成都理工大学毕业论文开题报告.doc

成都理工大学毕业论文开题报告模板成 都 理 工 大 学
学生毕业设计（论文）开题报告
题目名称： 遥感图片识别系统研究
（中·英文） Research on remote sensing image recognition system
题目类型：开发与设计
题目来源：教师拟定
学生姓名：作者要求不公开
学生学号： 作者要求不公开
专业名称：测控技术与仪器
导师姓名：版权方要求不公开
专业职称：作者要求不公开
指导人数：10
主要研究内容、预期成果（鼓励有创新点）：
主要研究内容：
本设计以谷歌开源的机器学习框架 TensorFlow 为核心，YoLo_V3 算法为基础，开发自动学习遥感图像特征，并能够识别遥感图片中特定对象（机场、桥梁、港口）的软件系统。 主要研究内容有：
1、编写适配于开源机器学台的代码，构建集成遥感图片特征学习训练，遥感图片识别的软件系统。
2、编写爬虫，采集地理网站上的卫星遥感图像。
3、人工标记采集的样本，训练识别系统进行机器学习，生成权重文件。
4、编写基于权重文件，对全新的遥感图像中的特定对象（机场、桥梁、港口） 进行识别和标记的程序模块；
预期成果：
完成对遥感图像的采集爬虫设计。
完成对样本的机器学习训练，生成对应的模型文件
基于训练所得的权重文件，实现遥感图像中指定对象的识别和标记；
4、 完成毕业设计论文
拟采用的研究思路（研究方法、技术路线、可行性论证）：
研究方法：
采用文献调研、理论分析、软件开发与实验相结合的研究方法。
技术路线：
根据系统功能要求查阅相关资料，在分析了遥感图片识别系统主要设计需求以及对每个模块进行详细论证后，确定了系统的总体设计框图如图 1-1 所示。
图1-1
系统由机器学习训练模块和识别模块两部分组成，但是开发过程中，增加了一个爬虫程序的开发，该程序用于采集网络上的遥感图像，采集的图像经过人工标记之后作为机器训练模块的样本使用。
机器学习训练模块主要采用开源的TensorFlow框架作为底层，处理机器学习的核心部分，由Yolo_v3网络搭建，用于提取识别对像的特征。适配代码的主要功能是整合网络和底层框架的接口，接收用户传入的数据，控制整个训练的流程。
识别模块使用OpenCV库处理传入的图像，提取图像特征，并使用训练模块生成的权重文件，检测图像中的指定识别对象，并将识别结果以标签形式在输入的图片上展示。
可行性论证：
在分析现有的硬件条件和软件资源，以及对机器学台TensorFlow进行认真学习，查找并仔细研究Yolo_v3、Karas等各种框架的论文和相关资料之后，能够整体把握系统的软件设计方面的框架结构。并且，国内外已经有采用 TensorFlow架构实现人工智能、机器学习的案例，表明该技术已经成熟，可以实现。唯一存在难度的在于，程序训练过程中需要强大算力的GPU服务器，目前我的个人电脑和实验室服务器性能还不足以支撑整个训练过程。
现有工作基础（毕业实习情况、文献资料收集情况及空间设备仪器条件等）：
家里有计算机，并装配了TensorFlow、Eclipse、Python等开发环境，设备可满足设计需求；调试过程中需要的GPU服务器可以向阿里云或者腾讯云等租赁。
相关参考资料已经购买或从图书馆