注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 搜索结果

    找到约10000个结果。

    基于卷积神经网络的车辆检测毕业论文

    摘 要车辆目标检测是智能车辆视觉系统重要内容之一。目前智能车辆视觉系统主要以行人和车辆目标为研究对象。然而,当前大多数车辆目标检测算法均使用传统几何特征与分类器相组合的方法,这些方法虽然取得了一定的成果,但是对于车辆存在遮挡、形变等情况时,其整体检测效果并不理想,而利用深度卷积神经网络则可以在一定程度上克服这些因素的影响。但与此同时,深度卷积神经网络又存在训练与测试速度慢的弱点。本文针对智能车辆视觉系统中车辆检测存在的难点问题展开研究,论文的主要工作和成果为:针对智能车辆视觉系统中车辆目标检测问题,提出了基于Yolo改进的算法,通过跟传统的车辆检测方法进行对比,直观地体现选择卷积神经网络进行车辆检测的优势。关键词:卷积神经网络 车辆目标检测 Yolo算法AbstractVehicle target detec

    ATO混流装配线平衡与排产仿真优化毕业论文

    摘 要在顾客对产品有极大的个性化需求的今天,制造型企业为了满足顾客需求多采用混流装配线,混流装配线能够高效的在一条生产线上生产不同类型的产品,使企业能高效的实现定制化服务。混流装配线的平衡与排产优化能够极大的提升装配线的效率,进而提升企业的生产效率。本文借助FlexSim软件对某公司一条自行车混合装配线进行建模仿真,分别针对平衡问题和排产问题进行仿真,仿真结束后对仿真结果进行分析,根据分析结果对混流装配线的平衡与排产方案进行优化,并对优化前后的两种情况进行比较,说明平衡与排产优化对于混流装配线重要意义。本文主要探讨了仿真方法对ATO混流装配线平衡和排产方案的优化,通过仿真的方法,对仿真建模的结果进行分析,根据分析结果对装配线的平衡和排产方案进行优化,提高装配线的生产效率。

    外基座冲压工艺与模具设计毕业论文

    摘 要 本文进行了外基座的模具设计。首先对零件进行了工艺分析,根据分析结果确定所需模具采用多工位级进模的形式。结合零件的外形和工艺要求进行了排样设计,即设计出了模具的各个工位的工序以及工序的分布情况。该零件的加工过程一共需要九个工位,依次为:冲切侧刃、冲切口用工艺孔、切口、空工位、拉深、整形、冲底孔、导正、落料翻边。对零件冲压加工过程中的毛坯尺寸及冲压力进行了计算,通过计算结果设计选择出模具的各个零部件,并借助计算机辅助设计软件Auto CAD和UG对所设计出的模具进行了二维和三维建模,使设计结果能更直观的表现出来。在三维建模的基础上利用DERORM对拉深工位进行了工作过程的模拟,模拟结果良好,制件尺寸达到要求,各部分变形均匀,均未出现拉裂、起皱等明显缺陷。除了单纯地进行了模具

    就业信息管理系统毕业论文

    摘 要由于就业压力的日益增大,学校领导对于学生的就业信息非常关心。为了方便学校对于校园招聘信息的发布和学生就业信息的管理,构建一个功能齐全的学生就业信息管理系统是非常必要的,本文的重点就是如何建立学生就业信息管理系统,内容主要有(1):采用spring mvc模式搭建,模型(model)-视图(view)-控制器(controller)模式,将业务逻辑,视图,数据分开设计,避免了开发的不清晰性,降低了各个功能模块之间的耦合性,使得程序的开发清晰方便(2):前端页面采用boostrap,jquery等技术,数据库使用mysql,添加redis,提高数据的处理性能,数据传输使用json格式,方便快捷开发。关键词:就业信息管理系统,spring mvc模式,mysql数据库,boostrap技术,json格式传输Abstract Due to increasing employment pressure,school leaders are very concerned about student employment informa

    基于深度学习的图像分类方法分析与研究毕业论文

    摘 要图像分类问题是计算机视觉领域中的重要问题之一,并且在实际中也有着各种各样的应用,所谓图像分类就是已有固定的分类标签集合,然后对于输入的图像,从分类标签集合中找出一个分类标签并分配给该图像的问题。由于受图像视角、大小、光照、背景等问题的影响,图像分类存在诸多难点。图像分类大量利用了机器学习的方法,机器学习中的分类算法一般可以分为两类,一是基于人为构造特征的分类方法,如 K-近邻算法、支持向量机、逻辑回归等;二是以卷积神经网络为基础的,直接将图片作为输入而不需要人为构造特征的深度学习方法。目前后者已经可以达到很高的正确率,成为图像分类问题采用的主要方法,并且应用的范围也越来越广。本文首先讨论了两类机器学习算法,着重分析了卷积神经网络算法,分析了基于卷积神经网络

    突发事件案例推理的研究毕业论文

    摘 要现阶段,我国正处于社会转型时期,社会制度和经济制度均发生了结构上的巨大调整,民众生活随之变得更加多元与复杂,社会矛盾凸显,加之近年来自然灾害频发,给人类社会带来巨大的损失,同时也凸现出政府的应急管理体系中存在着缺陷。如何完善突发事件应急管理体系是国家和政府亟需解决的问题。案例推理是人工智能领域的一种类比推理,它可以通过检索案例库中与当前问题最为相似的案例,从而得到当前问题的解决方案,为应急决策者提供参考。本文从应急管理的角度出发,首先,在分析比较了知识表示的常用方法的基础上,选择框架表示法作为突发事件案例的知识表示方法,并在应急管理理论的指导下,以支持案例推理为目的定义了突发事件表示框架,将突发事件信息源中的隐含知识以显性的、结构化的形式表示出来。其次

    军用雷达车状态监测的硬件设计毕业论文

    摘 要随着各国国防力量的不断进步,现代军事已经由机械化战争转变为机械化与信息化的综合战争。而高技术武器装备是现代信息化军队战斗力生成的重要物质基础,是任何一支强大军队不可忽视的因素。车辆是前线战场和后勤保障的重要装备,车辆智能化是未来军用车辆发展的一个重要方向,它对执行多样化军事任务具有巨大的应用价值,发挥着不可替代的作用。为了有效提高作战效率,本文使用了一种以ARM9处理器和Linux操作系统为软硬件平台,结合USB图像视频采集,LCD显示等多模块设计,完成对雷达车工作状态的监测。并在最后对该嵌入式系统的应用前景进行了分析和总结。关键词:雷达 嵌入式 LinuxAbstractWith the continuous progress of national defense forces,modern military has changed from mechanized war to mechanized and information-based comprehensive war.High-tech weapon equip

    齿轮组啮合过程仿真分析毕业论文

    摘 要 齿轮是动力传动系统中最重要的部件,当齿轮单双齿交替啮合时,由轮齿弹性变形引起的刚度激励会使齿轮产生振动和噪声,因而确定啮合轮齿的啮合刚度一直是齿轮动力学的重要任务。啮合刚度是齿轮啮合时轮齿抵抗变形的能力。在齿轮刚度(弹性)范围内,啮合刚度是齿轮所受载荷与位移成正比的比例系数,即引起单位位移所需的力。随着科技的飞速发展,越来越多的计算机技术应用与齿轮的分析中,而有限元法是基于近代计算机的快速发展而发展起来的一种近似数值方法, 用来解决力学,数学中的带有特定边界条件的偏微分方程问题。传动齿轮复杂的应力分布情况和变形机理是造成齿轮设计困难的主要原因,而有限元理论和各种有限元分析软件的出现,让研究人员无需对齿轮受力做大量的计算和研究,就可以基本掌握齿轮的受力和变

    基于HTML5的制造企业采购库存管理系统的研究与开发毕业论文

    摘 要信息技术的快速的发展,为日常生活中的各个方面都带来了巨大的改变与便捷,但是在所谓的夕阳企业十分传统的制造业中,对于互联网的应用以及最新的科技方面的技术利用是十分缺乏的,大部分是采用人力,物力的简单方法进行处理,在库存采购方面,这中低效率的制造业是十分愚蠢的方法,因此,为了提高效率,降低成本,利用互联网加物联网实现企业采购库存管理系统的信息化是十分必要以及必须的。本系统是基于HTML5技术建立的制造企业采购库存管理系统,其目标是实现中小型企业对进货,出货,库存管理的无纸化,便捷化和移动化管理工作。本系统具有一般采购库存管理系统的功能,由于论文命题的需求,对制造企业的采购库存管理做了定制化的修改。企业只需要手机能连接互联网就可以在手机上使用浏览器访问该系统进行采购

    基于s7-200的车间环境组态监控系统的研究与设计毕业论文

    摘 要本论文针对传统车间环境监测使用人工值班检查的方式进行数据采集,不仅浪费资源与时间,而且效率十分低下,实时性也不能保证等问题进行研究,设计一个车间环境组态检测系统。该系统通过S7-200PLC与KINGVIEW6.55组态软件,以金工车间为研究对象,采集车间湿度、温度、噪音等信息。其中,利用各个传感器采集现场的环境数据,以西门子s7-200为数据中转站,最后利用上机位组态软件连接s7-200,实时监控车间环境。本设计通过各传感器采集数据,并储存在PLC中,实时获取传感器检测到的车间环境数据。首先外界温度,湿度,噪音通过传感器的敏感元件在供电的情况下产生微弱的电信号,存储在输入模拟量寄存器AI中,占据16位的存储空间。然后通过西门子编程软件Step Microwin V4.0 编写梯形图程序,对存储在AI中的数字信号进行字符转换和计算处

联系我们

加微信咨询

加QQ咨询

服务时间:09:00-23:50(周一至周日)