计算机论文范文在哪里找？计算机视觉技术，旨在找到人眼替换品，通过摄相机和计算机对目标图像进行识别、跟踪和测量，并进一步做图形处理，是当下科学研究领域的重要一环。当前，计算机视觉已经广泛应用到各个农产品分级领域，苹果、橙子、海参等各个物品分级都取得了一定的成果，有效解决了与物体直接接触的问题,可以进行分级操作[5]。采用计算机视觉的分级方法代替人工检测法检测，具有实时性、准确性、高效的特点。通过照相机和计算机代替人眼对目标进行识别，用OpenCV提供的图像处理方法进行相关图形处理，以及进一步的贝类测量，很大程度上起到了对扇贝的保护作用，减小了贝壳体的不必要损伤，降低了劳动力的成本，大大增加了扇贝养殖业的利润。目前，我国在此方面做出的努力都旨在提高国内扇贝分级自动化处理的能力以及水平，目标是进一步缩小我国与国外先进技术差距，开拓市场，增强国际竞争力。无论如何，扇贝分级系统的研究性意义与实用性意义都很可观，还可以应用到其他不同行业领域。因此，开发出一套高效的、简单的、准确率高的扇贝分级系统是非常有必要的。本文为大家提供了篇关于计算机方面的范文,供大家参考。
计算机论文范文一：计算机围棋强化学习中的神经网络
本文研究了深度学习，强化学习和深度强化学习等相关技术。将多种深度学习框架与使用国产分布式深度学习框架进行了对比。本文通过研究计算机围棋与深度强化学习之间的关系，对计算机围棋深度强化学习系统进行了分析。并以此为基础设计实现出一套完备的计算机围棋深度强化学习系统以及其中的流程结构。本文对计算机围棋深度强化学习系统中的深度学习系统进行了深入的研究。根据计算机围棋数据的特点设计了计算机围棋深度神经网络训练所使用的输入数据特征。本文对各种常见的深度神经网络的结构与思想进行了研究，在国产计算节点和分布式深度学习框架上进行了实验对比。根据实验对比结果设计与构建出了适用于所用的计算节点和分布式深度学习框架的计算机围棋深度神经网络的模型结构。本文根据计算机围棋深度强化学习系统中计算机围棋深度神经网络的作用，研究设计与构建了深度神经网络训练使用的代价函数，并且通过实验研究进行了超参数选择本文在国产平台上，使用国产的计算节点和国产分布式深度学习框架，先后实现了监督学习测试，小规模的分布式深度强化学习测验，和大规模的分布式深度强化学训练。在监督学习阶段，本文进行了计算机深度神经网络的验证与调整，深度神经网络训练的检测修改、国产计算节点的正确性与稳定性的检测修改等。另外监督学习训练产生的模型，在对弈中的棋型与人类棋手相似，证明了本文计算机深度神经网络的有效性，监督学习部分对局结果如图所示。
摘要
ABSTRACT
第一章绪论
1.1研究背景
1.2研究目的与意义
1.3研究现状
1.4研究主要内容与结构
1.4.1主要研究内容与创新点
1.4.2论文结构简述
第二章相关理论技术
2.1强化学习相关技术
2.2深度学习相关技术
2.3深度强化学习
2.4深度学习框架与分布式训练
2.4.1常见深度学习框架
2.4.2分布式的Caffe框架
2.5本章小结
第三章计算机围棋深度强化学习系统流程结构
3.1深度强化学习与计算机围棋的联系
3.2计算机围棋深度强化学习系统分析设计与实现
3.2.1计算机围棋深度强化学习系统分析与概要设计
3.2.2计算机围棋深度强化学习系统详细设计
3.3本章小结
第四章数据的特征设计与提取
4.1神经网络输入特征设计
4.2神经网络输入特征提取
4.3神经网络数据输入层
4.4本章小结
第五章深度神经网络的设计与训练
5.1常见深度神经网络结构及其实现
5.1.1ResNet
5.1.2SENet
5.1.3ShuffleNet
5.1.4其他网络结构
5.2计算机围棋强化学习网络结构选择与实现
5.2.1深度神经网络结构设计
5.2.2深度神经网络代价函数
5.2.3深度神经网络训练的超参数选择
5.3计算机围棋神经网络强化学习训练
5.4本章小结
第六章实验总结和展望
6.1实验结果
6.2论文工作总结
6.3未来工作改进与展望
6.3.1未来工作改进与展望
6.3.2计算机象棋中的应用
参考文献
计算机论文范文二：面向计算机兵棋推演的决策支持系统的研究
针对兵棋推演系统中，智能决策模型难以理解战场总体态势的问题，本文深入调研了兵棋推态势评估的相关知识，学习了游戏人工智能中相关技术，使用神经网络和影响力地图，解决了决策支持系统中的相关问题。并做出了如下创新设计实现了带激活状态的循环神经网络单元，在传统神经网络单元的基础上，增加了一个二值门结构，方便神经网络模型设计者根据数据特点，自由地控制循环神经网络中的信息的正向传播和梯度的反向传播。同时，设计了对应的包含激活状态的对比损失函数和交叉熵损失函数，用以控制在模型优化过程中损失的计算。将群体识别问题，转化为两个样本是否属于同一群体的问题，并使用孪生网络进行对该问题进行建模。在预测阶段，通过神经网络提取各个样本的特征，并计算两两样本之间的距离，并得到距离矩阵，通过阈值的设定，保证较高的精确率，之后通过简单的图搜索算法，得到群体识别的结果。使用多目标学习，在群体识别模型和意图预测模型间共享参数，通过循环神经网络对样本提取特征，之后再将该特征分别通过两个线性层，得到样本在计算距离的空间中的向量，和样本的意图预测的概率。参数的共享减少了整个模型的参数数量，提高了预测效率。设计和实现了基于距离调整的动态影响力地图模型，通过调整产生影响的实体于要计算影响的位置之间的距离，调整实体在其运动方向和其他方向产生的影响里，使得其运动方向影响力较大，其他方向影响力较小，从而提高了影响力地图模型对信息的表现能力和准确性，同时避免了趋势错误的情况。
摘要
ABSTRACT
符号对照表
第一章绪论
1.1背景意义
1.2国内外研究现状
1.2.1兵棋推演智能决策
1.2.2群体识别
1.2.3意图预测
1.2.4影响力地图
1.3研究内容与目标
1.3.1作战群体识别
1.3.2战术意图预测
1.3.3战场态势描述
1.4论文结构安排
第二章基本理论
2.1循环神经网络
2.1.1简单的循环神经网络
2.1.2LSTM
2.1.3GRU
2.2孪生网络
2.2.1结构
2.2.2损失
2.3传统影响力地图
2.3.1影响力衰减方式
2.3.2传播方式
2.3.3整体影响力地图的计算
第三章基于循环神经网络的兵力群体识别与意图识别算法
3.1问题分析
3.2带激活状态的循环神经网络单元
3.2.1传统循环神经网络在兵棋推演系统中的问题
3.2.2带激活状态的循环神经网络单元的设计
3.3群体识别
3.3.1模型设计
3.3.2训练方法
3.3.3模型效果
3.4意图预测
3.4.1预测模型
3.4.2样本获取
3.4.3模型效果
3.5群体识别与意图预测模型间的参数共享
3.5.1多任务学习
3.5.2多任务学习模型
3.5.3多任务学习模型的效果
第四章基于动态影响力地图的战场态势描述方法
4.1基于距离调整的动态影响力地图模型
4.1.1位置偏移法及其缺陷
4.1.2基于距离调整的动态影响力地图模型
4.1.3与不同传播方式的结合
4.1.4传播效果分析
4.2基于距离调整的动态影响力地图模型验证实验
4.2.1实验平台
4.2.2模型与吃豆人女士游戏的结合
4.2.3实验方案
4.2.4实验结果
4.2.5讨论
4.3基于动态影响力地图的兵棋推演态势描述
4.3.1群体传播算法
4.3.2态势描述中的影响力地图图层
第五章总结与展望
5.1本文主要创新点
5.2未来工作
参考文献
计算机论文范文三：基于计算机视觉的测距技术研究
计算机双目视觉已成为当下研究的热点，视觉测量将在无人机避障、汽车无人驾驶、物流自动分拣、港口货物自动搬运等项目领域得到广泛应用，越来越多的科研人员投身于其中，巨大的发展潜力等待着进一步挖掘。本文主要研究了双目立体视觉测距原理以及分析了实现测距的关键步骤，利用双目摄像头，在Win10平台下搭建了双目立体视觉测距系统，并在VS2013环境下进行测距实验。主要工作如下：（1）双目视觉系统理论研究。介绍了双目立体视觉系统测距的五个重要模块并分别介绍了各自的基本作用。从摄像机成像模型和双目视觉测距原理两方面阐述了双目立体视觉的基本理论。分析摄像机成像模型时，引入了四大坐标系，从原理图以及公式两方面详细分析和推导了目标物从世界坐标系到像素坐标系整个转换过程。针对相机模型中畸变因素对图像模型的影响，引入线性模型和非线性模型，给出了消除畸变失真所需的几个参数。最后在理想双目立体视觉系统模型下，介绍了双目视觉测距的原理，推导出双目测距的计算公式。（2）摄像机标定。着重对主流三种摄像机标定方法进行分析，详细阐述了需要高精度标定物的传统标定法，利用摄像机内部约束关系的标定法和主动视觉标定法三者的优缺点以及使用场景。采用了一种不需要高精度标定物且标定精度高的方法，并基于此方法在MATLAB中分别对左右镜头进行单目标定后完成双目立体标定，获得重要的相机内外参数数据，并对参数数据进行验证。（3）立体匹配。针对测量前最重要的一步，首先从匹配原理、匹配准则和匹配分类三个方面详细介绍立体匹配基本理论，重点对区域立体匹配算法进行分析，计算了不同窗口大小对立体匹配的精度以及计算时间的影响，介绍了基于OpenCV的立体匹配算法原理，并基于此方法完成双目立体匹配。（4）深度测量。最后建立了双目立体视觉硬件系统，根据第二章建立的双目立体视觉成像模型，利用第三章和第四章双目标定和立体匹配的结果，生成视差图，完成物体到摄像机距离的测量，在一定范围内对物体在不同的距离时进行多次测量，共记录了165组测量数据，计算出每组测量距离的相对误差平均值误，差分析结果表明，本系统在200mm-4000mm范围内的测距精度低于5%，最后与基于ORB匹配的测距系统和传统算法的测距系统进行对比，本系统的测量范围更广，测量精度更高。
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论文主要研究内容及结构安排
第二章双目立体视觉基本理论
§2.1引言
§2.2摄像机成像模型
§2.2.1四大坐标系
§2.2.2线性模型
§2.2.3非线性模型
§2.3双目视觉测距原理
§2.4本章小结
第三章摄像机标定
§3.1引言
§3.2摄像机标定方法分类
§3.2.1传统标定法
§3.2.2自标定法
§3.2.3主动视觉标定法
§3.2.4张正友标定法
§3.3摄像机的标定
§3.3.1基于MATLAB工具箱的摄像机标定
§3.3.2实验结果和分析
§3.4本章小结
第四章基于OpenCV的立体匹配
§4.1引言
§4.2立体匹配理论
§4.2.1立体匹配原理
§4.2.2立体匹配准则
§4.2.3立体匹配分类
§4.3基于区域的立体匹配
§4.4基于OpenCV的立体匹配
4.4.1立体校正
4.4.2立体匹配
§4.5立体匹配算法对比
4.5.1SGBM算法
4.5.2BM算法
§4.6本章小结
第五章双目立体视觉系统搭建与实验结果分析
§5.1双目立体视觉系统搭建
5.1.1系统硬件组成
5.1.2系统软件组成
5.1.3实验步骤
§5.2双目立体视觉系统测量实验
5.2.1测量方法与数据记录
5.2.2误差分析与对比
§5.3本章小结
第六章总结与展望
§6.1工作总结
§6.2后期展望
参考文献
计算机论文范文四：计算机联锁软件仿真测试方法研究
计算机联锁系统是高可靠、高安全的安全苛求系统，在投入实际使用之前，需要投入大量人力物力，对其严格测试。由于联锁系统的复杂性，使得现有仿真测试平台往往存在通用性差或自动化程度不足的缺陷，另外，执行测试的过程中存在许多重复操作，使得测试耗时长，难以提高效率。在此背景下，本文提出了一种基于模型的仿真测试方法自动产生测试序列、利用萤火虫算法优化测试序列并最终自动执行测试序列的测试方法，减少了以往测试流程中无意义的重复操作，提高了测试效率。本文的主要工作如下：（1）论文分析了计算机联锁系统的测试需求，结合传统测试文档，根据联锁进路控制的逻辑时序将其基本测试项分类，整合成适合自动测试执行的流程，该流程不仅能减少一定程度的重复操作，也为后续对联锁测试关键项目进行形式化建模奠定了基础。（2）论文对联锁系统功能项进行了基于时间自动机的建模，利用建模工具UPPAAL实现，构建了符合进路控制时序的六个子模型，包括测试驱动模型、进路建立模型、进路自动解锁模型、进路取消模型、人工解锁模型和区段故障解锁模型，同时通过仿真与验证对模型正确性进行了说明，保证了后续利用模型生成测试序列的合理性，最后利用CoVer辅助软件自动生成了原始测试子序列集，对生成的序列选取了三个基本场景进行了说明。（3）论文利用基于群智能优化的萤火虫算法设计了针对联锁系统的测试序列优化方法，以前文选取的三个基本场景子序列为例对算法总体流程进行了详细解释，最后加以联锁逻辑的限制使萤火虫算法优化测试序列得到了编程实现。论文同时选取遗传算法作为对比算法进行了阐述，通过分析优化结果证明了萤火虫算法的降低冗余度和快速收敛方面的优越性，最终选取萤火虫算法作为联锁软件测试平台的优化算法
扇贝的大、中、小级别特征图
摘要
ABSTRACT
1引言
1.1研究背景及意义
1.2研究现状
1.2.1仿真测试平台研究现状
1.2.2测试序列优化方法研究现状
1.2.3研究现状分析
1.3论文组织架构
1.4本章小结
2计算机联锁软件测试基础
2.1联锁软件测试分析
2.1.1测试需求分析
2.1.2基于进路控制的自动测试流程
2.2基于模型的软件测试方法
2.2.1测试方法对比分析
2.2.2联锁测试模型的选取
2.3测试序列优化方法分析
2.3.1蚁群算法
2.3.2遗传算法
2.3.3萤火虫算法
2.4本章小结
3基于联锁模型的测试序列自动生成
3.1UPPAAL建模方法
3.2联锁进路控制过程建模
3.2.1模型交互分析
3.2.2进路建立模型
3.2.3进路解锁模型
3.3联锁测试序列的生成方法
3.3.1模型的正确性保障方法
3.3.2测试序列生成
3.4本章小结
4联锁软件测试序列优化
4.1联锁软件测试序列分析
4.2萤火虫算法的实现
4.2.1萤火虫算法的数学描述
4.2.2萤火虫算法优化测试序列
4.2.3萤火虫算法优化的编程实现
4.3遗传算法的实现
4.3.1遗传算法的数学描述
4.3.2遗传算法优化测试序列
4.3.3遗传算法优化的编程实现
4.4算法对比分析
4.5本章小结
5仿真测试平台开发与应用验证
5.1仿真测试环境
5.1.1总体结构设计
5.1.2测试数据配置
5.2测试方法应用验证
5.3测试结果分析
5.4本章小结
6总结与展望
6.1总结
6.2展望
计算机论文范文五：基于计算机视觉的扇贝分级系统设计与实现
我国地理位置占据天然优势，是农业强国也是海洋大国。近年来，海水养殖业得到迅猛发展，扇贝养殖作为海水养殖的重要组成部分，更是受到了人们的重视。在扇贝养殖的过程中，需要将扇贝进行多次分级处理。在我国，目前所采用的仍然是手工测量的分级方式，该方式受手工测量人员的极大影响，步骤较繁琐，工作强度较大，且准确率波动性大，极大的影响了扇贝分级的效率与扇贝养殖业的发展。本文分析了目前常用的几种颜色处理方式，比较各类方式的优缺点，使用BGR颜色通道模式，分别将待处理彩色扇贝图像B、G、R三通道颜色信息独立提取。在图像滤波处理过程中，分析了几种滤波方式的效果及作用，根据高斯滤波的高效模糊处理以及中值滤波的边缘处理良好保持性，最终选择两种方式结合使用的方式。在特征处理部分，采用了大津法二值化及边缘检测算法，提取完整扇贝轮廓信息。在图像测量部分，提出使用最小外接圆及轮廓面积相等圆直径中值法，求得最终目标直径，并对其进行分级。在系统测试中，通过将20个扇贝模型编为一组，共计10组进行数据对比发现，误差率为0.23cm，系统的尺寸测量准确率近似为97.1%。经过验证后，系统测量方式基本能满足现有扇贝分级要求，适用于农户对扇贝分级的基本需要。
SADWindowSizc
摘要
Abstract
第1章绪论
1.1项目研究背景及意义
1.2国内外研究现状
1.2.1国内研究现状
1.2.2国外研究现状
1.3主要内容及论文结构
第2章基础理论综述
2.1问题的提出
2.2面向扇贝分级的计算机视觉概述
2.3系统相关技术
2.3.1OpenCV
2.3.2Anaconda
2.4本章小结
第3章扇贝图像特征选择及图像预处理
3.1图像特征选择
3.2颜色特征选择及处理
3.2.1颜色模式的选择
3.2.2RGB颜色单通道处理
3.3图像滤波算法的选择及处理
3.3.1滤波算法的选择
3.3.2中值滤波与高斯滤波图像处理
3.4本章小结
第4章扇贝的图像分割及测量分级设计
4.1图像二值化
4.1.1阈值提取方式的选择
4.1.2大津法二值化处理
4.2边缘检测
4.3扇贝测量方式设计
4.3.1现有扇贝测量方式
4.3.2最小外接圆与轮廓等面积圆估计法
4.4本章小结
第5章系统实现
5.1代码实现
5.2系统界面
5.3数据测试
5.4误差分析
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
论文写作涉及到的论文选题、标题、摘要、提纲、开题报告、答辩等方面，本网为大家提供相关的写作素材，有任何问题，欢迎随时咨询
