一、工程记录的重要手段——工程影像（论文文献综述）
汪宁宁[1]（2021）在《从“山上运河”到“圆梦工程”：引洮工程的传播话语空间及其社会记忆研究》文中研究表明
曹举[2]（2021）在《输电网视频在线监测及告警系统的软件设计与实现》文中研究说明随着我国社会经济的迅速发展,电力已成为了我们生活所必不可少的一部分,电力产业也早已成为我国的支柱产业,而输电线路作为电力系统的重要组成部分,对电能的输送和分配起着重要作用,因此输电线路的安全与稳定运行是保证电力系统可靠运转的重要保证。输电线路具有点多、线长、面广以及电气设备运行环境恶劣等特点,传统的输电线路监测往往采用人工巡视的方法,存在工作量大、维护及检修效率低以及反复巡视周期长等问题,采用传统监测方法要做到对输电线路准确监测几乎是不可能实现的事情。而视频在线监测方法具有实时性、高清监测以及智能化的特点,因此,设计并实现一套输电网视频在线监测与告警系统软件是电网安全可靠运行的必然要求。为了解决目前输电网在线监测所面临的问题,本文将传统的输电线路监测方法进行了改进提升,结合新兴互联网技术,利用计算机技术、通信技术以及智能视频分析技术,包括模式识别、图像处理、数据处理分析、软件开发以及数据库等技术,设计并实现了输电网视频在线监测与告警系统软件,从而实现了对输电线路的智能化监测。主要完成了如下工作:（1）针对输电网在线监测课题,调研查阅当前国内完成研究技术的发展,从解决输电网巡检的困难痛点入手,思考并调研采用科技技术辅助人工巡检,起到降本增效的目的。（2）确定系统方向之后学习系统所需要的相关技术,比如数据库技术、Java开发语言、B/S架构等。结合当前巡检任务的需求,将整个系统分为数据采集与传输模块、数据存储与分析模块、视频在线监测模块、告警模块与系统管理模块,针对不同模块进行需求分析和设计。（3）跟进需求中不同的模块,开发系统对应的功能,包含用户登录、权限管理、视频查看、图像查看、缺陷记录、告警记录、巡检配置以及录像回放等功能点开发,实现输电网的智能化在线监测。为了使输电网视频在线监测与告警系统能够为电力系统的安全可靠运行的提供更好的保障,在完成系统的开发实现之后,对整个系统进行了系统化全面化的测试工作,包括界面测试、功能测试、性能测试、安全性测试以及兼容性测试。
杨煜昕[3]（2020）在《基于机器视觉的混凝土表观质量检测方法研究》文中研究说明框架混凝土结构因其稳定性和耐久性好,且建造养护成本低廉等优点,被广泛地应用于现代土木工程项目中。混凝土作为建筑主体结构最外侧的保护材料,不仅保护着建筑物免受外部风雪侵蚀,同时也保护着结构内部的钢筋。在工程实际施工过程中,建设方或施工方仅侧重检测混凝土的内在性能,往往轻视甚至忽视对混凝土表观成型质量的检查。传统的混凝土表观成型质量的检测是通过目视检查的方式,对混凝土表观成型质量进行一个大致的判断。这种检测方法的标准不统一,检测过程中随意性和主观性大,且检测结果很难形成完整的检测报告和资料,对后续建筑结构的质量责任追查和检修维护造成极大的困难。成型质量不合格的混凝土表观对建筑结构的影响很大,不仅降低了混凝土的强度,还极易造成渗漏,腐蚀结构内部钢筋,甚至影响结构的耐久性和使用年限。因此,探索寻求一种更加直接、全面、高效、便捷、自动化程度高的混凝土表观成型质量检测方法具有重要的现实意义。通过高像素手机采集不同工程现场的混凝土表观质量成型的缺陷图像,以图像识别技术为基础,以深度学习技术为支撑。通过卷积神经网络对采集的图像进行自我的学习,实现对混凝土表观蜂窝、麻面、孔洞以及拼缝漏浆这4种主要缺陷类型的检测识别与分类。同时,将所述检测方法在工程现场进行实地测试。主要完成如下工作:（1）首先对华东区域混凝土结构的施工和养护工艺进行阐述,以及调研江苏地区的混凝土表观成型主要存在的几种缺陷类型,并介绍卷积神经网络基础算法的可行性。同时对混凝土表观质量检测方法研究的总体架构流程进行设计。（2）在完成总体方法设计之后,随机采集江苏地区某5个工程现场4种不同类型的混凝土表观成型质量缺陷图像。随后对采集的图像进行预处理,以去除图像中多余的干扰信息。图像预处理的方法包括:1)基于Mask匀光的图像亮度平衡处理,以平衡图像亮度;2)基于霍夫（Hough）变换的圆形检测,以检测提取图像中的圆形区域;3)基于连通区域标记算法的圆形态减除方法,以减除检测出的圆形区域。在完成上述图像预处理后发现,采集的图像中的圆形套管被减除,且图像的亮度和色彩信息得到较好的平衡。同时,在完成图像预处理后,对采集的图像数量进行适当增广。增广方法包括:1)基于几何变换的图像数据扩增方法;2)基于颜色空间变换的图像数据扩增方法。以此来扩充图像的数量,以方便后续卷积神经网络对图像特征的提取检测。完成上述对图像质量和数量的处理后,对图像进行了缺陷区域的手动标注,并将标注的图像在3种不同网络模型的卷积神经网络中进行测试。经测试发现Faster R-CNN网络结构模型的检测结果最佳,准确率均超60%。（3）基于上述不同卷积神经网络的测试结果,在Faster R-CNN网络结构模型下对混凝土表观成型质量进行了检测。首先,对学习率和迭代次数进行了设置,同时将所有处理完成的图像作为成数据集,并分为训练集和测试集。在设定的参数条件下对数据集进行了训练、识别、分类。经测试,在实验室环境下的混凝土麻面缺陷的检测识别率为28%,分类准确率为85%。孔洞的检测识别率为74%,分类准确率为94%。蜂窝的检测识别率为60%,分类准确率为92%。拼缝漏浆的检测识别率为75%,分类准确率为93%。除麻面外,其余3种缺陷的检测识别率均超60%,分类准确率均超90%,其检测结果具有一定的可靠性和实用性。（4）为测试研究方法在实际工程中的可靠性和实用性,基于上述方法,并结合实际工程现场,对某一在建工程中的不同种类的建筑主体结构的混凝土表观成型质量进行了测试。在同一工程现场采集了不同种类的建筑主体结构的混凝土表观成型质量图像,并对图像按上述方法中处理方式,对图像质量和数量进行了处理。再在处理完成的基础上,进行检测识别与分类。在工程实测的检测结果中发现,本方法相比于传统检测方法,不仅检测方式更加便捷、简单,检测速率快,辅以无人机还可以实现对建筑外立面和超高处混凝土表观成型质量的检测。尽管检测识别的准确率仅为70%左右,但在全面检测的基础上,其真实的检出率远超传统人工抽检。与此同时,由于真实工程环境复杂,其采集的图像中的干扰因素较多,导致在检测分类过程中,误检分类的情况较多,检测分类率不足60%。这是由于工程环境特征和算法的不足等多种因素所导致。基于上述工程实测中出现的不足,提出了未来改进和探究的方向。
白占俊[4]（2020）在《网络学习产品评论情感分析与可视化表示》文中研究指明网络学习产品评论情感分析能够将用户的使用体验情感得到充分表达,为用户提供更高效的价值参考,实现用户、供应商与平台的共赢。网络学习产品的评论是用户基于使用体验对产品内容的主观印象的阐述,往往饱含着用户对产品的价值判断和情感倾向。这些情感使网络学习产品在开发中能更好的获得市场需求反馈,为产品的优化指明方向,同时为网络学习产品用户在选择产品时提供意见参考,提高用户选择的质量和效率,另外网络学习平台可以根据用户评论的情感表达,进一步优化平台产品提供方式,增加用户黏性。但是,目前现有的针对网络学习产品评论情感分析和利用的程度不够,只对字面意思进行文本展示,对用户情感深度挖掘较少,且在展示上往往只采用笼统的文本加打分的形式表达,未发挥出评论资源应有的价值。因此有必要对网络学习产品评论进行情感分析,并采用可视化的方式进行展示。本文在了解网络学习和情感分析研究现状的基础上,对研究的网络学习产品和网络学习产品评论进行概念与范围说明,采用在线观察、问卷调查等方法,对网络学习产品市场发展现状和评论情感分析现状进行调研。然后,以中国大学慕课平台为研究对象,分析网络学习产品评论的文本特征,对获取数据进行深度清洗。针对评论的领域性和短文本属性,提取产品评论情感特征,结合评论属性建立领域情感词典,并建立网络学习产品评论情感分析模型,对评论情感倾向性进行分析,最后从将情感倾向性进行量化,以直方图和雷达图形式进行可视化展示。
王宣[5]（2020）在《结合静动图像分析的BIM技术在桥梁施工中的应用研究》文中进行了进一步梳理近年来,工程建设逐渐从以前快速施工模式转变成精细化的施工模式,提高建设的信息化率也成为当前发展的重点。BIM技术在房屋建筑领域的蓬勃发展也给基础设施中的桥梁工程带来了新的方向,随着政策层面推动桥梁BIM的应用,其实用价值也逐渐体现。本文研究以提高桥梁工程建设的信息化率为中心,将数字图像分析方法与BIM技术结合,应用到桥梁建设施工过程中,为桥梁施工过程中的诸多难题提供新的解决方案。研究首先针对桥梁BIM建模困难的问题,探讨了Revit参数化建模、Revit软件编程开发建模和可视化编程建模三种高效、精细的建模方式。在桥梁BIM技术应用方面,实现典型工法施工技术交底、施工全过程仿真模拟和施工碰撞检查三个方面的可视化施工技术。此外,还针对BIM平台的扩展性进行了深入探究,通过C#编程语言对Revit软件进行功能拓展,从而实现高效的BIM应用。最后针对某实际工程进行了实际桥梁建模和应用分析,验证了文章内容的技术优势和应用可行性。在以静态图像分析技术为研究方向的工作中,实现工程现场图像辨识和现场实景三维重建两个技术方向的工程应用。首先根据相关理论开发Matlab程序,实现工程现场的图像内容识别,并提出预制梁厂管理、施工进度管理两个方向的技术应用。其次利用倾斜摄影获取的图像资料,通过软件进行图像三维重构,形成工程的实景重建三维模型,并探索了三维重构模型和精确BIM模型的匹配比对方法,进行了工程进度控制、竣工验收和工程质量控制等方面的应用。最后将处理结果整合到BIM平台中,实现工程现场科学管理。在以动态图像分析技术为研究方向的工作中,提出一种基于光照强度时程分析的构运动信息测量新方法。针对视频测量结果,分别提出像素点频率概率分布直方图方法和结构图像频率点云方法,直接获取结构振动频率。基于该方法开发结构振动和拉索索力两个方向的应用,并设计采用手机对单自由度小球振动测量,以及采用高速相机对拉索索力测量两个验证实验,最终利用本文方法计算小球的振动频率和拉索索力,结果表明分析准确、效果理想。
陈贤才[6]（2020）在《长周期地震动设计反应谱及地震动选取方法研究》文中认为由于地震动具有强烈的随机性,结构的地震反应随输入地震动的不同而存在巨大的差异。其中,作为一种特殊的地震动,长周期地震动会使得长周期结构产生剧烈的结构响应,甚至会引起严重的破坏。然而,国内对长周期地震动的研究并不多,规范反应谱没有合理考虑长周期地震动的影响,不能够很好地指导工程实践,因此有必要对规范反应谱进行适当的修正。此外,随着大量强震记录的获得,提出能够满足我国规范要求、适用于弹性和弹塑性分析的地震动选取方法也是很有必要的。本文研究的主要工作内容如下:（1）提出界定普通地震动与长周期地震动的方法:引入希尔伯特能量谱,从而更准确地反映地震动的能量分布情况。从能量的角度出发,定义0～0.4Hz范围内的能量谱面积与能量谱总面积的比值大于0.2的为长周期地震动,并从反应谱以及结构的地震响应这两个方面对比普通地震动与长周期地震动的区别,算例表明,长周期地震动作用下结构响应要大于普通地震动。（2）对设计反应谱进行重新标定:基于从日本的Kik-net与K-NET强震动观测台网收集来的各类场地下的强震记录共25862条,采用进化算法对普通地震动、长周期地震动以及罕遇地震动的反应谱进行标定计算,并给出了相应的参数建议取值。（3）基于我国规范对于动力时程分析的要求,考虑到结构高阶振型以及周期延长的影响,结合结构动力学的基本原理,提出了两种分别适用于弹性时程分析以及弹塑性时程分析的地震动选取方法。算例表明,这两种方法选取所得的地震动都能够很好地满足规范的要求,同时有效降低结构响应的离散性。
李方召[7]（2019）在《医学图像分割算法研究》文中进行了进一步梳理当前,计算机技术发展日新月异,随着医疗器械的配套更新,医学图像的数据也越来越丰富。面向医学图像的处理和分析能够对医生的诊断和治疗起到辅助、启发和推动作用。医学图像分割是医学图像处理的基础技术,可以根据应用需求,对医学图像中的兴趣区域进行像素级的标记。医学图像的成像方式繁杂,图像特征各异,同时,不同成像方式下的医学图像可能会针对不同人体部位,这些都导致了医学图像分割需要针对不同成像方式的数据构建不同的模型。本文重点针对三种医学图像进行分割模型的研究,这三种图像包括:创面图像、病理图像和高分辨率的电子计算机断层扫描（HRCT）图像。这三种图像拍摄的目标不同,特征相差很大。本文的主要贡献包括:1、创面分割存在的主要问题包括:（1）图像背景复杂,干扰因素多,会导致不合理的分割结果;（2）创面图像收集困难,数据量较少,不利于训练出分割效果好的深度学习模型。针对这些问题,本文提出了一种面向复杂背景的创面分割方法,利用创面语义信息,基于传统图像处理方法,有效提升了深度学习模型的创面分割效果。其基本思路是:（1）以形态学方法为基础,通过对人体皮肤特征的分析,设计了一种有伤皮肤检测的算法,以此为基础排除复杂背景;（2）设计了一种分离背景的模型训练方法,用包含和消除了复杂背景的创面图像集进行训练,用消除复杂背景的创面图像进行识别,在保持模型泛化能力的同时,减少创面识别过程中的干扰因素;（3）以创面语义为基础,设计了一种创面语义修正算法,通过对创面分割结果进行不合理排除、合并消融等方式,改善创面分割的效果。实验结果显示模型很好地解决了存在的问题,提升了创面分割的精度。2、面向图像分割的深度神经网络模型主要存在以下问题:（1）深度神经网络的池化和卷积操作会模糊图像的位置信息,影响图像分割结果的精度;（2）深度神经网络不能直接利用图像语义等先验知识,导致分割结果存在一定的误差。针对这些困难,本文提出了一种基于位置信息增强的创面分割网络,通过图像位置信息增强以及基于平滑卷积核的语义修正,有效提升了图像分割精度。其基本思路是:（1）提出了一种图像位置信息增强方法,将图像二维位置信息表示成一个独立的位置图,将该位置图加入模型训练,可以有效增强网络提取图像位置信息的能力;（2）设计了一种位置信息增强卷积方法,利用经验值的卷积核融合图像像素之间的位置关系,提升位置信息的利用效果;（3）设计了一种基于语义修正的分割平滑方法,根据图像语义环境设计平滑卷积核,对分割结果进行修正,减少了分割结果的误差。实验结果显示本文方法能够较好地提高网络对创面位置信息的提取能力,优化了网络分割效果。3、胃腺癌病理图像癌区分割中存在的问题包括:（1）图像癌区与健康组织之间存在过渡区域,导致边缘模糊,难以进行准确分割;（2）病理图像尺寸过大,导致无法直接使用深度神经网络进行训练和分割。针对这些问题,本文提出了一种级联精细化的病理图像分割方法,将像素级分割问题转换成逐步求精的块分类问题,细化块分类粒度,得到分割粗标签,以此训练得到分割网络。其基本思路是:（1）提出了一种基于医学观察切割的病理小块精确分类网络,根据医学观察,将全切片图像切割成经验尺寸的可区分病理小块进行分类标注,使用此分类标签训练得到一个稳定的病理小块分类网络,解决了病理图像分割标注困难的问题;（2）提出了一种基于组织环境的病理块细分方法,交叉切割病理小块,基于各小块原有分类信息确定重叠区域二次分类结果,实现对病理小块的细分标记;（3）基于前述技术,设计了一种级联精细化的病理图像分割框架,利用细分块的分类结果对图像进行像素级标注,在此基础上获得像素级的病理图像癌区分割模型。实验表明,该模型可以很好地解决任务中的问题,能够完成对全切片图像的像素级精确分割任务。4、间质性肺病的胸部HRCT图像肺实质分割任务中存在以下问题:（1）图像中存在环境噪声,会影响到肺实质的分割结果;（2）因病导致的肺部存在异常区域,这些异常与非肺组织的特征相似,难以分割。针对这些问题,本文提出了一种基于分水岭和形态学方法的图像分割模型。其基本思想:（1）基于人体胸腔区域的语义特征,使用形态学的方法构建了一种胸腔区域分割模型,分割出人体胸腔区域,从而排除环境背景的干扰;（2）提出了一种基于多次分割校正的肺实质分割方法,使用分水岭法对多种分辨率肺实质进行分割并求其差值,基于差值的分类修正分水岭中异常区域的标记后,完成肺实质的精确分割,从而解决了肺实质中异常区域的错误分割问题。实验结果表明模型很好地解决了图像中背景和特殊的异常区域对肺实质分割带来的影响。
张野[8]（2019）在《水工岩体地质图像数据深度挖掘与智能分析理论方法及应用》文中研究指明工程地质勘探和分析是水利工程建设中不可缺少的一环。但是在高边坡、深洞室及复杂地形的情况下,工程初期的地质勘查工作缺乏参考资料和指导,有效地质数据的获取费时费力,难以实现实时的分析与反馈。另一方面,部分地质数据,如地质图像等,只是作为参考文档进行存储,没有应用到具体的计算分析中。近年来,随着计算机技术、数字科学和地质信息技术的不断发展,一些新方法和新技术为地质勘探和地质数据分析提供了新的研究思路。基于大数据的深度学习方法在许多领域取得了较好的效果,对于非结构化数据,如图像数据,深度学习方法可实现其有效分析。将深度学习方法引入地质勘查与地质数据分析可一定程度上实现其分析的自动化,从而减少地质工程师的工作量,进一步实现地质数据获取与分析的智能化。本文依据实际工程数据,结合深度学习理论与水工地质分析方法,对水工地质中不同尺度的图像进行了深入而系统的数据挖掘与智能分析,主要研究内容和研究成果如下:（1）以地质勘查中的地质结构图像为研究样本,基于不同特征提取方法,建立了水工地质勘查中地质结构图像最优分类模型。通过对比不同特征下的机器学习模型、卷积神经网络和深度学习迁移模型,讨论不同特征（如颜色和纹理）对于结果的影响,基于准确率对不同模型进行评价,其结果显示得到的最优模型可为水工地质勘查分析提供可靠依据。（2）基于多种深度学习模型分别对洞室内基础地质现象图像进行特征分析,结合机器学习方法建立了洞室内基础地质现象图像最优识别模型。采用不同的深度学习模型和机器学习方法相结合,对比分析得出洞室中基础地质现象图像识别的最优模型方法。通过迁移学习方法和多种深度学习模型实现洞室基础地质现象图像特征的提取,基于提取的特征建立多种机器学习模型并对比得到最优识别模型,其结果可为洞室内基础地质现象自动化识别提供设计参考。（3）以钻孔摄影图像中地质边界为研究对象,通过对比传统的图像处理方法和基于深度模型的目标检测方法,以及比较基于不同深度模型的目标检测方法,最终确定了较优的地质界线识别模型。采用基于阈值和边缘的传统图像处理方法和基于多种深度学习模型的目标检测方法对钻孔摄影图像进行分析研究,结果显示,由于地质条件复杂,钻孔摄影图像中存在较大噪声,单纯的阈值或边缘特征难以实现地质界线的识别与检测;而基于深度学习方法的模型可以排除噪声干扰,较好地识别地层界线,在训练过程中误差较小且收敛速度较快,其对于三维地形模型建立的自动化、智能化实现有重要意义。（4）以钻孔摄影图像中结构面为研究对象,利用传统的图像处理方法对钻孔摄影图像进行分析,再以不同图像分割模型为预训练模型,利用图像分割模型迁移学习方法进行训练,对比传统方法和基于深度学习的模型方法对钻孔图像中结构面的分割效果,提出了适用于钻孔全景图像结构面分割的自动化方法。传统图像分割方法速度快且不需要训练,但是准确性低,基于深度学习模型的图像分割方法准确性高,训练完成后,图像分割速度与传统方法相差不大。另外,基于深度学习模型的图像分割方法可以实现图像的像素级分类识别;通过对多种图像分割模型进行迁移训练,并对收敛过程进行分析,对比传统方法和不同的基于深度学习方法模型的优缺点,最终提出了钻孔摄影图像结构面自动化识别方法,其对于水工地质安全评价有重要意义。
黄科[9]（2019）在《TBM施工岩渣自动识别技术研究》文中认为隧道施工中地质超前预警是一项很重要的环节,及时的了解前方地质信息会对施工产生很大的帮助。如果提前知道前方有地质风险,可以提前做好准备,避免出现人员伤亡和设备损坏,从而避免耽误工程进度。文章以EH引水工程超特长隧道TBM施工为背景,隧道延绵几百公里,使用十八台TBM分区间施工。到目前为止TBM投入数量世界第一,TBM单洞掘进里程世界第一。隧道跨度大,地质条件多变,传统的超前地质预警费时费力,在超特长隧道施工中不能满足需求。因此,课题着力于以岩渣作为对象研究岩渣自动识别技术,以深度学习的方式建立岩渣自动识别模型,通过不同的岩渣图样反映前方地质信息,以此来判断前方地质有无塌方、断层等风险。岩渣中包含了很多的地质信息,将这些信息提取出来就可以预测地质变化。文章以EH引水工程中SS标段的岩渣作为研究对象,结合TBM的设计参数和地质资料,对岩渣的统计理论做了总结。以标段中某个断层破碎带TBM出渣的具体情况对岩渣的理论统计做了验证。结果显示此段的岩渣中岩块的含量在90%左右,岩片的含量在5%左右,符合V类围岩对应的岩渣统计规律。另外某段III类围岩的出渣结果是岩块占20%左右,岩片占80%左右,符合岩渣的统计规律。在岩渣的统计规律的前提下,对岩渣自动识别技术进行研究。利用卷积神经网络设计图像识别的深度学习模型,利用图像处理技术对样本集样本进行处理。针对块状和片状岩渣的分类问题,使用8层的预训练卷积神经网络模型,通过梯度下降算法、稀疏表示、提前终止、dropout等方法对模型进行优化。训练结果,在测试集上的准确率达到92.6%,并能成功的识别出岩块和岩片,但是在风险预警方面效果不明显。为了更快更准确的实现地质信息预警,使用迁移学习的方法将模型应用在新的分类问题上。实验证明,迁移学习可以使网络更快的收敛,在测试集上的预测准确率达到92.7%。经过实际工程图像验证,可以成功将岩渣区分为有风险和无风险两类。
陈旭东[10]（2019）在《基于J2EE的计量业务应用系统研究与实现》文中指出计量作为一项古老而又新兴的检验检测活动,关系到经济社会发展的各个方面以及人民群众的切身利益,如贸易结算、环境监测、安全防护、医疗卫生、司法鉴定等领域无不与计量息息相关。但随着计量检测工作在各领域的不断深入以及信息化技术、大数据、互联网+以及移动互联网技术的快速发展,我国绝大部分计量检测机构面临着业务流转不受控、检测记录电子化程度低、检测活动效率低、数据分散与杂乱等普遍性问题,绝大部分计量检测机构已有业务应用系统很难再满足业务发展、业务运转、日常业务管理所需。如何依据最前沿的信息化技术及结合我国计量检测机构工作运转实际,研究与实现一套符合我国计量检测机构实际工作运转的计量业务应用系统,是当前整个计量检测行业急需与深入研究的重要课题。主要工作和成果如下:1、通过对计量检测各业务场景深度分析、提炼,并结合大数据、物联网、移动互联网以及前端自适应等信息化前沿技术,实现了一套“业务多位一体、服务全面延伸”并符合计量检测机构工作实际所需的计量业务应用系统;2、通过对计量检测业务深度分析,建立了一套规范名称与价格库,并将规范名称与价格基础信息库与具体业务运转模块先结合,从而尽可能解决不规范等问题;3、通过对样品内部流转场景细粒度分解及结合移动互联技术建立起面对面交接功能,解决了业务流转不受控问题;4、通过研究原始记录电子化,并以电子化后的原始记录为中心,横向与测量设备、与证书报告等对象相结合,解决了电子记录自动生成电子证书报告问题,解决数据孤立、效率低等问题。在业务场景深度分析基础之上,应用跨平台JAVA语言、采用B/S架构搭建该系统,通过My SQL对系统数据的集中管理与控制,最终实现一套符合我国计量检测机构实际工作运转的计量业务应用系统。
二、工程记录的重要手段——工程影像（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、工程记录的重要手段——工程影像（论文提纲范文）
（2）输电网视频在线监测及告警系统的软件设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 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 主要研究内容及章节安排 |
| 第二章 相关技术研究 |
| 2.1 B/S技术介绍 |
| 2.2 Java技术介绍 |
| 2.3 数据库技术介绍 |
| 2.3.1 数据库概念 |
| 2.3.2 数据库特性 |
| 2.3.3 MySQL数据库简介 |
| 2.4 本章小结 |
| 第三章 系统需求分析 |
| 3.1 总体需求分析 |
| 3.2 系统功能需求分析 |
| 3.2.1 系统管理模块用例分析 |
| 3.2.2 数据采集及传输模块用例分析 |
| 3.2.3 数据存储及分析模块用例分析 |
| 3.2.4 视频在线监测模块用例分析 |
| 3.2.5 告警模块用例分析 |
| 3.3 本章小结 |
| 第四章 输电网视频在线监测与告警系统设计与实现 |
| 4.1 系统总体目标 |
| 4.2 系统总体设计 |
| 4.2.1 系统物理架构设计 |
| 4.2.2 系统体系架构设计 |
| 4.3 系统功能设计与实现 |
| 4.3.1 系统整体设计流程说明 |
| 4.3.2 数据采集与传输模块设计与实现 |
| 4.3.3 数据存储与分析模块设计与实现 |
| 4.3.4 视频在线监测模块设计与实现 |
| 4.3.5 告警模块设计与实现 |
| 4.3.6 系统管理模块设计与实现 |
| 4.4 数据库设计与实现 |
| 4.5 本章小结 |
| 第五章 系统测试及实现效果 |
| 5.1 测试概述 |
| 5.2 测试环境 |
| 5.3 测试内容及实现效果 |
| 5.3.1 界面测试 |
| 5.3.2 功能测试 |
| 5.3.3 性能测试 |
| 5.3.4 安全性测试 |
| 5.3.5 兼容性测试 |
| 5.4 测试分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
（3）基于机器视觉的混凝土表观质量检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 混凝土表观质量相关检测内容与方法 |
| 1.2.2 机器视觉技术发展及工程应用 |
| 1.2.3 相关支撑算法研究 |
| 1.2.4 研究总结与思考 |
| 1.3 论文主要工作 |
| 1.3.1 研究目标与内容 |
| 1.3.2 研究方法 |
| 1.3.3 论文章节结构 |
| 1.3.4 技术路线 |
| 第二章 基于机器视觉的混凝土表观质量检测方法的总体设计 |
| 2.1 华东地区气候及混凝土结构施工和养护工艺 |
| 2.1.1 华东地区气候特点 |
| 2.1.2 华东地区混凝土结构施工及养护工艺 |
| 2.2 混凝土表观质量缺陷类型及成因分析 |
| 2.2.1 混凝土表观质量缺陷类型 |
| 2.2.2 混凝土表观质量缺陷成因分析 |
| 2.3 江苏区域混凝土表观质量缺陷调研 |
| 2.3.1 调研地点选取 |
| 2.3.2 调研过程及结果分析 |
| 2.4 深度学习基础算法可行性分析 |
| 2.4.1 卷积神经网络基础 |
| 2.4.2 卷积神经网络组成及图像特征提取可行性分析 |
| 2.5 混凝土表观质量检测方法总体架构设计流程 |
| 2.6 本章小结 |
| 第三章 基于卷积神经网络的混凝土表观质量识别与分类方法 |
| 3.1 CNN混凝土表观质量缺陷检测框架 |
| 3.2 混凝土典型表观缺陷图像样本选取 |
| 3.2.1 获取混凝土图像样本 |
| 3.2.2 混凝土图像样本选择 |
| 3.3 混凝土表观质量图像预处理 |
| 3.3.1 图像质量提升 |
| 3.3.2 图像数量增广 |
| 3.3.3 图像数据标注 |
| 3.4 卷积神经网络(CNN)结构检测模型比选 |
| 3.4.1 R-CNN模型结构 |
| 3.4.2 Fast R-CNN模型结构 |
| 3.4.3 Faster R-CNN模型结构 |
| 3.4.4 不同网络结构分类结果及分析 |
| 3.5 本章小结 |
| 第四章 基于Faster R-CNN模型的混凝土表观质量检测方法 |
| 4.1 Faster R-CNN模型架构 |
| 4.1.1 CNN层特征提取 |
| 4.1.2 区域建议网络(RPN) |
| 4.1.3 Faster R-CNN检测器 |
| 4.2 模型训练 |
| 4.2.1 训练方法 |
| 4.2.2 模型训练的数据集 |
| 4.2.3 训练模型 |
| 4.2.4 模型性能度量标准 |
| 4.3 实验模型测试 |
| 4.3.1 测试环境 |
| 4.3.2 测试数据标注 |
| 4.3.3 检测结果分析 |
| 4.4 本章小结 |
| 第五章 工程应用与测试 |
| 5.1 工程概况 |
| 5.2 工程测试方法总体设计 |
| 5.3 方法实现与测试流程 |
| 5.3.1 工程测试硬件环境 |
| 5.3.2 工程测试准备及操作流程 |
| 5.4 基于机器视觉的混凝土表观质量识别方法工程应用测试及讨论 |
| 5.4.1 混凝土表观质量识别测试 |
| 5.4.2 混凝土表观质量识别测试结果讨论 |
| 5.5 基于机器视觉的混凝土表观质量缺陷分类方法工程应用测试及讨论 |
| 5.5.1 混凝土表观质量缺陷分类测试 |
| 5.5.2 混凝土表观质量缺陷分类测试结果讨论 |
| 5.6 基于无人机的建筑外立面混凝土成型质量检测系统实现与测试 |
| 5.6.1 系统设计 |
| 5.6.2 基于无人机的混凝土表观检测系统测试 |
| 5.6.3 系统检测结果讨论 |
| 5.7 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文和主要科研情况 |
| 附录A 深度学习专有名词注释 |
（4）网络学习产品评论情感分析与可视化表示（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.1.3 创新点 |
| 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 研究的主要内容 |
| 1.4 论文组织结构 |
| 2 相关理论与技术概述 |
| 2.1 网络学习产品及其评论 |
| 2.1.1 网络学习产品概念 |
| 2.1.2 现有网络学习产品分类 |
| 2.1.3 网络学习产品评论概述 |
| 2.2 文本情感分析 |
| 2.2.1 数据清洗 |
| 2.2.2 情感词典 |
| 2.2.3 情感分析概述 |
| 2.3 评论情感可视化表示 |
| 2.3.1 评论情感可视化概念 |
| 2.3.2 评论情感可视化技术 |
| 3 网络学习产品评论情感调研 |
| 3.1 调研目的和方法 |
| 3.1.1 调研目的 |
| 3.1.2 调研方法 |
| 3.2 调研对象确定 |
| 3.3 调研开展情况 |
| 3.3.1 调查问卷 |
| 3.3.2 网络观察 |
| 3.4 网络学习产品评论情感利用现状分析 |
| 3.4.1 网络学习产品已成自学主流选择 |
| 3.4.2 网络学习产品选择困难 |
| 3.4.3 网络学习产品市场规模大,需求大 |
| 3.4.4 网络学习产品评论情感表示模式简单 |
| 3.4.5 网络学习产品评论情感未充分利用 |
| 4 网络学习产品评论情感分析 |
| 4.1 情感分析过程与重点 |
| 4.1.1 文本分析的过程 |
| 4.1.2 文本分析的重点 |
| 4.2 网络学习产品评论数据获取和预清洗 |
| 4.2.1 评论数据获取 |
| 4.2.2 评论数据清洗 |
| 4.3 网络学习产品评论文本特征提取 |
| 4.3.1 产品评论分句、分词处理 |
| 4.3.2 深度清洗 |
| 4.3.3 情感词特征识别 |
| 4.4 网络学习产品评论情感词典构建 |
| 4.4.1 情感词典构建思路 |
| 4.4.2 辅助情感词典构建 |
| 4.4.3 产品评论情感词典构建 |
| 4.5 网络学习产品评论情感分析 |
| 4.5.1 评论情感分析模型构建 |
| 4.5.2 基于情感词典的产品评论情感分析 |
| 5 网络学习产品评论情感可视化表示 |
| 5.1 情感可视化实现 |
| 5.1.1 情感可视化实现模型 |
| 5.1.2 情感可视化工具 |
| 5.2 网络学习产品情感可视化展示 |
| 5.2.1 情感倾向性指标量化 |
| 5.2.2 评论情感可视化表示 |
| 5.3 评论情感可视化表示对学习平台的价值分析 |
| 6 结论与展望 |
| 6.1 论文总结 |
| 6.2 论文展望 |
| 参考文献 |
| 附件:网络学习产品评论情感分析利用现状调研 |
| 作者简历 |
（5）结合静动图像分析的BIM技术在桥梁施工中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外课题相关研究现状及发展概述 |
| 1.3.1 桥梁BIM技术的应用 |
| 1.3.2 静态图像分析技术在桥梁工程中的应用 |
| 1.3.3 动态图像分析技术在工程中的应用 |
| 1.4 本文研究内容 |
| 第二章 BIM技术在桥梁施工中的应用研究 |
| 2.1 桥梁BIM技术概述 |
| 2.2 桥梁BIM精细化快速建模方法 |
| 2.2.1 Revit参数化建模方法 |
| 2.2.2 Revit软件编程开发建模方法 |
| 2.2.3 可视化编程建模方法 |
| 2.3 某大桥BIM建模技术应用 |
| 2.4 桥梁可视化施工及仿真分析 |
| 2.4.1 典型工法可视化技术交底 |
| 2.4.2 桥梁工程全过程施工仿真模拟 |
| 2.4.3 桥梁施工碰撞检查 |
| 2.5 桥梁BIM平台的扩展方法 |
| 2.6 本章小结 |
| 第三章 静态图像分析在桥梁施工中的研究应用 |
| 3.1 静态图像分析技术概述 |
| 3.2 工程现场的图像采集方法 |
| 3.2.1 无人机技术在建筑工程领域的应用优势 |
| 3.2.2 无人机倾斜摄影测量 |
| 3.3 图像辨识技术的实现及应用 |
| 3.3.1 图像辨识技术的理论与实现方法 |
| 3.3.2 图像辨识技术在桥梁工程施工现场中的应用 |
| 3.4 图像三维重建技术的实现及应用 |
| 3.4.1 图像三维重建的关键理论与实现方法 |
| 3.4.2 三维重建模型的建立 |
| 3.4.3 图像三维重建技术在桥梁施工中的应用 |
| 3.5 静态图像分析结果与BIM平台的结合 |
| 3.6 本章小结 |
| 第四章 动态图像分析在桥梁工程中的研究应用 |
| 4.1 动态图像分析技术概述 |
| 4.2 图像资料的处理方法及实现 |
| 4.2.1 有效区域选取 |
| 4.2.2 像素点处理方法 |
| 4.2.3 像素点灰度值的离散Fourier分析方法 |
| 4.3 结构频率信息提取 |
| 4.3.1 频响结果基频提取 |
| 4.3.2 结构阻尼影响分析 |
| 4.3.3 结构图像频率点云法 |
| 4.3.4 像素点的频率概率分布直方图法 |
| 4.4 动态图像分析技术的工程应用 |
| 4.4.1 斜拉桥拉索结构索力计算 |
| 4.4.2 商业手机摄像实现结构运动测量的可行性分析 |
| 4.5 基于动态图像分析技术的测量实验 |
| 4.5.1 利用商业手机摄像机测量固定频率小球振动信息 |
| 4.5.2 利用高速摄像机测量有阻尼拉索结构振动信息 |
| 4.6 动态图像分析结果与BIM平台的结合 |
| 4.7 本章小结 |
| 第五章 工作总结及展望 |
| 5.1 工作总结 |
| 5.2 未来研究重点方向 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）长周期地震动设计反应谱及地震动选取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 长周期地震动及其反应谱的研究现状 |
| 1.2.1 长周期地震动震害 |
| 1.2.2 长周期地震动的研究现状 |
| 1.2.3 长周期地震动反应谱的研究现状 |
| 1.3 地震动选取方法 |
| 1.4 本文研究意义和主要工作 |
| 第二章 长周期地震动的界定方法及其特性研究 |
| 2.1 长周期地震动的界定 |
| 2.1.1 希尔伯特能量谱 |
| 2.1.2 基于能量谱的长周期地震动界定方法 |
| 2.2 长周期地震动与普通地震动的比较 |
| 2.2.1 地震动的反应谱对比 |
| 2.2.2 结构的地震响应对比 |
| 2.3 本章小结 |
| 第三章 地震动反应谱的标定与分析 |
| 3.1 地震动记录来源与处理 |
| 3.1.1 K-NET和 Ki K-Net的简介 |
| 3.1.2 地震动的筛选 |
| 3.1.3 地震动记录分组 |
| 3.2 地震动反应谱的计算 |
| 3.2.1 伪加速度反应谱 |
| 3.2.2 最大加速度反应谱 |
| 3.3 地震动反应谱的标定 |
| 3.3.1 基本模型 |
| 3.3.2 拟合模型 |
| 3.3.3 标定条件 |
| 3.3.4 进化算法 |
| 3.4 地震动反应谱的拟合分析 |
| 3.4.1 普通地震动反应谱的标定 |
| 3.4.2 长周期地震动反应谱的标定 |
| 3.4.3 罕遇地震动反应谱的标定 |
| 3.5 本章小结 |
| 第四章 动力时程分析的地震动选取 |
| 4.1 弹性时程分析中考虑高阶振型影响的地震动选取方法 |
| 4.1.1 原理推导 |
| 4.1.2 算例分析 |
| 4.2 弹塑性时程分析中考虑结构周期延长的地震动选取方法 |
| 4.2.1 能力谱法与结构等效周期 |
| 4.2.2 基于等效周期的地震动选取方法GMSM-EP |
| 4.2.3 算例分析 |
| 4.3 本章小结 |
| 结论与展望 |
| 本文研究内容与结论 |
| 展望 |
| 参考文献 |
| 攻读博士/硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）医学图像分割算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 医学图像及其应用 |
| 1.1.2 医学图像分割 |
| 1.1.3 深度学习 |
| 1.2 医学图像分割研究现状 |
| 1.2.1 创面图像分割 |
| 1.2.2 病理图像分割 |
| 1.2.3 CT图像分割 |
| 1.3 问题与挑战 |
| 1.3.1 医学图像样本少背景复杂的挑战 |
| 1.3.2 深度分割网络中位置信息模糊的挑战 |
| 1.3.3 医学图像标注难的挑战 |
| 1.3.4 疾病引发异常区域分割难的挑战 |
| 1.4 本文工作与主要创新 |
| 1.4.1 面向复杂背景的创面分割方法 |
| 1.4.2 基于位置信息增强的创面分割网络模型 |
| 1.4.3 基于级联精细化的胃腺癌病理图像癌区分割方法 |
| 1.4.4 人体肺部HRCT图像的肺实质分割算法 |
| 1.5 论文结构 |
| 第二章 相关工作 |
| 2.1 图像分割的基本概念 |
| 2.2 基于特征工程的图像分割方法 |
| 2.3 基于深度学习的图像分割方法 |
| 2.4 医学图像数据 |
| 2.4.1 可见光成像的创面图像 |
| 2.4.2 显微镜下放大成像的医学图像 |
| 2.4.3 放射成像的HRCT图像 |
| 2.5 本章小结 |
| 第三章 面向复杂背景的创面分割方法 |
| 3.1 引言 |
| 3.2 方法的基本结构 |
| 3.3 有伤皮肤检测 |
| 3.4 训练数据预处理和基于深度学习的创面分割 |
| 3.5 创面分割结果的语义修正 |
| 3.6 实验结果展示与分析 |
| 3.7 本章小结 |
| 第四章 基于位置信息增强的创面分割网络模型 |
| 4.1 引言 |
| 4.2 模型框架 |
| 4.3 基于位置图的图像信息强化 |
| 4.3.1 位置编码 |
| 4.3.2 位置图通道 |
| 4.4 基于位置增强的卷积核的图像信息强化 |
| 4.4.1 位置增强的卷积核 |
| 4.4.2 位置增强的卷积核的应用 |
| 4.5 深度网络的结构 |
| 4.6 实验结果分析 |
| 4.6.1 位置图的性能 |
| 4.6.2 位置增强的卷积核性能 |
| 4.6.3 后处理的性能和最终结果 |
| 4.6.4 相关工作对比和分割结果展示 |
| 4.7 本章小结 |
| 第五章 基于级联精细化的胃腺癌病理图像癌区分割方法 |
| 5.1 引言 |
| 5.2 方法流程 |
| 5.3 病理图像小块分类标注与训练 |
| 5.3.1 病理图像小块分类数据标注 |
| 5.3.2 分类网络训练 |
| 5.4 级联精细化的病理图像分割标注 |
| 5.5 细粒度深度分割网络 |
| 5.6 模型结果展示与分析 |
| 5.7 本章小结 |
| 第六章 人体肺部HRCT图像的肺实质分割算法 |
| 6.1 引言 |
| 6.2 胸腔区域分割 |
| 6.3 肺实质分割与异常修正 |
| 6.3.1 肺实质区域粗分割 |
| 6.3.2 肺实质异常区域修正 |
| 6.4 结果展示与分析 |
| 6.4.1 实验环境与数据集 |
| 6.4.2 胸腔区域分割结果 |
| 6.4.3 粗分割与精修结果展示 |
| 6.4.4 相关工作对比 |
| 6.5 本章小结 |
| 第七章 结束语 |
| 7.1 本文工作 |
| 7.2 未来展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（8）水工岩体地质图像数据深度挖掘与智能分析理论方法及应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 依托工程背景 |
| 1.2 国内外研究现状 |
| 1.2.1 多尺度地质对象识别分析与建模方法研究现状 |
| 1.2.2 钻孔数据挖掘与建模方法研究现状 |
| 1.3 主要研究内容与技术路线 |
| 第二章 水工地勘地质结构图像的深度分类分析模型与方法 |
| 2.1 水工地勘地质结构图像数据挖掘模型构建方法 |
| 2.1.1 机器学习算法 |
| 2.1.2 卷积神经网络 |
| 2.1.3 深度学习模型迁移学习方法 |
| 2.2 数据收集及预处理 |
| 2.2.1 数据收集 |
| 2.2.2 数据预处理 |
| 2.3 水工地勘地质结构图像分类识别模型构建与评价 |
| 2.3.1 模型参数设计 |
| 2.3.2 模型训练与评价 |
| 2.4 小结 |
| 第三章 水工洞室基础地质现象图像多深度模型智能分类方法 |
| 3.1 水工洞室基础地质现象图像数据多模型智能分类构建方法 |
| 3.1.1 深度学习模型 |
| 3.1.2 机器学习算法 |
| 3.2 数据收集 |
| 3.3 水工洞室基础地质现象图像分类识别模型构建与评价 |
| 3.3.1 模型参数设计 |
| 3.3.2 模型测试与评价 |
| 3.4 小结 |
| 第四章 基于钻孔摄影图像深度特征的地质界线智能识别方法 |
| 4.1 钻孔摄影图像地质界线智能识别模型构建 |
| 4.1.1 基于阈值和边缘的图像处理方法 |
| 4.1.2 基于深度学习特征的图像检测方法 |
| 4.2 数据收集及预处理 |
| 4.2.1 数据收集 |
| 4.2.2 数据预处理 |
| 4.3 钻孔摄影图像地质界线识别模型构建与分析 |
| 4.3.1 模型参数设计 |
| 4.3.2 模型训练与评价结果 |
| 4.4 小结 |
| 第五章 基于钻孔摄影图像的结构面智能识别与分析方法 |
| 5.1 钻孔摄影图像的结构面智能识别与分析模型构建 |
| 5.1.1 基于区域关系的图像分割方法 |
| 5.1.2 基于深度学习特征的图像分割方法 |
| 5.2 模型评价指标 |
| 5.3 数据收集与预处理 |
| 5.3.1 数据收集 |
| 5.3.2 数据预处理 |
| 5.4 钻孔摄影图像结构面智能分割模型构建与分析 |
| 5.4.1 模型参数设计 |
| 5.4.2 模型训练与评价结果 |
| 5.5 小结 |
| 第六章 基于深度学习理论的水工地质智能分析技术应用 |
| 6.1 基于地质勘查图像数据的深度学习与挖掘分析应用 |
| 6.2 基于水工洞室基础地质现象图像的智能识别分析应用 |
| 6.3 基于钻孔摄影图像深度特征的地质界线智能识别应用 |
| 6.4 基于钻孔摄影图像的结构面智能分割与应用 |
| 6.5 小结 |
| 第七章 结论与展望 |
| 7.1 结论与创新点 |
| 7.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（9）TBM施工岩渣自动识别技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 TBM施工岩渣分析国内外现状 |
| 1.2.2 图像识别技术国内外现状 |
| 1.3 本文的结构安排 |
| 第二章 TBM岩渣特征总结与分析 |
| 2.1 隧道施工围岩分级 |
| 2.2 TBM施工中超前地质预报 |
| 2.3 TBM岩渣特征 |
| 2.3.1 TBM的破岩机理 |
| 2.3.2 岩渣的统计学分析 |
| 2.3.3 工程背景及案例分析 |
| 2.4 本章小结 |
| 第三章 图像识别相关理论 |
| 3.1 人类视觉与机器视觉 |
| 3.1.1 人类视觉 |
| 3.1.2 机器视觉 |
| 3.2 神经网络 |
| 3.2.1 人工神经网络 |
| 3.2.2 卷积神经网络 |
| 3.2.3 卷积神经网络的基本特征 |
| 3.3 神经网络的误差评价 |
| 3.3.1 误差来源分析 |
| 3.3.2 过拟合和欠拟合 |
| 3.4 卷积神经网络的优化方法 |
| 3.4.1 数据集分布优化 |
| 3.4.2 网络结构优化 |
| 3.4.3 多算法融合优化 |
| 3.5 本章小结 |
| 第四章 基于CNN的岩渣图像识别 |
| 4.1 实验设计 |
| 4.1.1 CNN模型工具简介 |
| 4.1.2 网络设计 |
| 4.2 数据处理 |
| 4.2.1 数据集标准化 |
| 4.2.2 数据集增强 |
| 4.2.3 数据集归一化 |
| 4.2.4 数据集划分 |
| 4.3 CNN模型训练 |
| 4.3.1 参数初始化 |
| 4.3.2 反向传播 |
| 4.4 训练结果 |
| 4.4.1 结果分析 |
| 4.4.2 岩渣识别验证 |
| 4.5工程实验 |
| 4.5.1 工程图像采集 |
| 4.5.2 工程图像处理 |
| 4.6 工程模型优化改进 |
| 4.6.1 基于迁移学习的CNN模型再训练 |
| 4.6.2 模型训练与结果 |
| 4.6.3 分类测试 |
| 4.7 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 |
| 个人简历 |
（10）基于J2EE的计量业务应用系统研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究的必要性 |
| 1.4 国内外现状 |
| 1.5 研究主要内容与期望 |
| 1.6 全文主要结构 |
| 第2章 关键技术介绍 |
| 2.1 SPRING |
| 2.2 REDIS |
| 2.3 MYBATIS |
| 2.4 本章小结 |
| 第3章 系统需求分析与建模 |
| 3.1 角色分析 |
| 3.2 功能分析 |
| 3.2.1 客户服务 |
| 3.2.2 现场检管理 |
| 3.2.3 送检管理 |
| 3.2.4 证样管理 |
| 3.2.5 证样发放 |
| 3.2.6 强检管理 |
| 3.2.7 电子原始记录 |
| 3.2.8 证书报告制作 |
| 3.2.9 财务收费 |
| 3.2.10 质保管理 |
| 3.2.11 统计分析 |
| 3.2.12 基础信息 |
| 3.2.13 手机APP |
| 3.2.14 公众微信号 |
| 3.3 性能需求 |
| 3.4 数据建模 |
| 3.4.1 数据量估算 |
| 3.4.2 数据库E-R模型 |
| 3.5 接口需求 |
| 3.5.1 数据抽取 |
| 3.5.2 非结构化数据交换 |
| 3.5.3 结构化数据交换 |
| 3.6 安全需求 |
| 3.6.1 网络安全 |
| 3.6.2 数据库安全 |
| 3.6.3 应用软件安全 |
| 3.7 本章小结 |
| 第4章 系统功能设计及关键算法 |
| 4.1 总体设计 |
| 4.1.1 设计原则 |
| 4.1.2 功能架构 |
| 4.1.3 技术架构 |
| 4.2 主体流程 |
| 4.2.1 送检流程 |
| 4.2.2 现场检流程 |
| 4.2.3 财务收费流程 |
| 4.3 界面设计 |
| 4.3.1 设计原则 |
| 4.3.2 工作台界面 |
| 4.3.3 功能模块主页 |
| 4.4 生成PDF证书报告生成算法 |
| 4.4.1 实现原理 |
| 4.4.2 关键步骤描述 |
| 4.4.3 关键伪代码实现 |
| 4.5 证书报告质量随机抽查算法 |
| 4.5.1 实现原理 |
| 4.5.2 关键步骤描述 |
| 4.5.3 关键伪代码实现 |
| 4.6 本章小结 |
| 第5章 基于J2EE的计量业务应用系统实现 |
| 5.1 实现思路与部署 |
| 5.1.1 核心思路 |
| 5.1.2 网络架构 |
| 5.1.3 部署环境 |
| 5.2 主要功能实现 |
| 5.2.1 证书报告编制 |
| 5.2.2 证书报告审核 |
| 5.2.3 证书报告批准 |
| 5.3 关键类列举 |
| 5.4 功能模块路径配置表 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 攻读硕士学位期间发表的学术论文 |
| 3 参与的科研项目及获奖情况 |
| 4 发明专利 |
| 学位论文数据集 |
四、工程记录的重要手段——工程影像（论文参考文献）
- [1]从“山上运河”到“圆梦工程”：引洮工程的传播话语空间及其社会记忆研究[D]. 汪宁宁. 兰州大学, 2021
- [2]输电网视频在线监测及告警系统的软件设计与实现[D]. 曹举. 电子科技大学, 2021(01)
- [3]基于机器视觉的混凝土表观质量检测方法研究[D]. 杨煜昕. 江苏大学, 2020(02)
- [4]网络学习产品评论情感分析与可视化表示[D]. 白占俊. 郑州航空工业管理学院, 2020(07)
- [5]结合静动图像分析的BIM技术在桥梁施工中的应用研究[D]. 王宣. 华南理工大学, 2020(02)
- [6]长周期地震动设计反应谱及地震动选取方法研究[D]. 陈贤才. 华南理工大学, 2020(02)
- [7]医学图像分割算法研究[D]. 李方召. 国防科技大学, 2019(01)
- [8]水工岩体地质图像数据深度挖掘与智能分析理论方法及应用[D]. 张野. 天津大学, 2019(01)
- [9]TBM施工岩渣自动识别技术研究[D]. 黄科. 石家庄铁道大学, 2019(03)
- [10]基于J2EE的计量业务应用系统研究与实现[D]. 陈旭东. 浙江工业大学, 2019(06)