工業(yè)結(jié)晶技術(shù)在精細(xì)化工和制藥等行業(yè)有著廣泛的應(yīng)用。為了得到期望晶型和保證晶體產(chǎn)品質(zhì)量,需要實(shí)時(shí)監(jiān)測(cè)晶體生長(zhǎng)過(guò)程,以便實(shí)時(shí)控制和優(yōu)化。近些年來(lái)越來(lái)越多應(yīng)用圖像監(jiān)測(cè)技術(shù)對(duì)工業(yè)結(jié)晶過(guò)程進(jìn)行實(shí)時(shí)在線(xiàn)分析。本文首先介紹了工業(yè)結(jié)晶過(guò)程圖像檢測(cè)技術(shù)的應(yīng)用現(xiàn)狀和研究進(jìn)展,分析了實(shí)時(shí)圖像系統(tǒng)檢測(cè)結(jié)晶過(guò)程的優(yōu)點(diǎn)和實(shí)際應(yīng)用中存在的問(wèn)題。對(duì)于針狀晶體提出了一種適用于原位圖像檢測(cè)的圖像處理方法,能克服不均勻照明、顆粒運(yùn)動(dòng)、溶液攪拌帶來(lái)的不利影響,消除圖像中噪聲信息以改進(jìn)圖像質(zhì)量,增強(qiáng)圖像中晶體形狀區(qū)域。該圖像處理方法主要包括基于多尺度Retinex的圖像增強(qiáng)處理以及基于最小交叉熵的圖像分割處理,從而能有效地從原始圖像中提取出晶體形狀區(qū)域。為了在L-谷氨酸結(jié)晶過(guò)程中在線(xiàn)監(jiān)測(cè)晶體種群的生長(zhǎng)質(zhì)量,本文提出了一種基于非侵入性微觀成像系統(tǒng)實(shí)時(shí)檢測(cè)晶體種群生長(zhǎng)速率的圖像分析方法。采用基于掩膜區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Mask Regional Convolutional Neural Networks,簡(jiǎn)稱(chēng)Mask R-CNN）的圖像分割算法,基于離線(xiàn)樣本訓(xùn)練權(quán)重網(wǎng)絡(luò)模型,能實(shí)時(shí)快速分析原位采集圖像。該算法能夠?qū)Y(jié)晶過(guò)程采集圖像中... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
2 晶體圖像采集與處理
    2.1 L-谷氨酸晶體的圖像采集
        2.1.1 實(shí)驗(yàn)材料
        2.1.2 圖像采集設(shè)備
    2.2 晶體圖像增強(qiáng)
        2.2.1 直方圖均衡化
        2.2.2 多尺度Retinex法
    2.3 晶體圖像分割
        2.3.1 最大類(lèi)間方差法
        2.3.2 最小交叉熵分割法
        2.3.3 圖像分割技術(shù)應(yīng)用
    2.4 本章小結(jié)
3 基于深度學(xué)習(xí)的晶體圖像分析與二維尺寸測(cè)量
    3.1 基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)(R-CNN)
    3.2 基于Mask R-CNN的圖像處理
        3.2.1 Mask R-CNN
        3.2.2 Mask R-CNN的損失函數(shù)
        3.2.3 網(wǎng)絡(luò)學(xué)習(xí)的超參設(shè)置
        3.2.4 基于原始圖像數(shù)據(jù)集的訓(xùn)練
        3.2.5 基于深度學(xué)習(xí)的圖像處理結(jié)果
    3.3 晶體圖像特征分析
        3.3.1 晶體的尺寸特征
        3.3.2 晶體的形狀特征
    3.4 基于原位圖像的晶體二維尺寸測(cè)量
        3.4.1 晶體圖像的尺寸標(biāo)定
        3.4.2 晶體的二維尺寸測(cè)量
    3.5 本章小結(jié)
4 基于圖像分析的晶體生長(zhǎng)率計(jì)算方法
    4.1 晶體生長(zhǎng)率
    4.2 晶體種群二維尺寸分布統(tǒng)計(jì)
        4.2.1 晶體數(shù)量統(tǒng)計(jì)分析
        4.2.2 晶體尺寸分布的核密度估計(jì)
    4.3 晶體種群尺寸分布的評(píng)價(jià)指標(biāo)
    4.4 晶體生長(zhǎng)率的在線(xiàn)估計(jì)方法
    4.5 本章小結(jié)
5 L-谷氨酸冷卻結(jié)晶過(guò)程在線(xiàn)圖像檢測(cè)實(shí)驗(yàn)與結(jié)果分析
    5.1 L-谷氨酸冷卻結(jié)晶實(shí)驗(yàn)的在線(xiàn)圖像檢測(cè)方案
    5.2 實(shí)時(shí)圖像監(jiān)控界面設(shè)計(jì)
    5.3 實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文和申請(qǐng)專(zhuān)利情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]過(guò)程分析技術(shù)在晶體多晶型研究中的應(yīng)用[J]. 王娜,陶曉龍,史歡歡,謝闖,尹秋響,郝紅勛.  化學(xué)工業(yè)與工程. 2017(02)
[2]基于多尺度Retinex算法的遙感圖像增強(qiáng)[J]. 趙艷飛,高清維,盧一相.  計(jì)算機(jī)技術(shù)與發(fā)展. 2008(02)
[3]多晶型藥物的生物利用度研究概況[J]. 張偉國(guó),劉昌孝.  天津藥學(xué). 2007(02)
[4]藥物多晶型的研究及其對(duì)藥效和理化性質(zhì)的影響[J]. 唐素芳.  天津藥學(xué). 2002(02)

博士論文
[1]基于原位圖像的結(jié)晶過(guò)程檢測(cè)方法[D]. 霍焱.大連理工大學(xué) 2019

碩士論文
[1]基于原位圖像檢測(cè)結(jié)晶過(guò)程中針狀晶體尺寸和粘連的方法[D]. 鄒康.大連理工大學(xué) 2018
[2]基于視覺(jué)的行人檢測(cè)技術(shù)研究[D]. 王浩.遼寧工業(yè)大學(xué) 2018
[3]晶體生長(zhǎng)行為的實(shí)驗(yàn)研究[D]. 唐愛(ài)利.華南理工大學(xué) 2014
[4]基于核密度估計(jì)的環(huán)境傳感器數(shù)據(jù)流異常檢測(cè)方法[D]. 朱虹.浙江農(nóng)林大學(xué) 2014



本文編號(hào)：3206350