一、动态自适应幂变换处理大型集装箱扫描图像（论文文献综述）
杨钰潇[1]（2021）在《面向远程移动污染源排放监测的激光雷达跟踪控制研究》文中提出当前我国港口船舶大气污染形势严峻。根据交通运输部公布的数据,截止2019年底,包括内河、沿海、远洋运输在内的全国累计货运量约为74亿吨,货物周转量103963.04亿吨公里。《中国船舶和港口空气污染防治白皮书》显示,不同燃料油的含硫量存在较大差异。船舶所使用的燃油大多为残渣油,因此对于燃油含硫量这一指标,船用燃油高达车用柴油的100至3500倍。为全面治理港口船舶大气污染,我国设立了船舶大气污染物排放控制区,并推行“船用燃油限硫令”,要求所有航行于内河排放控制区内的船舶,必须使用含硫量小于等于0.1%的燃油。同时,要求海船国际航船在国内全水域使用的燃油其含硫量不得高于0.5%。这对海事部门落实监管职责带来了极大挑战。传统的登船提取油样第三方送检的监管方式随机性大、覆盖面窄,而利用船舶移动污染源排放监测技术可以预先筛选疑似使用超标燃油船舶,这种方式能够提高监管效率,并已逐渐应用于海事监管中。基于差分吸收原理的大气测污激光雷达是监测船舶污染源排放的有效手段之一,具备监测范围广、监测精度高、不受风力因素限制等方面的优点,但也存在无法快速捕捉并精确跟踪排放源的问题。这两方面的不足限制了激光雷达的推广与普及,也对进一步完善针对激光雷达的跟踪控制技术提出了要求。具体而言,当前的大气测污激光雷达存在以下技术问题:首先,激光雷达现有的工作模式无法满足快速定位出烟口的要求;第二,外部环境微小扰动会在目标处产生较大偏差;第三,现有的控制器难以满足实际激光雷达系统快速跟踪目标的需要;第四,执行器的饱和特性削弱控制性能,甚至威胁系统稳定。因此,针对上述问题,本文综合考虑了船舶移动污染源出烟口检测与跟踪控制器设计两方面内容,开展了面向远程移动污染源监测的大气测污激光雷达跟踪控制研究,主要研究内容如下:（1）针对港口实际图像受多变环境影响,与训练集图像之间产生数据漂移的问题,提出了一种基于鲁棒单边对齐域自适应的港口船舶图像出烟口检测方法。通过将经典的深度学习目标检测网络与迁移学习中基于特征的域自适应方法相结合,在使用RPN网络生成候选框并利用卷积神经网络提取候选区域特征的基础上,提出能够抑制目标域和源域之间数据分布差异的鲁棒单边对齐方法。将存在数据漂移的两域特征,通过相同的映射函数映射到同分布的高维空间,进而提高了对于候选区域的分类性能,解决了实际场景图像与训练集图像间的数据漂移问题,增强了目标检测方法对不同场景下图片的适应能力。（2）针对港口外部环境和激光雷达自身不确定性影响跟踪监测准确性的问题,提出了一种基于时延观测器扰动补偿的激光雷达积分滑模跟踪控制方法。首先利用积分滑模控制对参数变化的鲁棒性特点,提出了基于积分滑模的抗扰跟踪控制算法。在此基础上,考虑到环境扰动与模型不确定性的集总扰动上界难以准确获知的问题,根据时延控制相关理论,设计了时延观测器,增加了积分滑模抗扰控制器对连续扰动信号和不确定参数的鲁棒性。实验结果表明,该方法能够有效地补偿环境不确定扰动以及激光雷达的模型不确定性,实现准确的跟踪控制效果。（3）针对现有控制算法难以在扰动存在下实现快速跟踪的问题,本文提出一种基于非奇异固定时间终端滑模的自定义时间快速跟踪控制算法。首先,设计了全新的固定时间终端滑模面,能够实现系统状态在滑模面的上的收敛时间上界为只与一个参数有关的常数。然后,根据固定时间收敛的趋近律,设计出非奇异固定时间终端滑模控制方法,使得包括趋近段和滑模阶段在内的总的收敛时间具有可自主设计的上界,从而实现了激光雷达扫描机构快速跟踪给定旋转轨迹的控制目标。（4）针对不确定干扰存在下激光雷达扫描机构的执行器输入饱和问题,提出了一种基于极限学习机与辅助系统的输入饱和补偿跟踪控制算法。首先,利用执行器的饱和特性,设计能够补偿执行器饱和的辅助系统,并提出基于辅助系统的激光雷达饱和补偿控制方法。然后在此基础上,考虑到系统集总扰动对跟踪控制的影响,引入基于高斯核函数的极限学习机算法,设计了基于极限学习机辅助系统的激光雷达输入饱和补偿跟踪控制方法。一方面,通过显式地参数学习方式,快速地估计系统的集总扰动,另一方面,对执行器饱和特性进行补偿,保障了系统在扰动与饱和特性存在下的准确跟踪。综上所述,本文构建了“图像快速捕捉,控制器精准跟踪”的激光雷达跟踪控制系统,为远程移动污染源排放的跟踪监测提供了理论支持,为差分吸收激光雷达的技术实现与推广普及提供了前期保障。
林昌[2]（2021）在《大雾下海上图像的目标分离与智能辨识研究》文中进行了进一步梳理大雾天气会对船舶航行安全造成明显影响,通过在船舶上加装视觉传感器有助于提前获知和判断海上情况,提升智能船舶自主航行的安全性。然而,在大雾环境下,通过传感器获取的海上图像往往存在对比度低、颜色失真和细节丢失等问题,并且受海面浪花和反光等干扰,会导致海上图像纹理和形状等特征信息干扰性强,从而使得目标检测与识别难度加大。因此,为了提高大雾环境下船舶智能航行系统的自动检测与辨识能力,降低漏检和虚警率,本文围绕大雾下海上图像的目标分离和智能辨识问题展开深入的研究。通过图像增强、海天线分割、显着区域检测分离和目标智能辨识,系统地建立利用视觉传感器对大雾环境下海上图像进行目标分离和辨识的科学有效的方法。首先,根据大雾下图像的成像特点,对基于Retinex模型的图像增强去雾算法进行改进。通过分析传统Retinex模型的图像去雾算法,针对单尺度的Retinex模型在图像增强后存在局部细节不易突出、图像对比度差等问题,提出了基于改进双边滤波的高斯金字塔变换的Retinex图像增强算法,解决图像细节模糊和提高图像对比度。对于带色彩恢复的多尺度Retinex（MSRCR）模型在图像增强后图像整体色彩失真和图像的视觉效果差等问题,提出了基于全局亮度自适应均衡化的MSRCR图像增强算法,为后续的图像处理提供更加丰富的色彩、纹理和边缘等图像特征。其次,提出了基于梯度积分和多项式迭代的海天线快速检测算法,实现海面和天空区域的快速分割。采用高斯低通滤波器来增强图像的梯度边缘特征,对给定区域内的梯度积分值进行滑动统计,确定海面图像中海天线的潜在区域。通过逐列寻找潜在区域内梯度最大值点作为海天线的候选点,并对所有候选点进行多项式迭代拟合,剔除误检测点后,拟合确定最终的海天线,从而获得含有天空背景的图像和含有目标物的海面图像。再次,提出了融合图像多视觉特征的视觉注意机制目标分离算法,获得图像综合显着图,分割出海上图像的显着目标区域。选取海面图像中的频率特征、改进Gabor算子的方向特征、梯度纹理特征、颜色空间变换所提取亮度特征和颜色拮抗特征等八个视觉特征子图,运用谱残差算法得到不同视觉特征的显着子图。利用显着性密度函数计算得到各显着子图的权重系数,构建多视觉特征的综合显着图。在对综合显着图进行自适应阈值分割后,采用显着区域自生长策略分离并获得综合显着图中的显着区域。最后,研究基于卷积神经网络框架下的海上图像目标智能辨识分类算法,完成海上目标的分类智能辨识。结合VGG网络和Res Net网络优点,构建新型卷积神经网络框架,对含有9个类别共96980张图片的训练数据集进行训练学习,并随机选取训练数据集中每一类别各50张图像进行数据增强后作为辨识实验的测试数据集,对测试数据集进行目标智能辨识实验;实验结果表明该算法具有较高训练速度和较低的训练误差,单次训练迭代平均时间0.9s,测试数据集的辨识准确率为95.14%,有效地完成目标智能辨识分类。另外,完成对基于视觉注意机制下的大雾海上图像目标分离的显着区域图像集的智能辨识对比实验,实验结果表明该算法在识别速度上具有优势,单张图像辨识时间较VGG-16算法平均快86.6%,较Res Net50算法平均快24.35%;同时,图像最大辨识准确率优于Res Net50算法25%,略低于VGG-16算法2.78%。
刘为[3]（2020）在《基于强声激振的集装箱空箱智能检测系统的研究》文中研究表明在进出关口,集装箱走私是一个严重的问题,所以对空箱的识别十分必要。目前,集装箱非侵入式的探测技术主要有两种:X射线探测和γ射线检测。这两种都是辐射性的探测方式,利用射线重建图像技术可以清晰的观测到集装箱体内的状态,精度高但对人体会造成很大的危害。同时,这两种方式成本昂贵且会消耗大量能源。本文从成本和对人体无害的角度考虑,提出了基于强声激振的空箱识别系统,用强声发声器发出高声压级的声信号作用在箱体侧面,箱体另一侧用非接触式的微声传感器采集箱体的声振信号,通过声信号的方式判别是否是空箱。通过理论推导和仿真分析可知,集装箱在空箱和非空箱状态的声振模态和衰减时间不同,即两种状态的时域和频域都都有差别。在实际采集数据时,接收的声信号易受环境噪声干扰,故对降噪方法进行分析和研究。在简单噪声干扰的情况下,噪声和箱体声振信号都有很强的非高斯性,采集的信号实际是这两个信号的混合信号,使用FastICA算法极大化采集信号的非高斯性做降噪处理。本文的目的是区别空箱和非空箱,本质是二分类问题。深度卷积神经网络算法在图像识别等领域取得了巨大的成功,本文将降噪后的一维音频数据变转换成包含时域和频频信息的梅尔频谱图,用卷积神经网络对图片数据进行学习训练,在干扰源简单的情况下,系统有很高的识别正确率,所以这种方式可以识别空箱和非空箱。本文完成了集装箱空箱识别系统的软件设计和实现,主要包含以下四个部分:（1）数据采集系统的实现;（2）基于深度卷积网络的梅尔谱图音频分类的算法实现;（3）双通道盲源分离算法的实现;（4）基于C#WPF的上位机软件系统的设计,主要包括识别、训练数据的采集和存储管理。最后,本文完成了集装箱空箱软件系统的设计,并进行了实验验证。
邵恩[4]（2020）在《自动化轮胎吊的系统设计》文中研究说明随着全球化经济、贸易迅猛发展,港口已经成为贸易运输中的重要手段。为提高港口作业效率、降低人工成本以及作业风险,全自动化码头成为近年来港口的重要发展趋势。目前国内外港口自动化系统的研究与发展正在随着人工智能水平的提升、检测手段的丰富而更加智能、更加完善。现有港口自动化系统中,轮胎式吊车（简称轮胎吊）因检测方式受限、执行机构控制棘手等问题,其自动化的系统设计极具挑战。针对这一现状,本文针对轮胎吊的全自动化作业涉及的多个关键技术进行了深入研究,设计了自动化作业软硬件系统,并以该自动化作业系统为平台,对系统功能的实现进行了测试并针对系统性能进行了分析。论文完成的主要研究与设计工作包括:（1）利用激光雷达采集集装箱与集装箱卡车等目标物的点云数据并对其进行处理,得到目标物的定位信息;（2）利用PID控制算法与模糊自整定PID算法分别对吊具以及小车进行定位控制;利用图像识别技术对大车轨道进行识别并提出了一种“S”型纠偏控制方法,实现大车纠偏与定位;（3）采用IPC（工业计算机）+PLC（可编程逻辑器件）模式进行自动化作业系统软件平台的设计,IPC实现对目标物的检测与识别,PLC软件部分实现各个执行机构的控制。并基于该平台进行了测试。通过现场对自动化作业系统平台的测试,验证了本文所设计自动化系统在工程应用中的可行性,包括基于激光雷达的目标物识别与定位技术、吊具及小车的运动控制算法、大车的纠偏与定位、动态抓箱与放箱技术等。系统作业效率可达到20个标准箱每小时,抓箱成功率在95%以上,叠箱精度在±3cm以内,集装卡车放箱成功率98%以上,达到了港口轮胎吊自动化作业系统功能与性能指标要求。
付茜雯[5]（2020）在《计算机科技论文摘要的机翻错误类型及译后编辑》文中研究指明科研论文在知识传播过程中作用重大,推动国际范围内的知识共享。摘要是科研论文中必不可少的一部分,既是对论文的概括性总结,也是读者发现和探寻相关领域知识的快捷途径。然而,目前英文摘要的机器翻译质量在精确性和专业性方面都不尽人意,需要通过后期编辑和人工校对才能产出高质量的中文翻译文本。本文以计算机科学论文摘要为例,对谷歌机器翻译的300篇计算机英文论文摘要的中文版本进行了翻译错误类型分析并归类,并提出相应的译后编辑策略。首先在赖斯文本类型理论翻译策略指导下,对机器翻译系统生成的译文进行译后编辑,再邀请计算机专业以及翻译专业的专业人士进行确认。之后以DQF-MQM错误类型分类框架为依据,对机器翻译系统生成的译文中的错误进行分类。研究发现,机器翻译的计算机英文论文摘要的中文版本中存在七大类翻译错误,其中不符合中文表达习惯的翻译错误占比最大,其次是术语误译、误译、欠译、漏译、过译以及赘译。本论文研究发现,由于源文本的信息型学术文本特征,长难句、被动语态以及术语翻译是造成机器翻译错误的主要原因。针对源文本的逻辑缜密、语步序固定等特征,本研究针对性地对各类错误类型提出了相应译后编辑策略。建议译者在译后编辑中通过将隐性连接转换为显性连接从而保持源文逻辑性,通过增加主语以及调整语序处理被动语态保持源文的学术精准,通过恰当选取词意处理半技术词汇等。本研究采用定性和定量分析方法,系统归类了计算机科技文本摘要中机器翻译出现的错误,并提出相应译后编辑策略,为该领域的译者提供参考建议,从而提高该领域的机器翻译质量。
张勉[6]（2019）在《高架轮胎吊多天候道路线检测系统》文中认为目前,高架轮胎式起重机（简称“高架轮胎吊”）是整个码头堆场进行集装箱垂直作业的重要工具,其行进路线主要依靠肉眼进行判断,在复杂天气下易导致误判,安全性差,效率低,竞争力不强。本文通过研究视觉导航在车道线识别中的应用,针对正常光照、强弱光照、雨天以及雾霾天气,提出相对应的道路线检测算法,设计一个时性高、稳定性好、适应多种天候的高架轮胎吊道路线检测系统。具体研究内容如下:1、为提高车道线检测的实时性和准确性,本文首先对比分析基本的道路线检测方法:感兴趣区域截取、图像灰度化、方向可调滤波增强、二值化、边缘检测。其次,对于不同光照情况下,分类光照强度不同的图像,利用三段线性灰度拉伸方法增强强光照图像对比度,利用MSR算法增强弱光照图像细节信息;对于雨天道路图像,采用基于导向滤波的图像去雨算法;对于雾霾天气道路图像,本文采用暗通道先验算法进行图像去雾。当多种天候图像预处理完成后,接着进行车道线检测,实验结果表明,本文算法解决了多天候道路线检测问题,为后续车道线拟合提供了基础。2、研究了车道线拟合和轮胎吊姿态估计问题。为提高车道线拟合的速度和精度,本文提出了一种基于改进的概率霍夫变换拟合车道线的方法。通过统计得到车道线方向角的均值和方差,用以确定概率霍夫变换的极角范围,通过实验对比验证了算法能有效地减小搜索范围、提高检测速度;轮胎吊姿态估计采用车道线偏差角和偏航值两个参数确定轮胎吊实时状态,通过设置安全阈值,对轮胎吊所处姿态进行偏离预警。并对其合理性进行了理论分析和实验测试。3、设计了高架轮胎吊上位机界面。使用PyQt库设计人性化的上位机界面实现检测控制模块、信息显示模块两部分。检测控制模块主要实现不同光照、雨天、雾天下道路图像处理选择功能;信息显示模块将拟合出的车道线信息和轮胎吊姿态参数实时显示。4、搭建了实验样机模型,模拟轮胎吊工作环境,对系统的可行性进行实验,实验过程中对不同天候道路线进行车道线识别实验,系统对正常光照、强弱光照、雨天、雾天下的道路环境都能准确快速的识别出车道线,实验结果表明,系统的实时性和鲁棒性能满足高架轮胎吊的工作需求,对高架轮胎吊辅助驾驶具有重要的理论意义和应用价值。
程村[7]（2019）在《集装箱货物X光透视图像分类识别算法研究》文中认为集装箱X光透视成像是集装箱检查的必要手段。计算机智能审图是实现集装箱检查智能化的必由之路,是技术发展的必然趋势。分类识别算法是智能审图的重要基础工作之一,有很大的研究价值。由于集装箱装载货物比较多,透视扫描生成的图像比较大,基于按区域识别的想法,本文首先研究了图像分割算法。从基于图的分割方法出发,研究了新的图切能量模型,并提出了基于动态图融合的自动分割算法,在集装箱货物透视图像上进行了分割实验,取得了好的效果。探讨了用分割的方法解决一箱多货问题的思路。用传统分类方法进行研究,提出了基于组合模板支持向量机的分类算法,并结合WTA哈希、语义树方法提高算法的性能。针对集装箱货物图像类内方差大,特征分布不集中的特点,提取大量代表性典型图像块,并对它们训练组合模板支持向量机,识别阶段用WTA哈希的方法进行识别,避免了大量的卷积运算。用语义树的方法可以在分类层级与准确率之间取得一个平衡。用深度学习方法进行研究,使用当前图像分类效果很好的152层Res Net网络,提出了根据Logits相关性进行自适应调节权重的中间层监督方法,提出了用聚类Loss对交叉熵Loss进行加强的方法,并用语义树的方法在网络末端同时计算不同HS Code层级的分类Loss并输出所有层级的分类结果,实验表明这些创新点能够使分类准确率在152层Res Net基础上有所提高。考虑集装箱运输均有报关告单信息这个特点,用Triplet网络研究了报关单对比算法,提出了分布Loss与加强Triplet Loss的改进方法。实验验证了Triplet网络用于报关单对比的有效性,及分布Loss与加强Triplet Loss对Triplet方法改进的有效性。提出了在线训练的方法与负样本训练的方法。在线训练使模型能够适应不同的应用场景,负样本训练则能提升少量夹带货物的识别准确率。实际使用中达到了比较实用的效果。根据海关比较关注少量夹带货物的特点,提出一个异物检测的概念,并给出了基于报关单对比和语义预测的异物检测算法。对可能的改进方向进行了思考,指出基于高级语义与语用级对比的报关单对比与异物检测研究方向。
朱亮[8]（2019）在《多信息融合邮政分拣系统安全检测方法研究》文中提出在许多公共场合,仅依靠一种安全检测设备很难真正实现综合的多信息检测。要采用一套完整的技术对被检对象中的物质进行有效的分类以全面控制一个区域的安全,目前国内外仍无法有效实现。本课题通过对国家职能部门的调研,根据其对重点控制的违禁品和习惯采用的安检模式和需求,提出并设计了一个有针对性的多信息融合的整体方案。我们对几种常见违禁品的多信息数据进行了采集和重构,通过一系列的理论和实验研究,完成了一套综合性的检测方法。用于检测违禁品的设备必须能够识别包裹或容器中物品的特性。一些违禁品,如塑料炸药,可以制成许多形状或放置在许多物体中。这类物品不能简单地从外观信息判断其为违禁品。这需要一种能够在分子或原子水平上识别物体的设备。X射线装置已被证明能够揭示物质的分子或原子性质。X射线技术可以提供组成物体的物质的一些重要特性。最有用的信息是对象的密度（ρ）和有效原子序数（Zeff）。从理论上讲,给定物体的密度和有效原子数,就可以准确地确定物质的类型。研究表明,许多种X射线检测技术都可以应用于违禁品的检测领域,但目前还没有一种X射线检测技术能够单独提供准确识别物质类型所需的两个参数。首先,通过近似替代物的双能量X射线透射实验获得了该物质的高能和低能灰度级。在此基础上,建立了物质分类识别边界曲线的数学模型。将物质初步分为三类:有机物、无机物和混合物。其次,基于提取特征平面思想,通过双能X射线透射实验提取出一个与有效原子序数相关的R值。这一过程可以将无机物和混合物中的有机物分离,但由于密度的不同,无害的有机物和违禁有机物不能被分离。之后研究了厚度等外部参数的变化对R值的影响,并对提取R值的算法进行了优化。对改进算法的评估表明,该算法大大降低了物质分类的误判率。然后结合前散射背散射图像,利用LS算法建立散射图像的灰度模型。进而将低能散射图像与双能量透射图像相结合,得到了一个提取与物体密度相关的特征值L的方法。分析并减小了包裹摆放角度等因素对L值的影响。通过得到的物质特征值R和L,给出基于最小错误概率的贝叶斯决策理论的判别函数、决策面方程以及分类判别规则。通过将双能量X射线透射技术与低能散射技术相结合而得到了物质识别的更有效的方法,进而全面提高X射线的检测能力。再次,计算物体的R和L值需要对象的真实灰度级。真实灰度级是指当一个物体不被其他背景物体干扰时所测量到的灰度级。一些包裹中的物体很多,包裹中的物体以任意方向摆放并互相遮挡。违禁品与无害物品混在一起使得检测工作变得困难。因此在识别物质特性的过程中去除遮挡效应是非常重要的,这样就可以得到物体的真实灰度级。本文将n个物体重叠问题转化为两个物体重叠问题,重点研究了计算两个物体重叠的真实灰度级问题。最终将得到双能量透射、低能前散射、背散射条件下求解物体真实灰度级的数学模型,并对模型进行评估。结果表明得到了更加准确的物体真实灰度级。最后,针对X射线安全检测技术在液体识别中的困难,提出X射线检测与电子鼻气味识别相结合的方法来确定容器内的液体属性。结合图像轮廓、图像灰度级、电子鼻响应等检测信息来建立多信息融合检测方法的模型,并在此基础上构建多信息融合检测技术的软硬件系统。之后利用不同的模式识别方法对实验数据进行处理。重点对神经网络模式识别方法进行了研究,建立一种有效的BP网络模型。本课题在多信息、高性能安检设备的研究方面进行了新的尝试,实现了多个检测信息的融合,为新型安检设备的研发提供了有效的方法和理论依据,从理论、实验和实践的层次证明多信息融合安全检测在邮政检测系统中是行之有效的方案。
安建平[9]（2018）在《基于激光三维视觉的大型散货船自动化作业动态场景构建及路径规划》文中研究指明桥式抓斗卸船机作为港口散货物料装卸的主要设备,具有适应码头恶劣作业环境、运行成本低等优点。为了适应散货物料运输高效化的发展需求,需要在实时获取作业场景动态变化的前提下,改进卸船机人工操作为主的工作模式,实现装卸作业自动化。本文利用激光三维扫描技术所具有的测量精度高、测量尺度大、抗干扰能力强等优点,针对卸船机自动化作业需要解决的作业场景构建、理解及抓斗路径规划等核心问题展开研究,主要研究内容如下:论文首先采用激光三维扫描技术对卸船机作业场景进行扫描,并利用扫描得到的点云数据实现对场景的三维重建。在三维点云场景中,研究采用基于SHOT特征匹配结合3D霍夫变换分割的方法实现参照反射板的识别定位,并根据相对位置关系进一步完成激光扫描仪在作业场景世界坐标系的定位。提出一种基于高程统计的方法对甲板平面进行分割,以及基于点云法向球特征的船舱平面分割RANSAC算法,并根据甲板、船舱平面确定抓斗工作的可行域;根据船舱位置分割出物料区域点云,实现对物料区域的网格划分,从而得到物料高程分布统计信息。研究了抓斗抓取点规划,抓斗运行过程中防撞、防摇、以及抛料卸料控制策略等问题,基于物料区域网格化的结果,分别从横向和纵向,也即大车和小车运动方向综合考虑了抓斗抓取点的自动规划策略;基于抓斗工作可行域提出了抓斗运行过程中的防撞策略。为了分析抓斗运行过程中的防摇和抛料卸料策略,首先建立了卸船机小车抓斗的物理模型,基于对模型的分析,提出了一种基于遗传算法优化的神经网络方法实现了小车抓斗起升联动阶段变绳长情况下的抓斗防摇摆控制;为了提高卸船机自动化作业的效率,提出了一种抛料卸料的方式,实现了动态卸料的方式,并综合考虑了卸料完成后返回海侧过程中的防摇摆问题。并基于Adams对小车抓斗系统进行了运动学仿真,验证了上述路径规划算法的有效性。基于VS和Qt编程环境,并以点云处理开源库PCL作为开发工具,编程实现了卸船机自动化作业控制软件,实现了基于激光三维视觉的散货船自动化作业动态场景构建和抓斗抓取路径的动态规划等核心功能。最后,利用现场实测数据对点云场景分割相关的核心算法进行了测试,测试结果验证了算法的有效性。
司玉军[10]（2017）在《港口码头岸桥泊位分配及集卡调度物流规划研究》文中提出随着世界经济的增长以及全球一体化的发展,我国经济已迅速增长为全球第二大经济体。为了推动我国经济更好、更快发展,提高我国与世界经济贸易联系,提升我国服务制造业全球竞争能力,发挥世界经济领导者责任,以习近平为核心的党中央提出了“中国制造2025”以及“海上丝绸之路”重要战略举措。而港口作为链接我国与世界各地贸易联系的重要节点,其综合运营能力对于我国经济发展起到了举足轻重的重要作用。由于港口对地区经济发展可以起到巨大推动作用,我国各省市都在前期进行了大量的港口筹建、扩展和升级。这也造成了我国码头不仅面临着国际竞争,还需要面对国内的同行压力。针对港口重要资源,本文研究了相应的泊位分配与岸桥调度问题,以及集卡的调度运输问题,从整个港口码头集装箱的装卸转运过程分析和优化了相应的服务管理运营方式,开发了港区自动调度集成系统,以期提高港区资源的有效利用率,主要研究内容如下:（1）利用模糊数学知识,构建了基于模糊聚类方法的调度模型。该模型有效利用模糊数学对事物模糊边界的划分和聚类能力,结合到港作业的船舶特点,对具有类似作业属性的船舶实现基于作业特征的模糊聚类,有效提升港区的集中作业效能和经济效益。提出了“改进的变幅粒子群算法”,可实现算法搜索范围以变幅形式自适应实时动态调整,有效提升算法性能,实现模型的高效求解。（2）基于三维布局思想构建了泊位及岸桥调度分配模型。三维空间布局问题主要研究如何在三维空间内合理布置“块”,使得三维空间利用率最大。研究所构建的三维空间布局调度模型有效汲取相关空间布局问题研究思想,通过定义船舶调度分配资源“块”,实现用空间布局思想完成对“块”的合理、高利用率布局。基于对块各位置的布局调整,完成港区作业资源的合理调度分配,进而实现港区的高效能运转。针对构建的三维空间布局调度模型,提出了“复合种群灾变竞争的改进遗传算法”。分别构建不同规模、性状和特征种群,以达尔文竞争及灾变进行优势基因选取,有效提高算法全局搜索性能。（3）考虑可调整额外成本与必然作业成本,构建了基于服务优先级的调度模型。由于船舶的装卸作业是一个复杂的系统作业过程,过程中各流程、各阶段的调整均会对港区整体作业效益产生影响。其中,可调整额外成本包括船舶由于提前到港可能产生的油耗、延误到港产生的等待作业成本和调度延误等。必然作业成本包括船舶在港装卸时间、岸桥调度成本及集卡运输成本等。为求解模型,设计了“基于旋转门的改进量子遗传算法”,利用量子的叠加、纠缠和干涉思想,结合遗传算法进行相应算法设计,提升了相同规模数组遗传算法的寻优搜索能力。（4）通过车辆间“车域”的定义以及大量车辆的连续性运行假设,把集卡车流抽象为具备流体可压缩性、粘性及连续性性质的“交通流”,构建了基于流体力学理论的集卡调度模型。同时,通过相应的质量比照、流量比照、密度比照、流速比照等,利用流体力学相关连续性方程、相应车流运动微分方程以及压力方程等进行相应的模型求解。（5）开发了港区自动调度集成系统,实现了港区数据与调度模型的无缝链接,增强了港区数据互联能力与数据传输交互能力。
二、动态自适应幂变换处理大型集装箱扫描图像（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、动态自适应幂变换处理大型集装箱扫描图像（论文提纲范文）
（1）面向远程移动污染源排放监测的激光雷达跟踪控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 现有的远程移动污染源排放监测技术 |
| 1.2.2 远程移动污染源的识别定位方法 |
| 1.2.3 激光雷达跟踪控制方法 |
| 1.3 本文研究内容 |
| 1.3.1 本文研究目标 |
| 1.3.2 研究难点总结 |
| 1.3.3 主要研究内容 |
| 1.3.4 全文组织结构 |
| 第2章 相关基础知识 |
| 2.1 大气测污激光雷达基本原理与系统结构 |
| 2.1.1 大气测污激光雷达的基本原理 |
| 2.1.2 大气测污激光雷达的系统结构及各模块功能 |
| 2.1.3 测污激光发射系统 |
| 2.1.4 三维扫描机构 |
| 2.1.5 回波信号接收装置 |
| 2.1.6 信号采集与处理系统 |
| 2.2 深度学习图像目标检测模型 |
| 2.2.1 深度学习基本理论 |
| 2.2.2 基于深度学习的目标检测模型 |
| 2.3 大气测污激光雷达扫描机构的运动学分析与动力学建模 |
| 2.3.1 大气测污激光雷达扫描机构的运动学分析 |
| 2.3.2 大气测污激光雷达扫描机构的动力学建模 |
| 第3章 基于鲁棒单边对齐域自适应的港口船舶图像出烟口检测 |
| 3.1 引言 |
| 3.2 问题描述与预备知识 |
| 3.2.1 问题描述 |
| 3.2.2 预备知识 |
| 3.3 基于鲁棒单边对齐域自适应的港口船舶图像移动污染源排放出烟口检测方法 |
| 3.3.1 经典深度学习目标检测模型预训练 |
| 3.3.2 构造源域和目标域的特征数据集 |
| 3.3.3 鲁棒单边对齐域自适应算法 |
| 3.3.4 目标域特征映射后的分类与回归 |
| 3.4 实验与结果分析 |
| 3.4.1 数据集构造 |
| 3.4.2 整体性能对比 |
| 3.4.3 隐层节点数分析 |
| 3.4.4 伪标签对分类性能的影响 |
| 3.5 本章小结 |
| 第4章 基于时延观测器扰动补偿的激光雷达积分滑模跟踪控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 问题描述 |
| 4.3 基于时延观测器扰动补偿的激光雷达积分滑模跟踪控制算法 |
| 4.3.1 基于积分滑模的抗扰跟踪控制算法 |
| 4.3.2 基于时延观测器扰动补偿的激光雷达积分滑模跟踪控制算法 |
| 4.4 实验与结果分析 |
| 4.4.1 实验配置 |
| 4.4.2 基于积分滑模的抗扰跟踪控制性能验证 |
| 4.4.3 基于时延观测器扰动补偿的积分滑模跟踪控制性能 |
| 4.5 本章小结 |
| 第5章 基于非奇异固定时间终端滑模的自定义时间快速跟踪控制 |
| 5.1 引言 |
| 5.2 问题描述与预备知识 |
| 5.2.1 问题描述 |
| 5.2.2 预备知识 |
| 5.3 基于非奇异固定时间终端滑模的自定义时间快速跟踪控制 |
| 5.3.1 固定时间终端滑模面设计 |
| 5.3.2 非奇异固定时间终端滑模控制 |
| 5.4 实验与结果分析 |
| 5.4.1 验证FTTSMS上的固定时间收敛 |
| 5.4.2 验证NFTTSMC应用于大气测污激光雷达的跟踪性能 |
| 5.5 本章小结 |
| 第6章 基于极限学习机与辅助系统的激光雷达输入饱和跟踪控制 |
| 6.1 引言 |
| 6.2 问题描述与预备知识 |
| 6.2.1 问题描述 |
| 6.2.2 预备知识 |
| 6.3 基于极限学习机与辅助系统的激光雷达输入饱和跟踪控制方法 |
| 6.3.1 基于辅助系统的输入饱和补偿控制方法 |
| 6.3.2 基于极限学习机与辅助系统的激光雷达输入饱和跟踪控制 |
| 6.4 实验与结果分析 |
| 6.4.1 基于高斯核函数的极限学习机对大气测污激光雷达扰动估计的性能验证 |
| 6.4.2 基于极限学习机与辅助系统的输入饱和跟踪控制性能验证 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 未来工作展望 |
| 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）大雾下海上图像的目标分离与智能辨识研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像去雾增强技术的研究现状 |
| 1.2.2 海上图像目标分离研究现状 |
| 1.2.3 海上图像目标智能辨识研究现状 |
| 1.3 大雾下海上图像的目标分离与智能辨识中存在的主要问题 |
| 1.4 研究内容与创新点 |
| 1.4.1 研究内容 |
| 1.4.2 创新点 |
| 1.4.3 研究技术路线图 |
| 第2章 基于改进Retinex模型的图像增强去雾算法 |
| 2.1 传统Retinex模型的图像增强去雾算法 |
| 2.1.1 色彩颜色空间 |
| 2.1.2 基于Retinex模型的图像去雾算法 |
| 2.2 改进Retinex图像增强算法 |
| 2.2.1 改进双边滤波函数 |
| 2.2.2 高斯-拉普拉斯金字塔多尺度算法 |
| 2.2.3 算法流程 |
| 2.2.4 实验结果与分析 |
| 2.3 基于全局亮度自适应均衡化的MSRCR图像增强算法 |
| 2.3.1 图像雾浓度的自平衡 |
| 2.3.2 全局亮度自适应均衡化 |
| 2.3.3 平衡图像亮暗区域 |
| 2.3.4 颜色通道色彩拉伸 |
| 2.3.5 算法流程 |
| 2.3.6 实验结果与分析 |
| 2.4 小结 |
| 第3章 基于梯度积分和多项式迭代的海天线快速检测算法 |
| 3.1 基于Hough变换的海天线提取算法 |
| 3.1.1 Otsu图像阈值分割 |
| 3.1.2 基于Hough变换的海天线检测 |
| 3.2 基于梯度积分和多项式迭代的海天线快速检测算法 |
| 3.2.1 图像梯度 |
| 3.2.2 平滑滤波增强梯度图像显着性 |
| 3.2.3 构建图像梯度的积分图 |
| 3.2.4 计算海天线区域范围 |
| 3.2.5 迭代拟合海天线曲线 |
| 3.3 实验结果与分析 |
| 3.3.1 海天线迭代实验结果与分析 |
| 3.3.2 对比实验结果与分析 |
| 3.4 小结 |
| 第4章 融合图像多视觉特征的视觉注意机制目标分离算法 |
| 4.1 传统的视觉注意机制模型 |
| 4.1.1 自顶向下视觉注意模型 |
| 4.1.2 自底向上视觉注意模型 |
| 4.2 融合海面图像多视觉特征的显着性目标分离方法 |
| 4.2.1 小波变换多级分解高低频特征计算 |
| 4.2.2 改进Gabor滤波的图像方向特征计算 |
| 4.2.3 亮度特征与颜色拮抗特征计算 |
| 4.2.4 图像梯度特征计算 |
| 4.2.5 海上图像各视觉特征显着子图计算 |
| 4.2.6 基于自适应权重的视觉特征显着子图像融合 |
| 4.2.7 综合显着图中显着区域分割策略 |
| 4.3 实验结果与分析 |
| 4.4 小结 |
| 第5章 基于新型卷积神经网络框架的目标智能辨识算法 |
| 5.1 基于卷积神经网络的目标智能辨识方法 |
| 5.1.1 Le Net卷积神经网络 |
| 5.1.2 VGG卷积神经网络模型 |
| 5.1.3 Goog Le Net网络结构 |
| 5.2 基于新型卷积神经网络框架下的目标智能辨识算法研究 |
| 5.2.1 数据预处理 |
| 5.2.2 新型卷积神经网络结构设计 |
| 5.2.3 分类器选择 |
| 5.3 实验结果与分析 |
| 5.3.1 数据集和参数设置 |
| 5.3.2 测试集实验结果 |
| 5.3.3 测试集实验结果分析 |
| 5.4 显着区域智能辨识实验与分析 |
| 5.5 小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 在学期间科研成果情况 |
（3）基于强声激振的集装箱空箱智能检测系统的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 相关技术的研究现状 |
| 1.3 论文的研究内容及组织架构 |
| 第二章 检测系统的模型分析 |
| 2.1 前言 |
| 2.2 声的传导 |
| 2.2.1 箱体的格林函数 |
| 2.2.2 耦合系统 |
| 2.2.3 箱体内声信号的衰减 |
| 2.3 仿真 |
| 2.3.1 声固耦合 |
| 2.3.2 特征频率对比 |
| 2.4 小结 |
| 第三章 信号的提取 |
| 3.1 引言 |
| 3.2 双通道盲源分离的原理 |
| 3.2.1 盲源分离基本原理 |
| 3.2.2 独立成分分析基本原理 |
| 3.2.3 仿真验证 |
| 3.2.4 实验验证 |
| 3.3 小结 |
| 第四章 基于CNN的梅尔谱图音频分类 |
| 4.1 引言 |
| 4.2 音频分类基本原理 |
| 4.2.1 梅尔频谱图 |
| 4.2.2 卷积神经网络 |
| 4.3 实验 |
| 4.3.1 实验环境 |
| 4.3.2 实验数据集 |
| 4.3.3 结果分析 |
| 4.4 小结 |
| 第五章 识别系统软件设计 |
| 5.1 引言 |
| 5.2 探测系统软件设计 |
| 5.2.1 开发环境介绍 |
| 5.2.2 需求分析 |
| 5.2.3 软件架构设计 |
| 5.2.4 软件各模块开发 |
| 5.3 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 存在的问题 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
（4）自动化轮胎吊的系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第二章 轮胎吊自动化系统的总体设计 |
| 2.1 轮胎吊原有电气系统与作业功能 |
| 2.1.1 轮胎吊原有电气系统介绍 |
| 2.1.2 轮胎吊作业功能介绍 |
| 2.2 自动化作业系统设计指标 |
| 2.2.1 自动化作业系统功能指标 |
| 2.2.2 自动化作业系统性能指标 |
| 2.3 系统总体设计方案 |
| 2.3.1 目标物的识别与定位 |
| 2.3.2 运动控制设计 |
| 2.3.3 动态抓箱放箱 |
| 2.3.4 软件设计 |
| 2.3.5 硬件设计 |
| 2.4 本章小结 |
| 第三章 集装箱与内集卡的精确定位 |
| 3.1 激光雷达的原理 |
| 3.1.1 激光雷达的测距方式 |
| 3.1.2 激光雷达的扫描方式 |
| 3.2 集装箱的识别与定位 |
| 3.2.1 点云分割 |
| 3.2.2 DBSCAN聚类算法 |
| 3.2.3 DBSCAN聚类算法在多线激光雷达点云数据中的应用 |
| 3.2.4 箱边定位 |
| 3.3 集装箱卡车的识别与定位 |
| 3.3.1 点云数据的分割 |
| 3.3.2 点云数据的聚类 |
| 3.3.3 集卡的定位 |
| 3.4 本章小结 |
| 第四章 轮胎吊运动控制及纠偏 |
| 4.1 吊具起升运动控制 |
| 4.1.1 吊具起升运动控制模块的闭环控制 |
| 4.1.2 PID控制器的参数调制 |
| 4.2 小车水平运动控制 |
| 4.2.1 模糊控制器的结构 |
| 4.2.2 模糊自整定PID的设计 |
| 4.2.3 现场测试 |
| 4.3 大车纠偏控制 |
| 4.3.1 大车位姿的检测 |
| 4.3.2 大车纠偏控制 |
| 4.4 本章小结 |
| 第五章 系统软件设计及系统测试 |
| 5.1 控制系统的软件设计 |
| 5.1.1 通信接口 |
| 5.1.2 算法驱动 |
| 5.1.3 任务的逻辑策略设计 |
| 5.1.4 业务管理 |
| 5.1.5 系统监控 |
| 5.2 检测识别系统的软件设计 |
| 5.2.1 检测系统的软件结构设计 |
| 5.2.2 检测系统的数据流与并发设计 |
| 5.3 系统测试 |
| 5.3.1 动态抓箱放箱 |
| 5.3.2 系统功能测试及性能分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间科研成果 |
（5）计算机科技论文摘要的机翻错误类型及译后编辑（论文提纲范文）
| 摘要 |
| Abstract |
| CHAPTER1 INTRODUCTION |
| 1.1 Research Background and Significance |
| 1.2 Aims of the Study |
| 1.3 Organization of the Thesis |
| CHAPTER2 LITERATURE REVIEW AND FRAMEWORK |
| 2.1 Overview on Machine Translation and Post-editing |
| 2.2 Previous Studies on MT Error Types and Post-Editing Strategies |
| 2.3 DQF-MQM Error Classification Framework |
| 2.4 Previous Studies on MT Error Types of Paper Abstracts |
| 2.5 Text Typology Theory |
| 2.5.1 Text Typology Theory of Reiss |
| 2.5.2 Previous Studies on Informative Texts and Translation Principles |
| CHAPTER3 METHODOLOGY |
| 3.1 Source Text and Text Analysis |
| 3.1.1 Source Text |
| 3.1.2 Text Analysis |
| 3.2 Research Method |
| 3.3 Translation Process |
| 3.3.1 Translating300 computer science abstracts with MT system |
| 3.3.2 Post-editing the MT-generated translation based on Text Typology Theory |
| 3.3.3 Conducting a semi-structured interview for ensuring post-editing quality |
| 3.3.4 Analyzing and summarizing the errors in300 abstracts |
| 3.3.5 Preliminary error classifications based on DQF-MQM Framework |
| 3.3.6 Conducting the2nd semi-structured interview to confirm error classifications |
| 3.3.7 Quantitative analysis of all MT errors in the300 abstracts |
| CHAPTER4 RESULTS AND DISCUSSION |
| 4.1 Error Types of Machine Translated English Abstracts |
| 4.1.1 Unidiomatic Translation Errors in MT output |
| 4.1.2 Terminology Mistranslation Errors in MT Output |
| 4.1.3 Mistranslation Errors in MT Output |
| 4.1.4 Under-translation Errors in MT Output |
| 4.1.5 Omission Translation Errors in MT Output |
| 4.1.6 Over-translation Errors in MT Output |
| 4.1.7 Errors of Addition in MT Output |
| 4.2 Post-editing Strategies for Machine Translated Abstracts |
| 4.2.1 Post-editing Strategies for Long and Complex Sentences |
| 4.2.2 Post-editing Strategies for Passive Voice Sentences |
| 4.2.3 Post-editing Strategies for Technical Terms |
| CHAPTER5 CONCLUSION |
| 5.1 Major Findings |
| 5.2 Limitations and Suggestions |
| References |
| Appendix Source Texts and Target Texts of300 Abstracts |
| 1-20 Abstracts |
| 21-40 Abstracts |
| 41-60 Abstracts |
| 61-80 Abstracts |
| 81-100 Abstracts |
| 101-120 Abstracts |
| 121-140 Abstracts |
| 141-160 Abstracts |
| 161-180 Abstracts |
| 181-200 Abstracts |
| 201-220 Abstracts |
| 221-240 Abstracts |
| 241-260 Abstracts |
| 261-280 Abstracts |
| 281-300 Abstracts |
| ACKNOWLEDGEMENTS |
（6）高架轮胎吊多天候道路线检测系统（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.3 本论文的研究内容及组织结构 |
| 2 高架轮胎吊车道线检测系统设计 |
| 2.1 系统硬件结构 |
| 2.2 系统软件设计 |
| 2.3 本章小结 |
| 3 多天候下的道路线检测 |
| 3.1 基本道路线检测算法 |
| 3.2 基于方向可调滤波的道路线检测 |
| 3.3 强弱光照下的道路线检测 |
| 3.4 雨天道路线检测算法 |
| 3.5 雾霾天气道路线检测算法 |
| 3.6 本章小结 |
| 4 车道线拟合与轮胎吊姿态估计 |
| 4.1 基于概率霍夫变换的车道线拟合 |
| 4.2 轮胎吊姿态估计 |
| 4.3 车道线检测实验与结果分析 |
| 4.4 本章小结 |
| 5 系统实验和测试 |
| 5.1 实验样机模型设计 |
| 5.2 样机道路实验结果与分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（7）集装箱货物X光透视图像分类识别算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第1章 引言 |
| 1.1 课题背景与意义 |
| 1.2 国内外现状 |
| 1.3 相关基础算法 |
| 1.3.1 支持向量机算法 |
| 1.3.2 人工神经网络中的反向传播学习算法 |
| 1.3.3 深度学习中的卷积神经网络 |
| 1.4 论文的研究内容及结构安排 |
| 第2章 基于动态图融合的图像分割算法 |
| 2.1 基于图的图像分割算法 |
| 2.2 基于动态图融合的分割算法 |
| 2.2.1 一种新的基于Mumford-Shah模型的图像分割模型 |
| 2.2.2 基于动态图融合的自动分割算法 |
| 2.2.3 基于动态图融合的交互式分割算法 |
| 2.2.4 基于动态图融合的活动轮廓分割算法 |
| 2.3 集装箱货物透视图像分割及应用展望 |
| 第3章 基于组合模板支持向量机的分类算法 |
| 3.1 概述 |
| 3.2 组合模板支持向量机 |
| 3.3 WTA-hash快速算法 |
| 3.4 用HS Code语义树找最优分类 |
| 3.5 实验与结论 |
| 第4章 基于中间层监督和语义树的深度学习分类算法 |
| 4.1 概述 |
| 4.2 深度学习介绍 |
| 4.2.1 学科关系介绍 |
| 4.2.2 人工神经网络的发展历程 |
| 4.2.3 深度学习在图像分类识别领域的进展 |
| 4.2.3.1 Alex Net模型 |
| 4.2.3.2 VGGNet模型 |
| 4.2.3.3 Inception模型 |
| 4.2.3.4 Res Net模型 |
| 4.2.3.5 Dense Net模型 |
| 4.2.3.6 深度监督网络 DSN(Deeply Supervised Nets) |
| 4.3 基于中间层监督和语义树的分类模型 |
| 4.3.1 模型架构 |
| 4.3.2 模型的Loss函数 |
| 4.3.2.1 分类Loss |
| 4.3.2.2 聚类Loss |
| 4.4 实验 |
| 4.5 讨论与总结 |
| 第5章 基于Triplet网络的报关单对比算法 |
| 5.1 概述 |
| 5.1.1 报关单对比的概念与意义 |
| 5.1.2 报关单对比的技术背景 |
| 5.1.3 报关单对比算法思路 |
| 5.2 主干网络 |
| 5.2.1 Triplet网络 |
| 5.2.2 基于Triplet网络的特征提取器 |
| 5.2.3 交叉熵Loss |
| 5.2.4 Focal Loss |
| 5.2.5 Distribution Loss |
| 5.2.6 Triplet Loss及其变种 |
| 5.2.7 加强的Triplet Loss |
| 5.2.8 原型实验 |
| 5.3 报关单对比算法 |
| 5.3.1 算法框架 |
| 5.3.2 特征模型库建立与在线更新 |
| 5.3.3 负样本训练 |
| 5.3.4 在线更新的实验 |
| 5.3.5 负样本训练实验 |
| 5.3.6 算法性能分析 |
| 5.4 应用分析 |
| 第6章 后记、总结与展望 |
| 6.1 对困难问题的再思考 |
| 6.1.1 用HS Code作为图像类别存在的一个问题 |
| 6.1.2 分类的困境 |
| 6.2 异物检测 |
| 6.2.1 用Triplet网络训练特征提取器 |
| 6.2.2 预测异物区域 |
| 6.2.3 实验 |
| 6.3 总结本文工作与创新点 |
| 6.4 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（8）多信息融合邮政分拣系统安全检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.2 国内外危险品识别的研究现状和分析 |
| 1.2.1 常见安全检测设备种类及应用场合 |
| 1.2.2 X射线对危险品进行识别的理论方法及现状分析 |
| 1.2.3 液态危险品检测方法及现状分析 |
| 1.2.4 电子鼻气味检测发展状况 |
| 1.3 本文研究的主要内容 |
| 1.4 论文的主要架构 |
| 第2章 X射线物质分类的识别方法 |
| 2.1 区分有机物、无机物和混合物 |
| 2.1.1 确定边界物质 |
| 2.1.2 线扫描实验 |
| 2.1.3 曲线拟合 |
| 2.1.4 实验验证 |
| 2.2 提取R值方法 |
| 2.2.1 影响透射图像的因素 |
| 2.2.2 视图中物体外观对透射图像的影响 |
| 2.2.3 物体摆放方向对透射图像的影响 |
| 2.2.4 厚度对双能量透射图像的影响 |
| 2.2.5 提取R值实验 |
| 2.3 克服厚度对R值影响的数字化方法 |
| 2.3.1 透射信号的数字化表达 |
| 2.3.2 算法 |
| 2.3.3 应用举例 |
| 2.3.4 改进方法评估 |
| 2.4 减小距离对散射图像灰度级影响的数学模型 |
| 2.4.1 距离对散射图像灰度级的影响 |
| 2.4.2 散射图像灰度级模型 |
| 2.5 爆炸物分类研究 |
| 2.5.1 有效原子序数和密度 |
| 2.5.2 分类特征空间 |
| 2.5.3 综合实验 |
| 2.5.4 分类方法与结果 |
| 2.7 本章小结 |
| 第3章 重叠物体的识别方法研究 |
| 3.1 去除物体重叠效应的基本方法 |
| 3.2 透射图像重叠物体识别数学模型 |
| 3.3 前散射图像重叠物体识别数学模型 |
| 3.4 背散射图像重叠物体识别数学模型 |
| 3.5 本章小结 |
| 第4章 物质分类算法的实验研究 |
| 4.1 实验环境的建立 |
| 4.1.1 实验设备介绍 |
| 4.1.2 实验前设备测试与校准 |
| 4.1.3 实验数据的获取及处理 |
| 4.1.4 实验材料的准备 |
| 4.2 黑火药类炸药与常见物质识别的实验验证 |
| 4.2.1 黑火药测试数据及拟合曲线 |
| 4.2.2 常见物质的识别曲线建立 |
| 4.2.3 黑火药与常见物质曲线识别分析 |
| 4.3 实验验证火药识别曲线 |
| 4.4 验证邮包内火药识别 |
| 4.4.1 邮包内含火药情况 |
| 4.4.2 邮包内多种物质中火药识别情况 |
| 4.4.3 邮包内随机厚度有机物情况 |
| 4.4.4 黑火药的识别验证(鞭炮) |
| 4.5 本章小节 |
| 第5章 液体危险品识别方法及实验 |
| 5.1 电子鼻识别方法实验研究 |
| 5.1.1 电子鼻气味识别系统组成 |
| 5.1.2 静态条件下电子鼻气味识别系统对易燃液体识别 |
| 5.1.3 设备运行时电子鼻气味识别系统对易燃液体识别 |
| 5.2 液体危险品X射线图像识别 |
| 5.3 液体危险品判别依据 |
| 5.4 本章小结 |
| 第6章 多信息融合检测系统研究 |
| 6.1 信息融合的结构、层次和方法 |
| 6.1.1 信息融合的结构 |
| 6.1.2 信息融合层次 |
| 6.1.3 信息融合方法 |
| 6.1.4 液态危险品检测中的信息融合技术 |
| 6.2 多信息融合检测系统的硬件设计 |
| 6.3 多信息融合检测技术的软件实现 |
| 6.3.1 电子鼻数据融合模型 |
| 6.3.2 信息融合检测软件的结构及功能 |
| 6.3.3 软件的流程及实现 |
| 6.4 模式识别方法研究 |
| 6.4.1 K-L降维和主成份分析 |
| 6.4.2 人工神经网络对气体的识别 |
| 6.5 多信息融合检测方法的试验研究 |
| 6.5.1 电子鼻对气体的识别方法研究 |
| 6.5.2 多信息融合检测方法对三种液态危险品的实验研究 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 本文主要结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表学术论文情况 |
| 作者简介 |
（9）基于激光三维视觉的大型散货船自动化作业动态场景构建及路径规划（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的背景及研究意义 |
| 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 激光三维视觉技术国内外研究现状 |
| 1.2.2 卸船机抓斗路径规划国内外研究现状 |
| 1.3 本文主要研究内容及组织结构 |
| 第二章 基于激光三维视觉的散货船自动化作业系统总体设计 |
| 2.1 系统目标及功能 |
| 2.2 硬件系统结构设计 |
| 2.2.1 硬件系统的组成 |
| 2.2.2 硬件系统的安装 |
| 2.3 系统软件结构设计 |
| 2.4 本章小结 |
| 第三章 激光三维点云数据采集及预处理 |
| 3.1 点云数据的采集及解析 |
| 3.1.1 点云数据的采集 |
| 3.1.2 点云数据的解析及三维坐标转换 |
| 3.2 点云数据的预处理 |
| 3.2.1 点云数据降采样算法研究 |
| 3.2.2 点云数据滤波算法研究 |
| 3.3 本章小结 |
| 第四章 基于点云分割的抓斗工作可行域划分 |
| 4.1 基于点云目标识别的激光扫描仪定位 |
| 4.1.1 基于SHOT特征匹配的目标预识别方法 |
| 4.1.2 基于3D霍夫变换的目标再识别 |
| 4.2 基于高程值统计的货船甲板平面分割 |
| 4.3 基于改进RANSAC方法的船舱平面分割 |
| 4.3.1 基于RANSAC方法的平面分割 |
| 4.3.2 基于点云法向球特征的RANSAC方法 |
| 4.4 船舱物料区域分割及网格划分 |
| 4.5 本章小结 |
| 第五章 基于工作可行域的抓斗路径规划算法设计 |
| 5.1 抓斗抓取路径整体规划 |
| 5.1.1 横向方向抓斗抓取路径规划 |
| 5.1.2 纵向方向抓斗抓取路径规划 |
| 5.2 卸船机小车抓斗系统动力学模型建立 |
| 5.3 抓斗抓取路径控制算法设计 |
| 5.3.1 起升联动阶段抓斗路径规划 |
| 5.3.2 抛料卸料阶段抓斗路径规划 |
| 5.4 基于Adams的抓斗抓取路径控制算法仿真 |
| 5.4.1 仿真模型的建立 |
| 5.4.2 模型的仿真 |
| 5.5 本章小结 |
| 第六章 自动化作业控制软件实现及点云分割算法验证 |
| 6.1 自动化作业控制软件实现 |
| 6.1.1 数据采集模块 |
| 6.1.2 数据处理及可视化模块 |
| 6.1.3 上位机与PLC通信及报文解析模块 |
| 6.1.4 用户管理模块 |
| 6.2 点云分割算法验证 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的学术成果 |
（10）港口码头岸桥泊位分配及集卡调度物流规划研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及目的 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的 |
| 1.2 集装箱港口背景及相关发展现状 |
| 1.2.1 码头布局及概念 |
| 1.2.2 集装箱船舶 |
| 1.2.3 集装箱堆场堆存形式 |
| 1.2.4 我国沿海港口的布局规划 |
| 1.2.5 集装箱港口总体发展现状 |
| 1.3 国内外研究现状 |
| 1.3.1 泊位分配与岸桥调度问题 |
| 1.3.2 集卡路径规划问题 |
| 1.3.3 切割和装箱问题 |
| 1.3.4 模糊聚类问题 |
| 1.4 论文研究主要内容 |
| 第二章 曹妃甸港区发展状况及需解决研究问题 |
| 2.1 曹妃甸港区发展状况 |
| 2.1.1 港口设施状况 |
| 2.1.2 港口生产运营状况 |
| 2.1.3 现状评价 |
| 2.2 码头泊位分配与岸桥调度问题 |
| 2.2.1 泊位分配问题 |
| 2.2.2 岸桥调度问题 |
| 2.2.3 集成调度问题 |
| 2.3 港区自动调度集成系统 |
| 2.4 本章小结 |
| 第三章 基于模糊聚类方法的调度模型构建与求解 |
| 3.1 基于模糊聚类方法的调度模型 |
| 3.1.1 FCM模糊均值聚类方法 |
| 3.1.2 船舶评价坐标系建模 |
| 3.1.3 船舶相关系数矩阵计算 |
| 3.1.4 到港船舶优先级船舶模糊聚类 |
| 3.1.5 基于模糊聚类方法的调度数学模型构建 |
| 3.2 粒子群算法 |
| 3.3 基于模糊聚类方法的调度模型求解 |
| 3.3.1 基于模糊聚类的优先级求解算法 |
| 3.3.2 整体模型算法求解流程 |
| 3.3.3 案例分析与求解 |
| 3.4 本章小结 |
| 第四章 基于三维空间布局思想的调度模型构建与求解 |
| 4.1 基于三维空间布局思想的调度模型 |
| 4.1.1 调度布局问题抽象 |
| 4.1.2 资源变量归一化 |
| 4.1.3 动态吸引子 |
| 4.1.4 基于三维空间布局思想的调度分配数学模型构建 |
| 4.2 遗传算法 |
| 4.3 基于三维空间布局思想的调度模型求解 |
| 4.3.1 基于三维空间布局思想的求解算法 |
| 4.3.2 整体模型算法求解流程 |
| 4.3.3 案例分析与求解 |
| 4.4 本章小结 |
| 第五章 基于服务优先级的调度模型构建与求解 |
| 5.1 基于服务优先级的调度模型 |
| 5.1.1 优先级的计算方法 |
| 5.1.2 作业时长计算方法 |
| 5.1.3 基于服务优先级的调度数学模型构建 |
| 5.2 量子遗传算法 |
| 5.3 基于服务优先级的调度模型求解 |
| 5.3.1 基于优先级的求解算法 |
| 5.3.2 整体模型算法求解流程 |
| 5.3.3 案例分析与求解 |
| 5.4 本章小结 |
| 第六章 基于流体力学理论的集卡调度模型构建与求解 |
| 6.1 传统集卡调度模型 |
| 6.1.1 问题描述 |
| 6.1.2 传统集卡调度数学模型构建 |
| 6.1.3 传统优化模型的局限性 |
| 6.2 集卡交通流力学模型 |
| 6.2.1 车域 |
| 6.2.2 车流流体力学抽象 |
| 6.2.3 车流状态 |
| 6.2.4 车流主干道流体成型因素 |
| 6.2.5 流体力学与车流问题应用转化 |
| 6.2.6 基于流体力学理论的集卡调度数学模型构建 |
| 6.3 集装箱主干道最大通行能力 |
| 6.3.1 传统通行能力计算 |
| 6.3.2 流体力学通行能力计算 |
| 6.3.3 最大通行能力持续时长 |
| 6.4 基于主干道运输能力最大化集卡路径优化 |
| 6.4.1 集装箱堆存属性原则 |
| 6.4.2 案例分析与求解 |
| 6.5 本章小结 |
| 第七章 港区自动调度集成系统 |
| 7.1 信息录入系统 |
| 7.2 泊位及岸桥调度系统 |
| 7.3 集卡调度系统 |
| 7.4 数据接口功能 |
| 7.5 本章小结 |
| 第八章 总结与展望 |
| 8.1 研究总结 |
| 8.2 研究展望 |
| 参考文献 |
| 攻读学位期间所取得的相关科研成果 |
| 致谢 |
四、动态自适应幂变换处理大型集装箱扫描图像（论文参考文献）
- [1]面向远程移动污染源排放监测的激光雷达跟踪控制研究[D]. 杨钰潇. 中国科学技术大学, 2021(09)
- [2]大雾下海上图像的目标分离与智能辨识研究[D]. 林昌. 集美大学, 2021(01)
- [3]基于强声激振的集装箱空箱智能检测系统的研究[D]. 刘为. 电子科技大学, 2020(01)
- [4]自动化轮胎吊的系统设计[D]. 邵恩. 东南大学, 2020(01)
- [5]计算机科技论文摘要的机翻错误类型及译后编辑[D]. 付茜雯. 大连理工大学, 2020(06)
- [6]高架轮胎吊多天候道路线检测系统[D]. 张勉. 山东科技大学, 2019(05)
- [7]集装箱货物X光透视图像分类识别算法研究[D]. 程村. 清华大学, 2019(02)
- [8]多信息融合邮政分拣系统安全检测方法研究[D]. 朱亮. 东北大学, 2019(01)
- [9]基于激光三维视觉的大型散货船自动化作业动态场景构建及路径规划[D]. 安建平. 上海交通大学, 2018(06)
- [10]港口码头岸桥泊位分配及集卡调度物流规划研究[D]. 司玉军. 河北工业大学, 2017(01)