采用一定的反演算法进行反演,得到反演的粒度分布结果。通过对比多组样品分别在HELOS系统和本系统下测量的粒度分布结果,验证本衍射测量系统的测量效果。本衍射粒度测量系统的量程为0.1um~10um,在特定图像分环参数下,四组待测粒群样品的归一化衍射实验光强与仿真光强平均误差为24%,有模式反演算法针对对数正态分布模型的误差较大,无模式反演算法中迭代次数为500次的CHAHINE迭代算法,其效果优于TSVD反演算法和TIKHONOV反演算法,粒谱反演误差为36%。(本文来源于《华中科技大学》期刊2018-05-23）
朱春博[7]（2018）在《基于在线粒度检测的粉碎机控制系统设计》一文中研究指出随着工业化进程进一步发展,粉碎设备广泛应用于各个行业领域。超微粉碎技术作为一种新型粉碎加工方法,受到普遍关注。但是现有粉碎机控制系统多采用人工闭环控制,细度控制参数调节复杂,工艺参数不稳定,易产生过粉碎,且可追溯性差。本文运用在线粒度检测系统可实时反馈成品切割粒径及粒度分布数据的优势,结合粉碎系统各环节检测信号设计开发一种自动化程度更高,生产过程工艺参数更加稳定,粉碎过程能耗控制更加有效的粉碎机控制系统。以适应超微粉碎工程需求及市场发展趋势。本文从超微粉碎机工艺流程出发,对影响粉碎机成品粒度的相关因素及设备原理进行了深入研究和阐述,确定控制成品粒度的参数,包括分级机转速、系统风量及主轴转速。文章从原理出发设计阐述了基于在线粒度检测的产品粒度控制的具体算法。考虑了实际工程应用中数据采集中的不确定因素以及控制粒度参数调节过程中对其他工艺参数所产生的影响,并提出了具体控制解决方法。文章以西门子S7-200 SMART PLC为基础设计了硬件系统,并对研究所得控制方法进行了编程,包含通讯程序、用于粒度控制的控制方程计算子程序、粒度控制程序、粉碎温度控制程序、粉碎负荷控制程序等。根据文章设计,作者试制了基于在线粒度检测的粉碎机控制系统,并进行了实际工程应用调试,获得初步的成功。(本文来源于《青岛大学》期刊2018-05-19）
叶平坤[8]（2018）在《基于图像处理的矿岩粒度检测的研究》一文中研究指出图像处理技术是改善传统工业,实现工业智能化的基本途径之一,是“中国制造2025”的基本要求。矿岩粒度是矿岩破碎的主要技术指标,同时矿岩粒度的准确分布不但是选矿自动化的重要参数,而且是后续工序的依据。将图像处理技术应用到矿岩粒度的检测中,能够实时获得矿岩粒度的参数信息,可以提高矿岩破碎设备的生产能力;还可以实时检测工业生产线上矿岩粒度分布参数,为改善产品质量提供基本参数。因此,基于图像处理的矿岩粒度检测有重要的理论研究意义和实际应用价值。根据现场生产的实际控制要求,能够利用图像处理技术检测矿岩粒度参数。本文研究的主要内容如下:(1)矿岩颗粒图像预处理。首先采取改进的滤波算法去除图像中的噪声,增加矿岩颗粒边缘的对比度;然后对经过滤波处理后的图像利用形态学理论优化矿岩颗粒区域;最后利用重构原理消除矿岩颗粒内部的极小区域,减小图像的过度分割。(2)矿岩颗粒图像的分割。在传统的分水岭图像分割法的基础上,将图像中的矿岩颗粒进行内部标记,同时在背景处进行外部标记,标记完成后再对图像分割,能够较为理想地完成矿岩颗粒图像的分割。(3)矿岩颗粒的检测试验。在分割处理的基础上,标定每一个矿岩颗粒区域,经运算和统计后得到矿岩粒度信息;并将统计的结果与通过人工筛分试验结果相比较,验证了矿岩粒度检测的准确性和可行性。(4)检测系统的建立。将图像采集、图像处理和图像用户界面相结合,利用MATLAB软件建立人机交互界面,能够实现矿岩粒度的在线实时检测。(本文来源于《郑州大学》期刊2018-05-01）
周凡棣[9]（2017）在《基于多特征的安卓盗版应用细粒度检测与研究》一文中研究指出随着安卓系统的蓬勃发展,越来越多的开发者在安卓应用下载渠道上开发了数以亿计的安卓应用程序。由于应用下载渠道的监管不力,大量安卓盗版应用层出不穷。这类应用大都存在隐私窃取、流量偷耗、广告弹窗、恶意劫持等一系列流氓行为。一方面破坏了应用市场的良好生态环境,另一方面给开发者和用户带来严重的安全威胁。安卓盗版应用的检测对规范安卓应用生态环境,保护开发者和用户权益意义重大。在安卓盗版应用相似性检测方面:针对基于代码的检测方法存在需要反编译,无法快速进行批量检测的问题;基于资源文件的检测方法存在检测误报率偏高的问题。本文提出了一种新的基于安卓多维度元数据特征的盗版应用相似性检测方法。可以有效快速的从海量安卓应用中检测出安卓盗版应用。在安卓盗版应用恶意行为检测方面:针对现有研究大都停留在盗版应用类型判定,缺少对盗版应用恶意行为研究的问题。本文提出了一套基于动静态结合的安卓盗版应用恶意行为检测的方案。该方法可以准确识别安卓盗版应用中存在恶意行为的恶意应用。在安卓盗版应用恶意行为分类方面:针对现有研究存在的恶意分类漏判误判等问题。本文提出并设计了恶意应用特征组合分类算法,能够有效的对安卓盗版应用的恶意行为做细粒度的划分,更有利于规范安卓应用市场下载渠道。(本文来源于《北京邮电大学》期刊2017-12-08）
马连铭,姬建钢,杜波,刘俊,郭庶[10]（2017）在《基于机器视觉的矿石粒度检测方法比较研究》一文中研究指出基于图像处理的矿石粒度检测,已成为矿石粒度分布的主要检测手段之一。通过对比分析多种图像处理检测矿石粒度分布的方法和效果,并总结评价了各种方法的性能,对提升矿石粒度分布的检测,具有较强的实用价值。(本文来源于《矿山机械》期刊2017年10期）
粒度检测论文开题报告
（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：
现有的基于注意力机制的细粒度图像识别方法大多都没有考虑目标局部的相关性,而且以往大多数方法都用多阶段或者多尺度机制,导致效率不高且难以端到端训练。本文提出的方法能调节不同输入图像的不同部位的关系。基于上述思路的注意力机制的方法去学习每幅图的每个关注区域特征,再用增强多重注意力机制强化这一效果,让同类别图像具有类似的注意力机制,而不同类别的图像具有不一样的注意力机制,同时也能够进行端到端训练。
（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。
粒度检测论文参考文献
[1].张新天.图像识别技术在炼铁原燃料粒度检测中的应用[J].现代冶金.2019
[2].周晨轶,冯宇,徐亦白,卢杉.基于增强多重注意力机制的深度神经网络的细粒度检测[J].计算机与现代化.2019
[3].朱繁,王洪元,张继.基于改进的MaskR-CNN的行人细粒度检测算法[J].计算机应用.2019
[4].黄习敏.基于图像识别的在线粒度检测方法研究与检测系统设计[D].江西理工大学.2019
[5].梅术正.基于改进稀疏表征与二部图模型的碎矿粒度检测[D].湖北工业大学.2018
[6].冯威.基于图像的光衍射法粒度检测系统设计与实现[D].华中科技大学.2018
[7].朱春博.基于在线粒度检测的粉碎机控制系统设计[D].青岛大学.2018
[8].叶平坤.基于图像处理的矿岩粒度检测的研究[D].郑州大学.2018
[9].周凡棣.基于多特征的安卓盗版应用细粒度检测与研究[D].北京邮电大学.2017
[10].马连铭,姬建钢,杜波,刘俊,郭庶.基于机器视觉的矿石粒度检测方法比较研究[J].矿山机械.2017