声明
1 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.3 本文主要工作
2 晶体图像采集与处理
2.1 L-谷氨酸晶体的图像采集
2.1.1 实验材料
2.1.2 图像采集设备
2.2 晶体图像增强
2.2.1 直方图均衡化
2.2.2 多尺度Retinex法
2.3 晶体图像分割
2.3.1 最大类间方差法
2.3.2 最小交叉熵分割法
2.3.3 图像分割技术应用
2.4 本章小结
3 基于深度学习的晶体图像分析与二维尺寸测量
3.1 基于区域的卷积神经网络(R-CNN)
3.2基于Mask R-CNN的图像处理
3.2.1 Mask R-CNN
3.2.2Mask R-CNN的损失函数
3.2.3 网络学习的超参设置
3.2.4 基于原始图像数据集的训练
3.2.5 基于深度学习的图像处理结果
3.3 晶体图像特征分析
3.3.1 晶体的尺寸特征
3.3.2 晶体的形状特征
3.4 基于原位图像的晶体二维尺寸测量
3.4.1 晶体图像的尺寸标定
3.4.2 晶体的二维尺寸测量
3.5 本章小结
4 基于图像分析的晶体生长率计算方法
4.1 晶体生长率
4.2 晶体种群二维尺寸分布统计
4.2.1 晶体数量统计分析
4.2.2 晶体尺寸分布的核密度估计
4.3 晶体种群尺寸分布的评价指标
4.4 晶体生长率的在线估计方法
4.5 本章小结
5 L-谷氨酸冷却结晶过程在线图像检测实验与结果分析
5.1 L-谷氨酸冷却结晶实验的在线图像检测方案
5.2 实时图像监控界面设计
5.3 实验结果与分析
5.3 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文和申请专利情况
致谢
大连理工大学学位论文版权使用授权书