7篇关于自动识别的计算机毕业论文

今天分享的是关于自动识别的7篇计算机毕业论文范文, 如果你的论文涉及到自动识别等主题,本文能够帮助到你

网络资产识别平台的设计与实现

这是一篇关于网络资产,资产发现,自动识别,风险发现的论文, 主要内容为随着信息技术的飞速发展,网络已成为人们生活中密不可分的一部分,各行各业都在向“互联网+”的方向进行转型靠拢。许多企业、机关等都在互联网上部署了网络服务,为人们的生产生活带来了便利。除此之外,随着新媒体的发展,企业也有了许多新的和用户交互的渠道,比如微信公众号、手机APP等都是企业常用的宣发介质,这些资源都可以认为是企业的网络资产。随着这些网络资产数目和种类的不断增加,企业的管理难度和面临的安全挑战也与日俱增。一方面,如果资产管理不善导致部分资产成为僵尸资产则该资产很可能会成为外来恶意的切入点,另一方面,随着资产数量的增加,也可能带来一些潜在风险,如可能存在代码违规上传至Git Hub仓库导致信息泄露,钓鱼网站伪装成企业服务骗取客户信息等。本平台就是基于以上问题,对客户的网络资产进行发现和识别,及时提醒潜在风险,帮助保障企业信息安全。项目定位为向外提供网络资产识别结果的平台,只需客户提供少量的原始信息即可进行资产发现,而后将发现的网络资产信息以报表形式提供给客户。因此平台只需在网页端提供服务,由运营人员对具体的客户任务进行处理。平台根据资产识别的一般流程分为以下几个模块:客户及任务管理模块、信息上传及展示模块、资产发现模块、自动识别原因模块、风险发现模块、资产确认模块、邮件管理模块。通过这些模块的开发,实现了客户资产信息从发现、识别到交付的过程,帮助客户进行自身资产的管理,保障网络财产的安全。本文从平台的研发背景和目标业务谈起,介绍了平台应实现的需求,而后进行了平台的概要设计和详细设计,在平台实现后针对已有需求进行了相应的测试,验证平台能够满足当前的使用需求。平台实现使用了VUE作为前端框架,Django+Nginx+u WSGI作为后端框架,实现了前后端的分离,便于功能的快速开发以及环境的迁移,使用的数据库为关系型数据库My SQL和分布式数据库Elasticsearch。目前平台已经投入了正式的使用,帮助许多客户进行了资产管理,解决了许多潜在的安全问题。

小麦面条和面阶段面絮图像识别与面絮特性研究

这是一篇关于和面阶段,自动识别,面絮,面条品质,大数据分析的论文, 主要内容为和面是小麦面条加工过程中重要的一道工序,然而目前和面过程终点的判别主要是依据人工经验,缺少基于客观分析的量化评价方法研究,面絮与面条品质的关系也不明确。本研究基于深度学习技术构建了和面阶段面絮颗粒图像自动识别模型,表征了模型识别阶段面絮颗粒的宏观状态与面条品质关系,依据图像处理技术提出了面絮图像识别的核心指标,从水分运动、化学相互作用及微观结构等角度揭示了面絮调控面条品质的机制,对于实现和面过程的自动化控制具有指导性意义。具体的研究结果如下:(1)基于面粉颗粒湿法团聚的机制,并结合面絮状态图像的大数据分析,将和面过程划分为初始面粉(阶段1)、润湿黏连(阶段2)、聚集成形(阶段3)、破裂分散(阶段4)和稳定平衡(阶段5)五个阶段。选择具有50层网络的Res Net50作为预训练网络,通过改变输出层层数和输出类别数,并引入迁移学习,利用原始网络权重作为初始值开始训练,构建一个针对小麦粉和面阶段图像识别的Transfer-Res Net50网络模型,模型识别准确率高达98.5%,具有良好的可靠性。(2)研究了模型识别阶段面絮颗粒的宏观状态与面条品质关系,并依据图像处理技术提出了面絮图像识别的核心指标。结果表明,和面过程中,水分从大颗粒面絮向小颗粒面絮转移,在稳定平衡阶段面絮的水分分布更加均匀。通过对和面过程中面絮图像降维处理,提取了不同和面阶段图像中面絮颗粒之间的堆叠阴影面积作为面絮颗粒均匀度的量化评价指标,发现堆叠阴影面积均值大小与面絮颗粒大小的变化趋势一致,并且从润湿黏连阶段到稳定平衡阶段,堆叠阴影部分面积的标准差从7.62×108下降到2.46×107,实现了面絮颗粒均匀度的量化评价,证明了基于图像实现和面阶段自动化识别的可能性。此外,所有面条在不同阶段的品质(蒸煮、质构)变化趋势一致,并在稳定平衡阶段达到稳定。通过相关性分析进一步发现面絮堆叠阴影面积均值与蒸煮损失呈极显著正相关(r=0.93),与面条弹性、硬度呈极显著负相关(r=-0.90,r=-0.71),说明面絮特性与面条品质的高度相关性。(3)以爱菊面粉为例,从面条质构、水分状态及分布、蛋白质分子特性及微观结构揭示了面絮状态调控面条品质的机制。结果表明,从润湿黏连(阶段2)到稳定平衡阶段初期(阶段5-1),面片的硬度、弹性和咀嚼性逐渐增加并达到最大,在稳定平衡阶段中后期(阶段5-2、5-3),面片硬度等指标数值下降;润湿黏连阶段,水分自由度高,并在稳定平衡(阶段5)达到稳定;所有和面阶段中氢键、离子键的强度明显低于疏水相互作用的强度,游离巯基含量在稳定平衡状态后期(阶段5-2、5-3)降低并趋于稳定,二硫键含量在此阶段逐渐增多并保持稳定,蛋白质实现充分交联,决定了面条微观结构和宏观品质。本研究提出了面絮颗粒之间的堆叠阴影面积作为面絮均匀度的量化评价方法的理论依据,证明了面絮均匀度与面条品质之间的关系,为小麦面条和面过程自动控制提供了新的思路。

不规则场景文本检测与识别方法的研究

这是一篇关于不规则,场景文本,文本检测,自动识别,图卷积的论文, 主要内容为作为许多实际应用系统的重要预处理模块,场景文本的检测与识别受到了计算机视觉领域的广泛关注,许多优秀的文本检测与识别算法被提出,取得了显著的效果,可是对于自然场景下的不规则文本的检测与识别依然面临着巨大的挑战,现有的方法并不能取得很好的效果,仍然是一个未解决的问题。因此,针对自然场景下的不规则文本,本文开展了以下两方面的研究:在不规则文本检测方面,针对不规则文本组件和不规则文本行的表示问题,提出了一种基于图卷积的不规则文本检测方法。该方法将不规则场景文本的检测问题转换成不规则文本组件和不规则文本行的生成问题。首先,通过将文本区域与基于VGG16＿BN的全卷积网络生成的字符中心点相结合的方式来生成文本组件,可以确保文本组件高召回率的同时减少非字符文本组件的数量;接着,将文本行分组问题转换文本组件的邻接关系问题,通过图卷积神经网络对文本组件之间的关系进行推理。最后,为了评估该算法,通过在ICDAR2013、CTW-1500和MSRA-TD500三个公共数据集上进行实验,将其与其他现有算法进行了比较。结果表明,该方法能很好地完成场景图像下不规则文本的检测。在不规则文本识别方面,针对自来水表读数的自动识别问题,提出了一种基于深度学习的水表读数识别方法。首先,利用以Res Net为骨干的FPN网络对水表读数区域的候选区域进行检测;接着,通过将候选框与基于VGG16＿BN的全连接网络生成的字符中心点相结合的方式进行字符区域的生成,可以保证分割准确的同时减少噪声的影响;然后,通过加入的Roi Align层对字符分割区域的特征进行提取,解决多尺度候选框的特征提取问题。最后,为了验证该方法的有效性,通过水表数据集进行了实验论证,实验结果也证明了该方法在水表读数的自动识别上能取得比较好的性能。

小麦面条和面阶段面絮图像识别与面絮特性研究

辽宁省广播电视节目监管系统设计与实现

这是一篇关于广播电视监管系统,JavaWeb,B/S结构,自动识别的论文, 主要内容为近些年来,随着数字电视的不断普及,广播电视节目变得越来越多元化。对于广播电视节目的监管也变得越来越复杂,对于监管人员的要求变得越来越高。为了解决这一难题,不少广播电视监管部门开发了广播电视节目监管系统来辅助当地监管人员的工作。由于各地情况不同,引进系统无法使用,因此本文根据辽宁广播电视节目的特点,使用Java Web技术和B/S结构设计并实现了一个辽宁省广播电视节目监管系统。本文首先针对开发这一系统的必要性进行了分析。接着简要介绍了本文所用相关技术。在设计系统方面,本文首先针对辽宁省广播电视节目监管的需求进行了分析。以用例图的方式描述了系统的基本功能。接着对系统进行了总体设计,将系统的功能分为用户功能和管理员功能。然后针对用户功能和管理员功能中每个子功能对系统进行详细设计,给出了每个子功能的流程图,并介绍了系统的数据库设计。最终,使用Java语言对本系统进行开发,最终开发出辽宁省广播电视节目监管系统。系统的主要功能包括:用户和管理员的注册和登录,个人信息修改,节目串播监测,新闻内容监测,节目对比监测,广告监测,设备管理,用户信息管理,频道管理,日志管理,文件管理和异常管理。其中节目串播监测,新闻内容监测,节目对比监测和广告监测是本文开发的重点,在这些功能中,本文使用了广播电视监管技术来自动识别,自动监测节目和广告,以简化监管人员的操作。经实际测试,本系统功能完备,系统界面友好,使用简单方便,简化了广播电视监管人员的工作,具有较强的实用价值。

电商网站中面料商品的情感自动分类研究

这是一篇关于面料图像,情感语义,电商网站,自动识别的论文, 主要内容为图像的情感语义分类是基于语义的图像检索技术中十分重要的一个领域。图像中蕴含着丰富的情感,情感语义作为一种重要的高层语义,在基于语义的图像检索中占据着重要的位置,根据图像中蕴含的情感进行分类是十分必要的。传统的图像分类方法往往忽略了图像的情感的影响和作用,这不能满足用户的真正需求,将图像按照情感语义分类,会大大提高基于语义的图像检索性能。不同的服装有不同的情感表达,服装面料也有自己的情感,服装设计师在设计服装时,需要考虑面料所表达的情感,而消费者在购买服装时也会根据自己的情感需求选购商品。电子商务近些年的迅猛发展,人们通过网络购物的平台越来越多,人们通过这些网站可以获得不同地域的商品信息,大大缩短了消费者与商家的距离,人们可以方便的通过网络挑选商品,而在网络上从大量的信息中筛选自己想要的商品则需要对商品进行合理的分类。本文针对面料情感在电商网站中的自动识别和分类进行研究,提出一种自动识别面料商品情感的方法,进而实现面料商品按情感进行分类和排序。在之前的研究中,已经将面料的情感分为七对语义相反的情感词,通过对面料图像的颜色、纹理等底层特征提取,采用支持向量机技术进行机器学习,得到情感因子值,再根据公式计算出情感的定量描述值。本文的主要研究内容就是在网页中实现面料图像的情感自动进行识别,并将这一识别技术应用到电子商务网站中,使网站用户可以方便的根据自己的情感选择面料。通过对图像的特征提取及分类算法研究,结合一个开源的电商网站,本文最后开发了一套可以自动识别面料商品情感的电商网站系统,经过实验对面料商品的情感语义分类达到了较好的效果,论证了本文研究的实用价值。证明对面料图像进行情感分类这一研究是可行的,该课题有着重要的理论意义和实用价值。