声明
摘要
1.1研究背景与意义
1.2国内外研究进展
1.2.1河道流速测量研究进展
1.2.2水位识别研究进展
1.2.3深度学习研究进展
1.3研究内容与技术路线
1.3.1研究内容
1.3.2技术路线
1.4论文组织结构
第2章基于CNN的河道表面流速图像识别模型构建
2.1.1基本原理
2.1.2局部感受野
2.1.3权值共事
2.1.4卷积层
2.1.5池化层
2.1.6全连接层
2.2河道表面流速图像识别模型构建
2.2.1经典卷积神经网络
2.2.2水流图像数据集构建
2.2.3模型运行流程
2.2.4模型运行结果
2.3本章小结
第3章基于图像识别的水尺水位识别模型构建
3.1水尺图像预处理
3.1.1水尺图像灰度化处理
3.1.2水尺图像去噪
3.1.3水尺图像均值化
3.1.4Canny边缘检测
3.1.5水尺图像锐化
3.1.6水尺图像二值化
3.2水尺水位图像识别模型构建
3.2.1水尺水位图像识别流程
3.2.2水尺图像分割算法设计
3.2.3水尺刻度及水位识别算法设计
3.3本章小结
第4章案例研究与分析
4.1实验设计
4.1.1实验目的
4.1.2实验设备
4.1.3Fluent数值模拟
4.1.4实验结果
4.2数据处理
4.2.1水流视频处理
4.2.2水尺图像预处理
4.3表面流速识别
4.3.1识别原理
4.3.2数据集制作
4.3.3模型训练
4.3.4模型结果
4.4水位识别
4.5流量计算
4.6本章小结
第5章总结与展望
5.1本文的研究成果
5.2研究展望
参考文献
致谢
攻读学位期间参与的科研项目与发表论文
山东大学;