一、VoBB网络管理系统的设计与实现(论文文献综述)
翟玉星[1](2021)在《基于卷积神经网络的烟草害虫识别及管理系统的研发》文中指出山东是我国主要的产烟区,烟叶品质优良,为国家创造了稳定的税收,为烟农创造了稳定的收入。但是害虫问题一直困扰着烟农的生产活动。人工田间诊断烟草害虫,费工费时,物联网和人工智能技术的发展为烟草害虫科学远程精准高效识别、诊断和防治提供了便捷,对确保烟草健康和烟叶产量有重要意义和作用。本论文对烟草主要害虫运用图像识别技术进行了研究,并研发了烟草害虫管理系统,降低了烟农害虫管理与防治的劳动强度,具体研究内容如下:(1)构建烟草害虫识别模型通过烟田实地采集、网络爬虫爬取两种方式获取实验所需的烟草害虫图像数据集。烟田实地采集通过人工拍照的方式采集害虫图像;网络爬虫通过爬取网上数据以获得烟草害虫图像。选取棉铃虫成虫、棉铃虫幼虫、斜纹夜蛾、烟蚜四种害虫作为本试验的数据集,最终完成害虫图像数据集的构建。通过图像翻转、图像灰度化以及直方图均衡化等方式对害虫数据集进行预处理操作,使用图像大小归一化方法,将图像尺寸统一调整为50×50的像素;基于AlexNet、GoogLeNet以及VGG-19网络构建烟草害虫识别模型,通过卷积层对输入图像进行多维度、多尺度的特征提取,通过池化层对图像进行主要特征提取;最后将特征输入分类器,进行烟草害虫图像识别分类,得到害虫类型,实现烟草害虫图像的自动识别。(2)烟田环境信息物联网监测系统分析烟草生长过程中的环境影响因素,其中空气温度和光照强度对害虫的影响最高,为实时监测烟田的温度与光照强度信息,本系统设计了物联网智能环境监测系统,其包括物联网智能烟草环境信息感知模块、传输模块及上位机监测系统模块,最终实现实时监测烟草的生长环境信息的功能。(3)烟草害虫管理系统结合用户的功能需求设计并开发了烟草害虫管理系统,选用My SQL数据库进行系统数据库的设计,采用了Bootstrap框架以及SSH框架进行系统的开发,实现了烟草害虫信息查询、害虫诊断、害虫识别、农药信息查询、专家在线咨询和实时监测功能。本研究构建了烟草害虫图像识别模型,开发了烟草害虫管理系统,实现了烟草害虫查询、害虫诊断、害虫识别、农药信息查询、专家在线咨询和实时监测功能。开发烟草害虫图像识别微信小程序,实现了在线识别烟草害虫图像的功能。降低了人工田间诊断的成本,对增强烟草害虫防控的及时性、实时性,提高烟农收益等具有非常重要的意义;为烟草害虫精准高效识别、诊断和防治提供重要的理论和技术支撑。
司振宇[2](2021)在《香菇菌棒成熟度识别与生产管理系统研发》文中提出本文针对香菇菌棒生产过程中刺孔、成熟度识别等关键环节凭经验,精准化管控困难,菌棒培养数据手工填报繁琐以及统计分析困难等问题,依托智慧七河创新工程项目,研究了香菇菌棒成熟度识别方法,构建了菌棒生产专题数据库,设计并实现了香菇菌棒生产管理系统,主要研究内容如下:(1)构建了基于深度卷积神经网络的香菇菌棒成熟度识别模型。结合菌棒培养实际情况,通过Res Net50、VGG16、Alex Net三种深度卷积神经网络特征提取结果与SIFT和SURF传统特征提取结果进行对比,结果表明了深度卷积神经网络优秀的特征提取能力。最后分别采用softmax和SVM、KNN、贝叶斯四种分类器将全连接层与输出层进行连接,分类结果经过对比可以看出基于Res Net50的深度网络特征提取结果在softmax分类器上具有较好的分类表现,达到了78.94%的识别精度。(2)构建了香菇菌棒生产专题数据库。包括基础信息数据库、装袋管理数据库、接种管理数据库、培养管理数据库、仓库结转管理数据库、工作量统计数据库等,为生产系统提供数据服务。(3)设计并实现了香菇菌棒生产管理系统。通过构建香菇菌棒生产专题数据库,响应式前端框架等技术,构建了香菇菌棒生产管理模型,设计并研发了香菇菌棒生产管理系统,主要实现了香菇菌棒生产装袋管理、接种管理、培养管理、培养操作指导、仓库结转、工作量统计等功能。系统模型对菌棒成熟度判断及刺孔操作时间提供了科学指导,解决了人力成本较高,培养效率较低的问题。系统为生产人员解决了生产过程纸质化的记录较多,统计复杂的问题,为管理人员规划、调度生产提供了便利。系统已在山东省淄博市七河生物科技股份有限公司双泉、西楼、文昌湖三个工厂使用,降低了人力成本,提高了生产效率。
梁莹[3](2021)在《基于Spring Boot的教师企业实践管理系统的设计与实现》文中指出企业顶岗实践是高职院校一项非常重要的“双师型”教师培养举措。现有的教师企业实践管理采用纸质+Excel电子表格的传统方式,存在业务数据查找统计难、顶岗资格审批签字难、在岗人员监督检查难和成果信息收集难等问题。因此,教师日益高涨的企业实践锻炼需求与传统管理方式的矛盾需要解决,有必要建立一个流程规范高效、监管得力和信息通畅的信息化管理系统。本文分析企业实践管理工作的需求,设计与实现一个基于Spring Boot框架的教师企业实践管理系统。主要工作内容包括:(1)使用前后端分离的模式进行系统设计与实现,Web后端基于Spring Boot等系列框架实现,前端采用Vue框架实现;(2)采用原生开发方式,开发Android端的客户端应用;(3)Web前端与Android端应用程序通过RESTful接口与Web后端交换数据,通过整合JWT认证和Spring Security安全管理,保护系统和数据的安全;(4)基于分布式工作流服务,实现教师企业实践审批工作流程自动化,并通过开放的Web API接口同时为PC端与移动手机端提供审批服务;(5)结合百度地图开放平台API与手机定位服务,比对并记录顶岗人员的在岗信息,实现对顶岗人员的在岗监督;(6)使用消息中间件Rabbit MQ和JPush实现消息推送,及时提醒有关人员登录系统完成业务操作。本文阐述了教师企业实践管理系统的需求分析建模、总体设计、主要功能模块设计、数据库设计等,介绍了系统的实现和测试情况。通过综合运用多种信息化技术手段,实现了教师企业实践审批工作的流程自动化、在岗监督记录、企业实践成果管理。系统功能实用,运行稳定,提高企业实践审批速度的同时,提升教师企业顶岗实践的培训质量。
袁玉莹[4](2021)在《基于多约束QoS路由的网络管理系统设计与实现》文中进行了进一步梳理
苏东[5](2021)在《无源光网络端口资源自动采集算法研究》文中研究指明无源光网络的端口数量和占用状态等端口资源信息直观反映了固定宽带网络的用户数量信息,是宽带网络运营管理和网络配置的重要依据。受限于其无源特性,传统的人工采集管理方式导致无源光网络端口资源准确率持续较低。随着宽带用户数的井喷式增长,快速准确的获取无源光网络端口资源信息成为宽带网络运营管理亟待解决的关键问题。因此,研究无源光网络端口资源信息的自动获取及网络资源的自动化管理,对固定宽带运营有着十分重要的理论意义和实际应用价值。在分析无源光网络中主流的平面光波导型(Planar Lightwave Circuit,PLC)分光器、光纤配线架(Optical Distribution Fram,ODF)等无源设备端口结构特征的基础上,聚焦基于计算机视觉的目标检测算法,对无源光网络端口资源信息的自动获取及网络资源自动化管理方法进行了深入研究,主要研究工作及成果如下:(1)针对无源光网络端口数量、占用状态不能利用电学特性自动识别的问题,将无源光网络的端口资源识别问题转化为目标检测任务,为端口资源信息的自动化采集及管理提供了基础。对比分析不同目标检测算法的优缺点,根据无源光网络端口信息的特征,确定采用YOLOv3作为本研究的基础算法。(2)提出了一种基于卷积神经网络的改进型只看一遍第3版(You Only Look Once Version 3,YOLOv3)深度学习算法。解决了实际应用场景中PLC分光器端口被遮挡、间隙小、高分辨率下小物体密集排列时算法性能退化问题。首先通过增加第四尺度上采样特征图,形成了四尺度融合预测,强化了图像中高分辨率特征的提取能力,增强了小目标敏感度。其次,建立了 PLC分光器数据集,并利用分光器端口高宽比固定的特性对锚框维度重新聚类,增强了锚框初始参数对PLC分光器特定目标的适应性。最后,采用了软非极大值抑制算法替换原YOLOv3的非极大值抑制算法。改进型YOLOv3对PLC分光器的检测准确率有效提升且高于目前主流目标检测算法,并采用接收者操作特征曲线(Receiver Operating Characteristic Curve,ROC)、十折交叉验证进一步评估了新算法的可靠性与稳定性。(3)针对无源光网络中PLC分光器端口扩容场景中的上联无源设备ODF的端口具有端口数量多且排列密集、遮挡、型号不统一、异色老化、识别难度更大的特点,提出了一种基于卷积神经网络的改进型YOLOv3-spp深度学习算法。首先,在YOLOv3检测层前增加SPP层,实现特征图中多个尺度的提取聚合。其次,建立了 ODF数据集并采用k-means++算法进行锚框维度聚类。最后,对损失函数进一步优化,构成了改进型YOLOv3-spp算法。为了避免样本少导致的过拟合现象,针对性设计了数据增强策略对数据集完成扩充,普通场景下的ODF检测效果得到有效改善。(4)针对ODF遮挡严重、多端口等疑难场景下第四章提出的改进型YOLOv3-spp漏检概率大甚至算法失效的问题,提出了遗漏区域重识别级联模型,提高了 ODF的检测准确率。首先,依据ODF端口的尺寸、间隙等结构特征设计了端口定位、遗漏检测两个流程,可将漏检端口自动局部裁剪生成漏检端口数据集。其次,基于ResNet-34构建了遗漏区域重识别模型,对漏检端口进行二次特征捕捉、占用状态识别。最后,设计了端到端的ODF级联识别模型,检测准确率在改进型YOLOv3-spp的基础上再次提升且高于目前主流目标检测算法,并采用混淆矩阵、F1分数评估了级联模型的分类性能。(5)针对传统宽带资源管理系统下端口资源人工采集导致准确性低的问题,提出了一种基于无源光网络端口自动采集算法的宽带资源管理系统设计与实现方法。首先,构建了一个微服务系统架构,不但具有低耦合、高内聚特性并且增强了模块自治性。其次,基于端口自动采集的图像识别模块重构了入网、开通、变更、退网流程。再次,基于新业务流程设计了对应的微服务响应集群实现了动态资源管控。最后,将宽带资源管理系统与目前使用的客户关系管理、业务开通、装维调度、综合资源功能模块完成标准接口交互,从而提高了无源光网络端口资源准确率。通过上述对无源光网络中端口资源的自动采集算法研究,拓展了计算机视觉在光纤通信领域的应用。实验证明,本文设计的改进型YOLOv3算法对PLC分光器端口的检测准确率为97.16%,相比原YOLOv3提升了 4.15%。基于卷积神经网络设计的端到端级联识别模型对ODF端口的检测准确率为95.02%,相比原YOLOv3提升了 7.89%。基于端口自动采集算法构建的宽带资源管理系统实现了将端口资源管理由人工向自动演进,有效提高了资源准确率和生产效率。为固定宽带网络运营商降低网络投资浪费提供了新的有效途径与技术支持。
杨雅都[6](2021)在《基于区块链技术的数字化教育资源管理系统架构研究》文中研究表明
徐宗霖[7](2021)在《社区垃圾管理系统的设计研究》文中研究说明随着人们物质生活的提升,城乡的生活垃圾问题也凸显出来,本课题以社区垃圾管理为研究对象,对该管理系统进行设计与开发。通过对社区垃圾管理现状的调研进行总结分析,了解用户需求,构建社区垃圾管理系统框架;在框架基础上,针对系统应用层和数据层进行设计与开发实现;根据界面设计原则,对系统展现层进行设计开发;根据系统要求,对其终端设备进行设计;所开发的系统进行运行测试。主要完成的具体工作如下:(1)根据调研结果,通过Kano模型进行需求分析得出结论,并对社区垃圾管理系统进行总体功能设计和框架构建,将系统框架分为基础层、数据层、应用层和展现层四个层级,各层级间通过软硬件进行联系;(2)社区垃圾管理系统功能分析与详细设计,对系统数据层和应用层进行深入设计。系统应用层所采用的开发语言为Java,框架为SSM框架,架构为B/S架构;系统数据层通过My SQL进行设计实现;(3)系统展现层设计,首先对展现层的结构功能和使用流程进行详细设计,其次根据界面设计原则与实例的分析研究,确定本系统的界面设计规范,最后完成系统界面设计与开发;(4)系统终端设备设计,根据系统要求、垃圾物性和垃圾箱现状等对设计要点进行整合;通过产品设计原则的研究,对系统终端设备进行方案设计,运用RHINO等软件进行三维建模,并确定最终方案。测试结果表明本文开发的系统技术可行,对研究社区垃圾管理系统具有实践指导作用。
张政[8](2021)在《大规模物流车辆视频监控与运行数据采集系统设计》文中研究指明
罗坤[9](2021)在《基于IEEE 802.1Qcc的时间敏感网络配置管理研究与实现》文中提出
赵静[10](2021)在《可见光组网的管控技术研究》文中认为目前,可见光通信(Visible Light Communication,VLC)已逐渐被视为解决射频(Radio Frequency,RF)频谱资源瓶颈的有效方案,但是由于其研究重点多集中于点对点通信,使用场景非常受限。可见光组网,作为可见光通信的具体应用技术,凭借可见光传输的诸多优势,具有广泛的应用场景和巨大的研究价值。然而,由于目前可见光组网并没有一套完整且可靠的组网协议,很多管控技术的研究无法推进,使得其一直停留在理论探索阶段。本文针对上述难题,参与设计了一个双向可见光组网系统,并基于此系统完成了基于时隙的多路访问控制协议的仿真和实验验证;此外,本文还针对可见光组网的网络管理方面的需求,分别设计并实现了应用于可见光组网的拓扑发现机制和网络管理系统。本文的主要研究工作如下:(1)本文参与设计了一个上下行均使用可见光通信链路的双向可见光组网系统,选择了合适的网络拓扑结构,完成了组网系统的架构设计和MAC层功能模块设计,为可见光组网的管控技术研究提供了基础条件。(2)基于上述组网系统的设计,本文提出了一种基于时隙的多路访问控制协议,用于解决组网的全双工通信问题和多用户接入问题;并且,详细说明了终端接入过程、数据传输过程、关键机制和系统参数等技术方案的设计;最后,通过仿真分析了关键参数对系统性能的影响,并利用组网实验平台完成了该协议的可行性验证。(3)在双向可见光组网系统研究的基础上,本文提出了一种应用于双向可见光组网的拓扑发现机制,将及时感知组网的拓扑变化并获取拓扑信息作为研究重点,完成了拓扑发现机制的详细设计;并且,针对组网的应用需求,搭建了一个拥有一百个终端的组网系统仿真平台;最后,通过仿真证明了拓扑发现机制的有效性,并评估了该机制在两种应用场景下对组网系统性能的影响。(4)针对可见光组网的可视化管控需求,本文全面分析了组网系统的网络管理需求;并根据需求分析,完成了一个基于web的可见光组网网络管理系统的方案设计,包括整体架构设计、各功能模块设计和数据库表设计等;最后,通过等效实验验证了所设计的网络管理系统对被管设备的可视化集中管控的功能,为整个组网系统正常、可靠且高效地运行提供了保障。
二、VoBB网络管理系统的设计与实现(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、VoBB网络管理系统的设计与实现(论文提纲范文)
(1)基于卷积神经网络的烟草害虫识别及管理系统的研发(论文提纲范文)
中文摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 气候条件对烟草害虫的影响 |
1.2.2 卷积神经网络技术在害虫识别方面的研究现状 |
1.2.3 害虫管理系统的研究现状 |
1.2.4 物联网监测技术的研究现状 |
1.3 研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 论文结构 |
2 害虫图像数据集构建 |
2.1 烟田人工采集 |
2.2 网络爬虫获取 |
2.3 图像预处理 |
2.4 本章小结 |
3 基于卷积神经网络的烟草害虫图像识别 |
3.1 卷积神经网络 |
3.1.1 卷积层 |
3.1.2 池化层 |
3.1.3 全连接层 |
3.2 开发环境的搭建 |
3.3 图像识别模型对比与选用 |
3.3.1 Alex Net网络 |
3.3.2 Goog Le Net网络 |
3.3.3 VGGNet网络 |
3.4 实测结果分析 |
3.5 系统中害虫识别实现流程 |
3.6 本章小结 |
4 基于物联网的烟草害虫管理系统的设计与实现 |
4.1 系统需求分析 |
4.1.1 烟草害虫管理系统功能需求 |
4.1.2 烟草害虫管理系统系统性能需求 |
4.2 总体方案设计 |
4.2.1 硬件系统总体设计 |
4.2.2 下位机软件设计 |
4.2.3 感知模块设计 |
4.2.4 传输模块设计 |
4.3 物联网监测系统的实现 |
4.4 害虫管理系统软件的设计 |
4.4.1 数据库设计 |
4.4.2 系统类设计 |
4.5 害虫管理系统的实现 |
4.5.1 安全登录模块设计与实现 |
4.5.2 烟草害虫查询模块的实现 |
4.5.3 烟草害虫诊断模块的实现 |
4.5.4 烟草农药查询模块的实现 |
4.5.5 专家在线模块的实现 |
4.5.6 实时监测模块的实现 |
4.6 微信小程序的开发 |
4.7 系统测试 |
4.7.1 测试环境 |
4.7.2 测试工具 |
4.7.3 测试内容 |
(1)功能测试 |
(2)性能测试 |
4.8 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 创新点 |
5.3 展望 |
参考文献 |
致谢 |
攻读学位期间取得的成果 |
(2)香菇菌棒成熟度识别与生产管理系统研发(论文提纲范文)
中文摘要 |
abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.1.1 食用菌信息化系统研究现状 |
1.1.2 深度卷积神经网络研究现状 |
1.3 研究内容及技术路线 |
1.3.1 主要研究内容 |
1.3.2 技术路线 |
1.4 论文组织结构 |
2 基于深度卷积神经网络的香菇菌棒成熟度识别 |
2.1 香菇菌棒图像数据集的采集与处理 |
2.2 卷积神经网络基本架构 |
2.2.1 卷积层 |
2.2.2 池化层 |
2.2.3 全连接层 |
2.2.4 激活函数 |
2.2.5 卷积神经网络训练过程 |
2.3 基于深度卷积神经网络的香菇菌棒成熟度分类模型 |
2.3.1 深度卷积神经网络模型 |
2.3.2 深度卷积神经网络优化算法 |
2.3.3 超参数设计 |
2.4 识别结果分析 |
2.4.1 特征可视化对比 |
2.4.2 分类结果评价指标 |
2.4.3 分类结果对比分析 |
2.4.4 识别结果系统应用 |
2.5 本章小结 |
3 香菇菌棒生产管理系统需求分析 |
3.1 企业概况 |
3.2 用户分析 |
3.3 功能性需求分析 |
3.4 非功能性需求分析 |
3.5 本章小结 |
4 香菇菌棒生产管理系统设计与实现 |
4.1 系统总体框架设计 |
4.2 系统功能模块设计 |
4.2.1 基础信息设置模块 |
4.2.2 装袋管理模块 |
4.2.3 接种管理模块 |
4.2.4 培养管理模块 |
4.2.5 仓库结转管理模块 |
4.2.6 工作量统计模块 |
4.3 系统数据库设计 |
4.3.1 数据库构成 |
4.3.2 数据库实体 |
4.4 香菇菌棒生产管理系统实现 |
4.4.1 主要技术 |
4.4.2 系统实现 |
4.5 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 主要创新点 |
5.3 展望 |
致谢 |
参考文献 |
攻读学位期间取得的成果和参加的科研项目 |
(3)基于Spring Boot的教师企业实践管理系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 工作背景 |
1.2 国内与国外研究现状 |
1.2.1 教育行业的管理系统发展现状 |
1.2.2 相关技术发展现状 |
1.3 研究内容 |
1.4 论文的组织结构 |
第二章 相关技术概述 |
2.1 Web开发框架简介 |
2.1.1 Spring Boot框架 |
2.1.2 Vue框架 |
2.1.3 RESTful接口 |
2.2 位置定位服务技术 |
2.3 即时消息推送 |
2.4 本章小结 |
第三章 系统需求分析 |
3.1 系统的主要业务流程 |
3.1.1 企业实践申请流程 |
3.1.2 企业实践锻炼流程 |
3.1.3 企业实践总结流程 |
3.2 功能需求分析 |
3.2.1 用例建模 |
3.2.2 系统动态建模 |
3.3 非功能性需求 |
3.4 本章小结 |
第四章 系统设计 |
4.1 系统总体设计 |
4.2 前后端通信接口 |
4.2.1 Web服务接口 |
4.2.2 接口的安全管理 |
4.3 主要功能模块设计 |
4.3.1 工作流核心模型设计 |
4.3.2 申请功能设计 |
4.3.3 审批功能设计 |
4.3.4 在岗签到功能设计 |
4.3.5 在岗监督功能设计 |
4.3.6 考评功能设计 |
4.4 第三方服务接口设计 |
4.4.1 文件服务接口 |
4.4.2 消息服务接口 |
4.4.3 定位服务接口 |
4.5 数据库设计 |
4.5.1 E-R关系模型 |
4.5.2 数据表结构设计 |
4.6 本章小结 |
第五章 系统实现与测试 |
5.1 开发环境与工具 |
5.2 系统功能实现 |
5.3 系统测试 |
5.3.1 功能测试 |
5.3.2 性能测试 |
5.3.3 测试结果与分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
(5)无源光网络端口资源自动采集算法研究(论文提纲范文)
摘要 |
Abstract |
1.绪论 |
1.1 论文研究背景 |
1.1.1 固定宽带发展的意义 |
1.1.2 固定宽带接入网络简介 |
1.1.3 端口识别的意义 |
1.2 国内外目标检测领域的研究现状 |
1.2.1 基于区域的主要算法 |
1.2.2 基于回归的主要算法 |
1.2.3 目标检测在光通信领域的研究现状 |
1.3 本文研究内容 |
1.4 论文结构安排 |
1.5 本章小结 |
2.端口识别的目标检测算法选择 |
2.1 通用物体检测数据集下的先进算法性能分析 |
2.2 端口类专用物体检测性能分析 |
2.3 YOLOv3 |
2.3.1 网络结构 |
2.3.2 边界框预测 |
2.3.3 跨尺度融合预测 |
2.3.4 检测方法介绍 |
2.4 本章小结 |
3.无源光网络中PLC分光器端口占用状态自动识别的算法研究 |
3.1 应用背景分析 |
3.2 疑难场景下PLC分光器端口占用状态识别的YOLOv3 算法优化 |
3.2.1 四尺度特征融合预测 |
3.2.2 基于PLC分光器数据集的目标锚框维度聚类 |
3.2.3 基于软非极大值抑制算法的边界框过滤 |
3.3 模型训练与实验 |
3.3.1 PLC分光器数据集建立 |
3.3.2 训练策略 |
3.3.3 超参数设置 |
3.3.4 实验配置与训练结果 |
3.4 实验结果分析 |
3.4.1 消融研究 |
3.4.2 算法评估 |
3.4.3 算法改进前后检测效果对比 |
3.4.4 与其他主流算法实验结果对比 |
3.4.5 检测效果与优化点关联分析 |
3.5 本章小结 |
4.无源光网络中ODF端口占用状态自动识别的算法研究 |
4.1 应用背景分析 |
4.2 普通场景下ODF端口占用状态自动识别的改进型YOLOv3-spp算法 |
4.2.1 特征提取网络优化 |
4.2.2 基于ODF数据集的目标锚框维度聚类算法优化 |
4.2.3 损失函数优化 |
4.3 数据增强策略设计 |
4.3.1 ODF数据集建立 |
4.3.2 数据增强对ODF数据集的必要性 |
4.3.3 数据增强在机器学习管道的位置选择 |
4.3.4 数据增强方法 |
4.3.5 插值算法 |
4.3.6 ODF数据集扩充 |
4.4 模型训练与实验 |
4.4.1 学习速率动态调整策略 |
4.4.2 超参数设置 |
4.4.3 实验配置与训练结果 |
4.5 实验结果分析 |
4.5.1 目标锚框维度聚类前后性能对比 |
4.5.2 数据增强前后性能对比 |
4.5.3 算法优化前后检测性能对比 |
4.5.4 算法评估 |
4.5.5 普通场景下检测效果分析 |
4.6 本章小结 |
5.疑难场景下ODF端口占用状态的端到端级联识别模型研究 |
5.1 基于深度学习的端到端级联识别模型的设计 |
5.1.1 端口定位流程设计 |
5.1.2 遗漏检测流程设计 |
5.1.3 基于Res Net-34 的漏检区域重识别模型研究 |
5.1.4 端到端ODF端口级联识别模型设计 |
5.2 模型训练与实验 |
5.3 实验结果分析 |
5.3.1 端到端级联识别模型消融研究 |
5.3.2 模型性能评估 |
5.3.3 级联模型分步检测效果分析 |
5.3.4 疑难场景下级联模型检测效果分析 |
5.3.5 与其他主流算法实验结果对比 |
5.4 本章小结 |
6.基于端口自动识别算法的宽带资源管理系统的设计与实现 |
6.1 应用背景分析 |
6.2 系统架构设计 |
6.3 动态资源管控业务流程重构 |
6.4 基于业务流程的微服务响应集群设计 |
6.5 系统平台实现 |
6.6 系统性能分析 |
6.7 本章小结 |
7.总结与展望 |
7.1 工作总结 |
7.2 后续工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的主要研究成果 |
(7)社区垃圾管理系统的设计研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 本文研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 生活垃圾管理现状 |
1.2.2 智能垃圾管理系统研究现状 |
1.2.3 系统开发技术现状 |
1.3 本文研究的主要内容及论文组织结构 |
1.3.1 研究内容 |
1.3.2 内容组织 |
2 社区垃圾管理系统调研分析及框架设计 |
2.1 社区垃圾管理系统前期调研 |
2.1.1 调研地点分析与确定 |
2.1.2 调研情况分析与总结 |
2.1.3 访谈内容分析与总结 |
2.1.4 垃圾管理系统初始需求 |
2.2 基于Kano模型的需求分析 |
2.2.1 理论方法 |
2.2.2 问卷与李克特量表设计 |
2.2.3 初始需求与重要度的数据 |
2.2.4 最终需求与重要度的数据 |
2.2.5 设计要求确定 |
2.3 社区垃圾管理系统框架设计 |
2.3.1 系统总体功能设计 |
2.3.2 系统总体框架设计 |
2.4 本章小结 |
3 社区垃圾管理系统功能设计与开发 |
3.1 多功能模块分析与设计 |
3.1.1 综合调度模块 |
3.1.2 数据分析模块 |
3.1.3 基础信息模块 |
3.1.4 系统管理模块 |
3.1.5 平台对接模块 |
3.2 数据库设计 |
3.2.1 数据库需求分析 |
3.2.2 逻辑结构设计 |
3.3 数据库开发 |
3.3.1 数据库E-R图绘制 |
3.3.2 数据表设计 |
3.4 系统开发模式与搭建 |
3.4.1 系统开发架构 |
3.4.2 系统开发过程中相关软硬件信息 |
3.4.3 系统技术框架设计 |
3.4.4 系统项目搭建 |
3.4.5 系统详细设计 |
3.5 本章小结 |
4 系统界面设计 |
4.1 结构功能设计 |
4.2 功能流程设计 |
4.2.1 系统登录流程设计 |
4.2.2 基本信息流程设计 |
4.2.3 综合调度流程设计 |
4.2.4 数据分析流程设计 |
4.2.5 系统管理流程设计 |
4.3 界面设计原则与规范 |
4.3.1 界面设计原则与实例分析 |
4.3.2 界面设计规范 |
4.4 系统界面设计 |
4.4.1 系统低保真设计 |
4.4.2 系统高保真设计 |
4.5 可用性测试与界面开发 |
4.5.1 可用性测试 |
4.5.2 界面设计开发 |
4.6 本章小结 |
5 系统终端产品设计 |
5.1 产品设计要点 |
5.1.1 系统需求与技术分析 |
5.1.2 垃圾箱现状分析 |
5.1.3 垃圾物性分析 |
5.1.4 设计要点确定 |
5.2 竞品分析与产品设计原则 |
5.2.1 分类垃圾箱竞品分析 |
5.2.2 产品设计原则 |
5.3 产品设计方案 |
5.4 产品三维模型设计与效果图 |
5.4.1 模型一设计与效果图 |
5.4.2 模型二设计与效果图 |
5.4.3 方案评分 |
5.5 本章小结 |
6 称重模块设计与系统测试 |
6.1 称重模块模型设计实现 |
6.1.1 称重模型设计 |
6.1.2 数据传输测试 |
6.2 系统测试 |
6.2.1 系统安装基本要求 |
6.2.2 系统安装运行 |
6.2.3 系统功能测试 |
6.3 本章小结 |
7 总结与展望 |
7.1 全文总结 |
7.2 不足与展望 |
致谢 |
参考文献 |
附录1 |
附录2 |
攻读学位期间主要研究成果 |
(10)可见光组网的管控技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.1.1 可见光组网 |
1.1.2 可见光组网的管控技术 |
1.2 国内外研究现状 |
1.2.1 可见光通信 |
1.2.2 可见光组网 |
1.2.3 组网的多路访问控制协议 |
1.2.4 组网的网络管理及拓扑发现 |
1.3 论文主要工作及创新点 |
1.3.1 双向可见光组网及其多路访问控制协议 |
1.3.2 应用于双向可见光组网的拓扑发现机制 |
1.3.3 基于web的可见光组网网络管理系统 |
1.4 论文的结构层次安排 |
第二章 双向可见光组网及其多路访问控制协议 |
2.1 双向可见光组网的系统设计 |
2.1.1 拓扑结构选择 |
2.1.2 系统架构设计 |
2.1.3 MAC层功能模块设计 |
2.2 基于时隙的双向可见光组网多路访问控制协议设计 |
2.2.1 多路访问控制协议分析 |
2.2.2 基于时隙的多路访问控制协议的方案设计 |
2.2.3 关键参数设计 |
2.3 仿真分析与实验验证 |
2.3.1 仿真分析 |
2.3.2 实验验证 |
2.3.3 结果分析 |
2.4 本章小结 |
第三章 应用于双向可见光组网的拓扑发现机制 |
3.1 大规模双向可见光组网系统的拓扑设计 |
3.2 应用于组网系统的拓扑发现机制设计 |
3.3 仿真分析 |
3.3.1 OMNeT++仿真原理 |
3.3.2 仿真场景与参数配置 |
3.3.3 评估指标的定义与计算 |
3.3.4 仿真结果与分析 |
3.4 本章小结 |
第四章 基于web的可见光组网网络管理系统 |
4.1 网管技术原理分析 |
4.2 可见光组网网管系统的需求分析 |
4.3 基于web的网管系统的方案设计 |
4.3.1 整体架构设计 |
4.3.2 功能模块设计 |
4.3.3 数据库表设计 |
4.4 基于web的网管系统的功能实现 |
4.4.1 开发工具 |
4.4.2 功能实现 |
4.5 本章小结 |
第五章 论文总结与展望 |
5.1 工作总结 |
5.2 展望 |
缩略词索引 |
参考文献 |
致谢 |
攻读学位期间获得的科研成果目录 |
四、VoBB网络管理系统的设计与实现(论文参考文献)
- [1]基于卷积神经网络的烟草害虫识别及管理系统的研发[D]. 翟玉星. 山东农业大学, 2021(01)
- [2]香菇菌棒成熟度识别与生产管理系统研发[D]. 司振宇. 山东农业大学, 2021(01)
- [3]基于Spring Boot的教师企业实践管理系统的设计与实现[D]. 梁莹. 广西大学, 2021(12)
- [4]基于多约束QoS路由的网络管理系统设计与实现[D]. 袁玉莹. 南京邮电大学, 2021
- [5]无源光网络端口资源自动采集算法研究[D]. 苏东. 西安理工大学, 2021(01)
- [6]基于区块链技术的数字化教育资源管理系统架构研究[D]. 杨雅都. 江南大学, 2021
- [7]社区垃圾管理系统的设计研究[D]. 徐宗霖. 西安理工大学, 2021(01)
- [8]大规模物流车辆视频监控与运行数据采集系统设计[D]. 张政. 南京邮电大学, 2021
- [9]基于IEEE 802.1Qcc的时间敏感网络配置管理研究与实现[D]. 罗坤. 重庆邮电大学, 2021
- [10]可见光组网的管控技术研究[D]. 赵静. 北京邮电大学, 2021(01)