用于精确对象检测和语义分割的丰富特征层次的
技术报告
*1，*1， *3，*2，
Rich feature hierarchies for accurate object detection and semantic segmentation Tech report
*1，*1，*2，*3，*2
ABSTRACT:Object detection performance, as measured on the canonical PASCAL VOC dataset, has plateaued in the last few years. The best-performing methods are complex ensemble systems that typically combine multiple low-level image features with high-level context. In this paper, we propose a simple and scalable detection algorithm that improves mean average precision (mAP) by more than 30% relative to the previous best result on VOC 2012—achieving a mAP of 53.3%. Our approach combines two key insights: (1) one can apply high-capacity convolutional neural networks (CNNs) to bottom-up region proposals in order to localize and segment objects and (2) when labeled training data is scarce, supervised pre-training for an auxiliary task, followed by domain-specific fine-tuning, yields a significant performance boost. Since we combine region proposals with CNNs, we call our method R-CNN: Regions with CNN features. We also compare R-CNN to OverFeat, a recently proposed sliding-window detector based on a similar CNN architecture. We find that R-CNN outperforms OverFeat by a large margin on the 200-class ILSVRC2013 detection dataset.
摘要：在过去的几年中，典型的PASCAL VOC数据集上测量的对象检测性能已经趋于平稳。最好的执行方法是复杂的集成系统，通常结合多个低级别的图像特征与高层次的背景。在本文中，我们提出了一个简单的和可扩展的检测算法，提高了平均准确率（MAP）超过30%，相对于先前的最佳结果VOC 2012实现53.3%的平均准确率。我们的方法结合了两个关键的见解：（1）可以将高容量卷积神经网络（CNNs）应用到自下而上的区域建议中，以便定位和分割对象；（2）当标记的训练数据很少时，监督辅助任务的预训练，然后进行特定领域的微调，可以显著提升性能。由于我们将区域建议与CNNs结合起来，我们称我们的方法为RNCN:具有卷积神经网络特征的区域。我们还将R-CNN与OverFeat进行比较，最近提出的滑动窗口检测器基于类似的卷积神经网络架构。我们发现R-CNN在200级ILSVRC2013检测数据集上大大优于OverFeat。
0 引言
Features matter. The last decade of progress on various visual recognition tasks has been based considerably on the use of SIFT [29] and HOG [7]. But if we look at performance on the canonical visual recognition task, PASCAL VOC object detection [15], it is generally acknowledged that progress has been slow during 2010-2012, with small gains obtained by building ensemble systems and employing minor variants of successful methods.
特征是重要的。在各种视觉识别任务上的最后十年的进展很大程度上是基于SIFT〔29〕和HOG 〔7〕的使用。但是，如果我们看看典型的视觉识别任务，PASCAL VOC对象检测（15）的性能，一般认为，在2010－2012年期间进展缓慢，通过构建集成系统和采用成功的方法的小变体获得较小的收益。
SIFT and HOG are blockwise orientation histograms, a representation we could associate roughly with complex cells in V1, the first cortical area in the primate visual pathway. But we also know that recognition occurs several stages downstream, which suggests that there might be hierarchical, multi-stage processes for computing features that are even more informative for visual recognition.
SIFT和HOG是块状方向直方图，我们可以粗略地将其与V1中的复杂细胞相关联，V1是灵长类动物视觉通路中的第一个皮层区域。但我们也知道识别发生在下游的几个阶段，这表明可能存在用于计算特征的层级，多阶段过程，这些过程对于视觉识别更具信息性。
Figure 1: Object detection system overview. Our system (1) takes an input image, (2) extracts around 2000 bottom-up region proposals, (3) computes features for each proposal using a large convolutional neural network (CNN), and then (4) classifies each region using class-specific linear SVMs. R-CNN achieves a mean average precision (mAP) of 53.7% on PASCAL VOC 2010. For comparison, [39] reports
35.1% mAP using the same region proposals, but with
a spatial pyramid and bag-of-visual-words approach. The popular deformable part models perform at 33.4%.
On the 200-class ILSVRC2013 detection dataset, R-CNN’s mAP is 31.4%, a large improvement over OverFeat [34], which had the previous best result at 24.3%.
图1：物体检测系统概述。我们的系统（1）采用输入图像，（2）提取大约2000个自底向上区域建议，（3）使用大卷积神经网络（CNN）计算每个建议的特征，然后（4）使用类特定线性SVM来划分每个区域。R-CNN在PASCAL VOC 2010上实现了53.7%的平均平均精度（MAP）。为了比较，（39）报告35.1%地图使用相同的区域建议，但与空间金字塔和袋的视觉词的方法。流行的变形部分模型在33.4%执行。在200类ILSvRC2013检测数据集上，R-CNN的MAP为31.4%，比OFFEAT（34）有较大的改进，在24.3%之前有最好的结果。
Fukushima’s “neocognitron” [19], a biologically inspired hierarchical and shift-invariant model for pattern recognition, was an early attempt at just such a process. The neocognitron, however, lacked a supervised training algorithm. Building on Rumelhart et al. [33], LeCun et al. [26] showed that stochastic gradient descent via backpropagation was effective for training convolutional neural networks (CNNs), a class of models that extend the neocognitron.
福岛的“新认知者”（19）是一个生物启发的模式识别的分层不变移位模型，是在这样一个过程中的早期尝试。然而，新认知者缺乏监督训练算法。在鲁梅尔哈特等建筑上。〔33〕〔26〕表明，基于反向传播的随机梯度下降对卷积神经网络（CNNs）是一种有效的训练方法。
CNNs saw heavy use in the 1990s (e.g., [27]), but then fell out of fashion with the rise of support vector machines. In 2012, Krizhevsky et al. [25] rekindled interest in CNNs by showing substantially higher image classification accuracy on the ImageNet Large Scale Visual Recognition Challenge (ILSVRC) [9, 10]. Their success resulted from training a large CNN on 1.2 million labeled images, together with a few twists on LeCun’s CNN (e.g., max(x; 0) rectifying non-linearities and “dropout” regularization).
CNNs在20世纪90年代大量使用（例如，[ 27 ]），但是随着支持向量机的兴起而不流行。2012，克里什耶夫斯凯等人。[25 ]通过在IMANEET大尺度视觉识别挑战（ILVRC）上显示更高的图像分类精度，重新点燃了对CNNs的兴趣（9, 10）。他们的成功来自于在120万张标记的图像上训练一个大型，并在Leun的卷积神经网络上进行了一些曲折（例如Max（x；0）纠正非线性和“辍学”正则化）。
The significance of the ImageNet result was vigorously debated during the ILSVRC 2012 workshop. The central issue can be distilled to the following: To what extent do the CNN classification results on ImageNet generalize to object detection results on the PASCAL VOC Challenge?
ILVRC 2012研讨会期间对IMANET结果的意义进行了激烈的辩论。中心问题可以归结为：ImageNet的CNN分类结果在多大程度上推广到PASCAL VOC挑战的物体检测结果？
We answer this question by bridging the gap between image classification and object detection. This paper is the first to show that a CNN can lead to dramatically higher object detection performance on PASCAL VOC as compared to systems based on simpler HOG-like features. To achieve this result, we focused on two problems: localizing objects with a deep network and training a high-capacity model with only a small quantity of annotated detection data.
我们解决了这个问题，弥补了图像分类和目标检测之间的差距。本文首次表明，与基于简单HOG 类功能的系统相比，CNN可以在PASCAL VOC上实现更高的物体检测性能。为了实现这一结果，我们专注于两个问题：采用深度网络定位对象和并仅使用少量带注释的检测数据来训练高容量模型。
Unlike image classification, detection requires localizing (likely many) objects within an image. One approach frames localization as a regression problem. However, work from Szegedy et al. [38], concurrent with our own, indicates that this strategy may not fare well in practice (they report a mAP of 30.5% on VOC 2007 compared to the 58.5% achieved by our method). An alternative is to build a sliding-window detector. CNNs have been used in this way for at least two decades, typically on constrained object categories, such as faces [32, 40] and pedestrians [35]. In order to maintain high spatial resolution, these CNNs typically only have two convolutional and pooling layers. We also considered adopting a sliding-window approach. However, units high up in our network, which has five convolutional layers, have very large receptive fields (195 195 pixels) and strides (3232 pixels) in the input image, which makes precise localization within the sliding-window paradigm an open technical challenge.
与图像分类不同，检测需要在图像内定位（可能多个）对象。一种方法将帧定位作为回归问题。但是，Szegedy等人的工作[38]与我们自己同时发现，这种策略在实践中可能表现不佳（他们报告VOC 2007的mAP为30.5％，而我们的方法实现的58.5％）。另一种方法是建立滑动窗口检测器。CNNs 已经以这种方式使用了至少二十年，通常在受约束的物体类别上，例如面[32, 40 ]和行人[35 ]。为了保持较高的空间分辨率，这些CNNs通常只具有两个卷积和池化层。我们还考虑采用滑动窗口的方法。然而，网络的增加，其中有五的卷积层，有非常大的感受野（195*195像素）和进展（32*32像素）在输入图像的精确定位，使得在滑动窗口模式开放的技术挑战。
Instead, we solve the CNN localization problem by operating within the “recognition using regions” paradigm [21], which has been successful for both object detection [39] and semantic segmentation [5].
本科生实验报告 实验课程电气测试技术学院名称核技术与自动化工程学院专业名称电气工程及其自动化学生姓名刘恒学生学号50504 指导教师王洪辉实验地点逸夫楼6C801 实验成绩 二O—四年十二月 填写说明 1、适用于本科生所有的实验报告（印制实验报告册除外）； 2、专业填写为专业全称，有专业方向的用小括号标明； 3、格式要求： ①用 A4 纸双面打印（封面双面打印）或在 A4 大小纸上用蓝黑色水笔书写。 ②打印排版：正文用宋体小四号，倍行距，页边距采取默认形式（上下，左右，页 眉1.5cm,页脚1.75cm）。字符间距为默认值（缩放100%间距：标准）；页码用小五号字底 端居中。 ③具体要求： 题目（二号黑体居中）； 摘要（“摘要”二字用小二号黑体居中，隔行书写摘要的文字部分，小 4 号宋体）；关 键词（隔行顶格书写“关键词”三字，提炼 3-5 个关键词，用分号隔开，小 4 号黑体）； 正文部分采用三级标题； 第1章XX （小二号黑体居中，段前行） XXXXX小三号黑体XXXXX（段前、段后行） 1.1.1 小四号黑体（段前、段后行） 参考文献（黑体小二号居中，段前行），参考文献用五号宋体，参照《参考文献著录规则
（ GB/T 7714－2005）》。
实验一 金属箔式应变片性能 一单臂电桥 （910 型 998B 型） 1.1实验目的 （1） 了解金属箔式应变片，单臂单桥的工作原理和工作情况。 （2） 观察了解箔式应变片的结构及粘贴方式； （3） 测试应变梁变形的应变输出； （4） 熟悉传感器常用参数的计算方法。 实验原理 本实验说明箔式应变片及单臂单桥的工作原理和工作情况。应变片是最常用的测力 传感元 件。当用应变片测试时，应变片要牢固地粘贴在测试体表面，当测件受力发生形 变，应变片的敏感栅随同变形，其电阻也随之发生相应的变化，通过测量电路，转换成 电信号输出显示。 电桥电路是最常用的非电量电测电路中的一种， 当电桥平衡时，桥路对臂电阻乘积 R1、R2 R3 R4中，电阻的相对变化率分别为 2迟；用四个应变片组成二个差对工作，且 R R1=R2=R3=R4=R, R 仆 R 。 由此可知，单臂、半桥、全桥电路的灵敏度依次增大。 所需单元及部件：直流稳压电源、差动放大器、双平衡梁、测微头、一片应变片、 F/V 表、主、副电源。 旋转初始位置：直流稳压电源打到 2V 档，F/V 表打到2V 档，差动放大增益最大。 实验步骤 了解所需单元、部件在试验仪上的所在位置，观察梁上的应变片， 应变片为棕色衬 底箔式结 构小方薄片。上下二片梁的外表面各贴二片受力应变片和一片补偿应变片， 测 微头在双平行梁前面的支座上，可以上、下、前、后、左、右调节。 将差动放大器调零：用连线将差动放大器的正（+）、负（-）、地短接。将差动放大 器的输 出端与F/V 表的输入插口 Vi 相连；开启主、副电源；调节差动放大器的增益到 最大位置，然后调整差动放大器的调零旋钮使 F/V 表显示为零，关闭主、副电源。 相等，电桥输出为零，在桥臂四个电阻 R1/R1、差动状态工作，则有
检测技术实验报告 院（系）：自动化专业：自动化姓名：学号： 同组人员： 评定成绩：评阅教师：
K热电偶测温性能实验 一、实验目的： 了解热电偶测温原理及方法和应用。 二、基本原理： 热电偶测量温度的基本原理是热电效应。将A和B二种不同的导体首尾相连组成闭合回路，如果二连接点温度(T，T0)不同，则在回路中就会产生热电动势，形成热电流，这就是热电效应。热电偶就是将A和B二种不同的金属材料一端焊接而成。A和B称为热电极，焊接的一端是接触热场的T端称为工作端或测量端，也称热端；未焊接的一端(接引线)处在温度T0称为自由端或参考端，也称冷端。T与T0的温差愈大，热电偶的输出电动势愈大；温差为０时，热电偶的输出电动势为０；因此，可以用测热电动势大小衡量温度的大小。国际上，将热电偶的A、B热电极材料不同分成若干分度号，如常用的Ｋ(镍铬-镍硅或镍铝)、Ｅ(镍铬-康铜)、Ｔ(铜-康铜)等等，并且有相应的分度(见附录)表即参考端温度为０℃时的测量端温度与热电动势的对应关系表；可以通过测量热电偶输出的热电动势值再查分度表得到相应的温度值。 三、需用器件与单元： 主机箱、温度源、P t100热电阻(温度源温度控制传感器)、Ｋ热电偶(温度特性实验传感器)、温度传感器实验模板、应变传感器实验模板(代mV发生器)。 四、实验步骤： 热电偶使用说明：热电偶由Ａ、Ｂ热电极材料及直径(偶丝直径)决定其测温范围，如Ｋ(镍铬-镍硅或镍铝)热电偶，偶丝直径3.2mm时测温范围０～1200℃，本实验用的Ｋ热电偶偶丝直径为0.5mm，测温范围０～800℃；Ｅ(镍铬-康铜)，偶丝直径3.2mm时测温范围-200～+750℃，实验用的Ｅ热电偶偶丝直径为0.5mm，测温范围-200～+350℃。由于温度源温度＜200℃，所以，所有热电偶实际测温范围＜200℃。 从热电偶的测温原理可知，热电偶测量的是测量端与参考端之间的温度差，必须保证参考端温度为０℃时才能正确测量测量端的温度，否则存在着参考端所处环境温度值误差。 热电偶的分度表(见附录)是定义在热电偶的参考端(冷端)为０℃时热电偶输出的热电
自动检测技术 实验一应变片的粘贴工艺实验 一、实验目的： 熟悉掌握应变片的粘贴工艺及要求。 二、应变片的粘贴工艺及要求： 应变片的粘贴工艺及质量直接影响着测量的精度与成败，因此必须按照粘贴工艺规程粘贴应变片，一般步骤为： 1、应变片的检查 (1）外观检查 用放大镜(或投影仪)进行外观检查。凡是金属丝栅不紊乱、布置均匀。引线牢固，底基胶层均匀者可以认为合格。 (2)阻值分选 用精密电桥测量应变片的阻值，一般不超过应变片名义阻值的±0.5％时，认为其合格。但要根据实测电阻值分组包装使用。在同一组中，各片之间的实测电阻值偏差最好不超过±0.1Ω。当相差为±0.5Ω时上，电阻应变仪就不易平衡了。 2、粘贴表面的清理(即试件清理) 一般对贴片表面的要求为： (1)完全去掉表面的氧化皮及污垢。通常采用手提电动砂轮，钢刷、 砂布等打磨。测点表面最好用0＃或1＃砂布打磨到▽6即可，也 不易太光滑。打磨表面为应变片基底面积的2～3倍 (2)用划针在测点表面轻画贴片位置的坐标线。 (3)用丙酮（或无水乙醇、甲苯）和脱脂棉清洗。直到没有脏物为止，晾干后即可开始粘贴应变片。 3、贴片的具体步骤
一般按使用粘贴剂所要求的工艺进行。但应注意以下几点： (以使用KH一502粘贴剂为例) (1) 粘片前粘片的工具要准备齐全。 (2) 首先在应变片如背面和清理好的试件表面上都涂上—层很薄的粘贴剂、然后将应变片按试验要求的方位贴于试件上。 (3) 贴上后，在片上盖上—层玻璃纸。一手提住引线，用另一只手的大拇指轻轻滚压(主要用垂直压力，不要有推力)。把多余的胶水与气泡挤出。 (4) 贴片完毕后，应变片应该整齐、干净，位置准确，胶层均匀。 4、应变片的干燥处理： 在贴片完成后，应根据所用粘贴剂的干燥固化条件，进行干燥处理。对KH一502粘贴剂。一般可在干燥的空气中自然干燥，也可用热烘干燥，如用红外线灯烤，电吹风吹等。 5、粘贴质量的检查： 对应变片粘贴质量应检查如下项目： (1)应变片粘贴位置是否准确； (2)胶水是否均匀。有无气泡与漏贴部分，尽量给以补救。尤其注意将两端贴牢。 (3)用万用表检查应变片是否断路或短路。 (4)用高阻计或万用表欧姆高阻挡，(如MF—10型的10K档)检查应变片与试件间的绝缘电阻。对于一般的测量，绝缘电阻≥50～100兆欧即可。 6、导线的连接与固定： 对经过检查合格的应变片，即可焊接导线并使之固定。导线是应变片与测量仪器连接的桥梁，起着传输应变信号的作用。因此，应选择合适的导线。一般为了保护应变片，往往应在应变片与导线之间设有接线
《检测技术实验》 实验报告 实验名称：第一次实验（一、三、五） 院（系）：自动化专业：自动化 姓名：XXXXXX学号： XXXXXXXX 实验室：实验组别： 同组人员：实验时间：年月日评定成绩：审阅教师：
实验一金属箔式应变片――单臂电桥性能实验 一、实验目的：了解金属箔式应变片的应变效应，单臂电桥工作原理和性能。 二、实验仪器：应变传感器实验模块、托盘、砝码、数显电压表、±15V、±4V电源、万 用表、导线等。 三、实验原理：电阻丝在外力作用下发生机械变形时，其电阻值发生变化，这就是电阻应 变效应，描述电阻应变效应的关系式为：ΔR/R=Kε，式中ΔR/R为电阻丝电阻相对变化，K为应变灵敏系数，ε=Δl/l为电阻丝长度相对变化。金属箔式应变片就是通过光刻、腐蚀等工艺制成的应变敏感组件，如图1-1所示，四个金属箔应变片分别贴在弹性体的上下两侧，弹性体受到压力发生形变，上面的应变片随弹性体形变被拉伸，对应为模块面板上的R1、R3，下面的应变片随弹性体形变被压缩，对应为模块面板上的R2、R4。 图2-1 应变式传感器安装示意图 图2-2 应变传感器实验模板、接线示意图图2-3 单臂电桥工作原理
通过这些应变片转换被测部位受力状态变化、电桥的作用完成电阻到电压的比例变化，如图1-2所示R5、R6、R7为固定电阻，与应变片一起构成一个单臂电桥，其输出电压 E为电桥电源电压，式1-1表明单臂电桥输出为非线性，非线性误差为 四、实验内容与步骤 1、图1-1应变传感器上的各应变片已分别接到应变传感器模块左上方的R1、R 2、R 3、 R4上，可用万用表测量判别，R1=R2=R3=R4=350Ω。 2、从主控台接入±15V电源，检查无误后，合上主控台电源开关，将差动放大器的输入 端Ui短接，输出端Uo2接数显电压表（选择2V档），调节电位器Rw4，使电压表显示为0V。Rw4的位置确定后不能改动。关闭主控台电源。 3、将应变式传感器的其中一个应变电阻（如R1）接入电桥与R5、R6、R7构成一个单 臂直流电桥，见图1-2，接好电桥调零电位器Rw1，直流电源±4V（从主控台接入），电桥输出接到差动放大器的输入端Ui，检查接线无误后，合上主控台电源开关，调节Rw1,使电压表显示为零。 4、在应变传感器托盘上放置一只砝码，调节Rw3，改变差动放大器的增益，使数显电 压表显示2mV，读取数显表数值，保持Rw3不变，依次增加砝码和读取相应的数显表值，直到200g砝码加完，计下实验结果，填入下表1-1，关闭电源。 五、实验数据处理： 利用matlab拟合出的曲线如下：
电子科技大学通信与信息工程学院实验报告 实验名称现代电子技术综合实验 姓名： 学号： 评分： 教师签字 电子科技大学教务处制
电子科技大学 实验报告 学生姓名：学号：指导教师：熊万安 实验地点：科A333 实验时间：2016.3.7-2016.3.17 一、实验室名称：电子技术综合实验室 二、实验项目名称：电子技术综合实验 三、实验学时：32 四、实验目的与任务： 1、熟悉系统设计与实现原理 2、掌握KEIL C51的基本使用方法 3、熟悉SMART SOPC实验箱的应用 4、连接电路，编程调试，实现各部分的功能 5、完成系统软件的编写与调试 五、实验器材 1、PC机一台 2、SMART SOPC实验箱一套 六、实验原理、步骤及内容 试验要求： 1. 数码管第1、2位显示“1-”，第3、4位显示秒表程序：从8.0秒到1.0秒不断循环倒计时变化；同时，每秒钟，蜂鸣器对应发出0.3秒的声音加0.7秒的暂停，对应第8秒到第1秒，声音分别为“多（高
音1）西（7）拉（6）索（5）发（4）米（3）莱（2）朵（中音1）”；数码管第5位显示“-”号，数码管第6、7、8位显示温度值，其中第6、7位显示温度的两位整数，第8位显示1位小数。按按键转到任务2。 2. 停止声音和温度。数码管第1、2位显示“2-”，第3、4位显示学号的最后2位，第5位显示“-”号，第6到第8位显示ADC电压三位数值，按按鍵Key后转到任务3，同时蜂鸣器发出中音2的声音0.3秒； 3. 数码管第1、2位显示“3-”，第3、4位显示秒表程序：从8.0秒到1.0秒不断循环倒计时变化；调节电压值，当其从0变为最大的过程中，8个发光二极管也从最暗（或熄灭）变为最亮，当电压值为最大时，秒表暂停；当电压值为最小时，秒表回到初始值8.0；当电压值是其他值时，数码管又回到第3、4位显示从8.0秒到1.0秒的循环倒计时秒表状态。按按鍵Key回到任务1，同时蜂鸣器发出中音5的声音0.3秒。
自动检测技术实验报告 实验一 金属箔式应变片性能实验 ——单臂、半桥、全桥电路性能比较 一、实验目的： 1． 观察了解箔式应变片的结构及粘贴方式。 2． 测试应变梁形变的应变输出。 3． 比较各种桥路的性能（灵敏度）。 二、实验原理： 应变片是最常用的测力传感元件，当用应变片测试时，应变片要牢固地粘贴在测试体表面，当测件受力发生形变, 应变片的敏感栅随同变形，其电阻值也随之发生相应的变化。通过测量电路，转换成电信号输出显示。 电桥电路是最常见的非电量电测电路中的一种，当电桥平衡时，桥路对臂电阻乘积相等，电桥输出为零，在桥臂四个电阻R 1、R 2、R 3、R 4中，电阻的相对变化率分别为44332211 R R R R R R R R ????、、、，当使用一个应变片时， ∑? = R R ；当二个应变片组成差动状态工作，则有 ∑?= R R R 2；用四个应变片组成二个差动对工作，且 ∑?= ====R R R R R R R R 4,4321。根据戴维南定理可以得出测试电桥的输出电压近似等于1/4 ? E ?ΣR ，电 桥灵敏度R R V K u //?=，于是对应于单臂、半桥、全桥的电压灵敏度分别为1/4E 、1/2E 和E 。由此可知，当E 和 电阻相对变化一定时，电桥及电压灵敏度与各桥臂阻值的大小无关，单臂、半桥、全桥电路的灵敏度依次增大。
U-X关系曲线图 三、实验所需部件： 直流稳压电源（V 4 档）、电桥、差动放大器、金属箔式应变片、测微头、电压表。 四、实验接线图： 图（1） 五、实验步骤： 1、调零。开启仪器电源，差动放大器增益置100倍（顺时针方向旋到底），“+，-”输入端用实验线对地短路。输出端接数字电压表，用“调零”电位器调整差动放大器输出电压为零，然后拔掉实验线。调零后电位器位置不要变化。 如需使用毫伏表，则将毫伏表输入端对地短路，调整“调零”电位器，使指针居“零”位。拔掉短路线，指针有偏转是有源指针式电压表输入端悬空时的正常情况。调零后关闭仪器电源。 2、按图（1）将实验部件用实验线连接成测试桥路，单臂桥路中R 2、R 3、R 4和W D 为电桥中的固定电阻和直流调平衡电位器，R 1为应变片（可任选上、下梁中的一片工作片）。直流激励电源为±4V ；半桥桥路中R 1和R 2为箔式应变片，R 3、R 4仍为固定电阻；全桥桥路中R 1、R 2、R 3、R 4全部使用箔式应变片。在接半桥、全桥桥路时应特别注意其应变片的受力方向，一定要接成差动形式。 3、调节测微头，使悬臂梁处于基本水平状态。 4、确认接线无误后开启仪器电源，并预热数分钟。 5、调整电桥电位器W D ，使测试系统输出为零。 6、旋动测微头，带动悬臂梁分别作向上和向下的运动，以水平状态下输出电压为零，向上和向下移动各5mm ，测微头每移动0.5mm 记录一个差动放大器输出电压值，并列表。根据表中所测数据计算灵敏度S ，S = △V ／△X ，并在一个坐标图上做出V-X 关系曲线。比较三种桥路的灵敏度，并作出定性的结论。 六、实验数据分析： 实验所得数据如下表所示： 位移mm 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 电压V （单臂） -0.006 -0.011 -0.016 -0.030 -0.038 -0.043 -0.050 -0.060 -0.069 -0.076 电压V （半桥） -0.015 -0.030 -0.044 -0.060 -0.072 -0.090 -0.102 -0.118 -0.136 -0.152 电压V （全桥） -0.029 -0.063 -0.093 -0.118 -0.150 -0.182 -0.213 -0.247 -0.282 -0.310 位移mm -0.5 -1.0 -1.5 -2.0 -2.5 -3.0 -3.5 -4.0 -4.5 -5.0 电压V （单臂） 0.014 0.019 0.026 0.033 0.045 0.052 0.060 0.066 0.076 0.085 电压V （半臂） 0.019 0.034 0.050 0.065 0.080 0.102 0.120 0.138 0.155 0.175 电压V （全桥） 0.033 0.066 0.098 0.136 0.170 0.198 0.230 0.261 0.293 0.325 根据表中所测数据，在一个坐标图上做出V-X 关系曲线图，如下图： v W D +4V -4V R 3 R 2 R 1 R 4
图像分割算法开题报告 摘要：图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，并在医学、工业、军事等领域得到了广泛应用。近年来具有代表性的图像分割方法有：基于区域的分割、基于边缘的分割和基于特定理论的分割方法等。本文主要对基于自动阈值选择思想的迭代法、Otsu法、一维最大熵法、二维最大熵法、简单统计法进行研究，选取一系列运算出的阈值数据和对应的图像效果做一个分析性实验。 关键字：图像分割，阈值法，迭代法，Otsu法，最大熵值法 1 研究背景 1．1图像分割技术的机理 图像分割是将图像划分为若干互不相交的小区域的过程。小区域是某种意义下具有共同属性的像素连通集合，如物体所占的图像区域、天空区域、草地等。连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言，连通有4连通和8连通之分。图像分割有3种不同的方法，其一是将各像素划归到相应物体或区域的像素聚类方法，即区域法，其二是通过直接确定区域间的边界来实现分割的边界方法，其三是首先检测边缘像素，然后再将边缘像素连接起来构成边界的方法。 图像分割是图像理解的基础，而在理论上图像分割又依赖图像理解，两者是紧密关联的。图像分割在一般意义下十分困难的，目前的图像分割处于图像的前期处理阶段，主要针对分割对象的技术，是与问题相关的，如最常用到的利用阈值化处理进行的图像分割。 1．2数字图像分割技术存在的问题
虽然近年来对数字图像处理的研究成果越来越多,但由于图像分割本身所具有的难度,使研究没有大突破性的进展,仍然存在以下几个方面的问题。 现有的许多种算法都是针对不同的数字图像,没有一种普遍适用的分割算法。 缺乏通用的分割评价标准。对分割效果进行评判的标准尚不统一,如何对分割结果做出量化的评价是一个值得研究的问题,该量化测度应有助于视觉系统中的自动决策及评价算法的优劣,同时应考虑到均质性、对比度、紧致性、连续性、心理视觉感知等因素。 与人类视觉机理相脱节。随着对人类视觉机理的研究,人们逐渐认识到,已有方法大都与人类视觉机理相脱节,难以进行更精确的分割。寻找到具有较强的鲁棒性、实时性以及可并行性的分割方法必须充分利用人类视觉特性。 知识的利用问题。仅利用图像中表现出来的灰度和空间信息来对图像进行分割,往往会产生和人类的视觉分割不一致的情况。人类视觉分割中应用了许多图像以外的知识,在很多视觉任务中,人们往往对获得的图像已具有某种先验知识,这对于改善图像分割性能是非常重要的。试图寻找可以分割任何图像的算法目前是不现实,也是不可能的。人们的工作应放在那些实用的、特定图像分割算法的研究上,并且应充分利用某些特定图像的先验知识,力图在实际应用中达到和人类视觉分割更接近的水平。 1．3数字图像分割技术的发展趋势 从图像分割研究的历史来看,可以看到对图像分割的研究有以下几个明显的趋势。 对原有算法的不断改进。人们在大量的实验下，发现一些算法的效
前言 仪器分析是一种科学实验的手段,利用它可以获取所需要的信息,仪器分析实验的目的是通过实验教学,包括严格的基本操作训练,实验方案设计,实验数据处理,谱图解析,实验结果的表述及问题分析,掌握仪器的原理、结构、各主要部件的功能及操作技能,了解各种仪器分析技术在科学研究领域的应用,培养理论联系实际、利用掌握的知识解决问题的能力,培养良好的科学作风和独立从事科学实践能力。 在这门课程的学习中,我们了解了原子吸收光谱法、紫外可见分光光度法、红外光谱法、气相色谱法、高效液相色谱法、离子色谱法等仪器分析的方法。其中,我们重点学习了离子色谱法和原子吸收光谱法,并进行了实验操作,下面介绍一下原子吸收光谱法和离子色谱法测浓度。 二、原子吸收光谱法 1.原子吸收光谱法概述: 光谱仪器的产生原子吸收光谱作为一种实用的分析方法是从1955年开始的。这一年澳大利亚的瓦尔什(A.Walsh发表了他的著名论文“原子吸收光谱在化学分析中的应用”奠定了原子吸收光谱法的基础。50年代末和60年代初, Hilger, Varian Techtron及Perkin-Elmer公司先后推出了原子吸收光谱商品仪器,发展了瓦尔西的设计思想。到了60年代中期,原子吸收光谱开始进入迅速发展的时期。电热原子吸收光谱仪器的产生1959年,苏联里沃夫发表了电热原子化技术的第一篇论文。电热原子吸收光谱法的绝对灵敏度可达到10-10g,使原子吸收光谱法向前发展了一步。原子吸收分析仪器的发展随着原子吸收技术的发展,推动了原子吸收仪器的不断更新和发展,而其它科学技术进步,为原子吸收仪器的不断更新和发展提供了技术和物质基础。近年来,使用连续光源和中阶梯光栅,结合使用光导摄象管、二极管阵列多元素分析检测器,设计出了微机控制的原子吸收分光光度计,为解决多元素同时测定开辟了新的前景。微机控制的原子吸收光谱系统简化了仪器结构,提高了仪器的自动化程度,改善了测定准确度,使原子吸收光谱法的面貌发生了重大的变化。
?珠宝现代检测技术? 实验报告 姓名:邓林峰 班级:11宝石鉴定1班 学号:1120992 日期:2014-10-07
一、已知宝石红外光谱分析： 1天河石的红外光谱反射法分析：据图测试分析可得1130~1010cm-1强吸收区，由2~3个谱带组成。各谱带分别位于1130~1120、1027~1010、强度依次增大，900~400cm-1范围由较多的强度不大的吸收谱带构成一个复杂的弱吸收带，其中595、535cm-1出现中等吸收峰。
2碧玺的红外光谱反射法分析：据图测试分析可得1300cm-1左右有一个强吸收带谱带比较宽为BO3的振动；1200~950cm-1有3个强吸收风带为SiOSi、OsiO、OsiO的振动；820~550cm-1由3个中~弱的 吸收带组成为SiOSi振动。
3尖晶石的红外光谱反射法分析：据图测试分析可得大于750cm-1几本没有吸收峰带，725~500cm-1有2个明显的强吸收带，谱带较宽。 二、未知宝石红外光谱分析：
4据图测试分析可得：1200~900cm-1有2个强吸收带，强度递增；900~400cm-1有较多的强大不大的吸收谱带构成一个复杂的弱吸收带区，535cm出现中等吸收峰，该谱图测试跟长石类的钠长石、微斜长石极像，加上外铺助放大镜、天平、分光镜等工具判断该图是日光石的红外光谱图。 三、已知宝石紫外-可见光测试分析
5祖母绿紫外可见光谱分析：据图测试分析可得祖母绿在红区683nm、680nm、和637nm处有吸收线明显，662nm、646nm两个弱带，从 630nm~580nm有一微弱的普遍吸收，在蓝区477nm处有一弱谱线。
· RFID通讯技术试验 专业: 物流工程 班级: 物流1201 学生: 学号: 指导教师:
一.前言 射频识别（RFID）是一种无线通信技术，可以通过无线电讯号识别特定目标并读写相关数据，而无需识别系统与特定目标之间建立机械或者光学接触。 无线电的信号是通过调成无线电频率的电磁场，把数据从附着在物品上的标签上传送出去，以自动辨识与追踪该物品。某些标签在识别时从识别器发出的电磁场中就可以得到能量，并不需要电池；也有标签本身拥有电源，并可以主动发出无线电波（调成无线电频率的电磁场）。标签包含了电子存储的信息，数米之都可以识别。与条形码不同的是，射频标签不需要处在识别器视线之，也可以嵌入被追踪物体之。 许多行业都运用了射频识别技术。将标签附着在一辆正在生产中的汽车，厂方便可以追踪此车在生产线上的进度。仓库可以追踪药品的所在。射频标签也可以附于牲畜与宠物上，方便对牲畜与宠物的积极识别（积极识别意思是防止数只牲畜使用同一个身份）。射频识别的身份识别卡可以使员工得以进入锁住的建筑部分，汽车上的射频应答器也可以用来征收收费路段与停车场的费用。 某些射频标签附在衣物、个人财物上，甚至于植入人体之。由于这项技术可能会在未经本人许可的情况下读取个人信息，这项技术也会有侵犯个人隐私忧患。 二．实验目的 1. 了解RFID相关知识，了解RFID模块读写IC卡数据的原理与方法（电子钱包试验）；
2. 模拟企业生产线上的物料跟踪情况，掌握RFID的应用（企业物流采集跟踪系统演示）。 三．实验原理 1. 利用RFID模块完成自动识别、读取IC卡信息，实现RFID电子钱包的功能，给IC卡充值、扣款（电子钱包试验）； 2．利用4个RFID模块代替4个工位，并与软件系统绑定（添加，删除），由IC卡模拟物料的移动，并对物料在生产线上所经过的工位的记录进行查询，而且可以对物料的当前工位定位。 四．实验设备 《仓库状态数据检测开发系统》试验箱、IC卡、、锂电池、ZigBee通讯模块、RFID阅读器，ID卡、条码扫描器。 五．实验过程 5.1电子钱包试验 （1）先用电源线将试验箱连上电源，打开电源开关，然后打开Contex-A8电源开关，如图1所示。
实验报告 课程名称医学图像处理 实验名称图像分割 专业班级 姓名 学号 实验日期 实验地点 2015—2016学年度第 2 学期
050100150200250 图1 原图 3 阈值分割后的二值图像分析：手动阈值分割的阈值是取直方图中双峰的谷底的灰度值作为阈值，若有多个双峰谷底，则取第一个作为阈值。本题的阈值取
%例2 迭代阈值分割 f=imread('cameraman.tif'); %读入图像 subplot(1,2,1);imshow(f); %创建一个一行二列的窗口，在第一个窗口显示图像title('原始图像'); %标注标题 f=double(f); %转换位双精度 T=(min(f(:))+max(f(:)))/2; %设定初始阈值 done=false; %定义开关变量，用于控制循环次数 i=0; %迭代，初始值i=0 while~done %while ~done 是循环条件，~ 是“非”的意思，此 处done = 0; 说明是无限循环，循环体里面应该还 有循环退出条件，否则就循环到死了; r1=find(f<=T); %按前次结果对t进行二次分 r2=find(f>T); %按前次结果重新对t进行二次分 Tnew=(mean(f(r1))+mean(f(r2)))/2; %新阈值两个范围内像素平均值和的一半done=abs(Tnew-T)<1; %设定两次阈值的比较，当满足小于1时，停止循环， 1是自己指定的参数 T=Tnew; %把Tnw的值赋给T i=i+1; %执行循坏，每次都加1 end f(r1)=0; %把小于初始阈值的变成黑的 f(r2)=1; %把大于初始阈值的变成白的 subplot(1,2,2); %创建一个一行二列的窗口，在第二个窗口显示图像imshow(f); %显示图像 title('迭代阈值二值化图像'); %标注标题 图4原始图像图5迭代阈值二值化图像 分析：本题是迭代阈值二值化分割，步骤是：1.选定初始阈值，即原图大小取平均；2.用初阈值进行二值分割；3.目标灰度值平均背景都取平均；4.迭代生成阈值，直到两次阈值的灰 度变化不超过1，则稳定；5.输出迭代结果。
实验一金属箔式应变片单臂电桥性能实验 一、实验目的 了解金属箔式应变片的应变效应，掌握单臂电桥工作原理和性能。 二、实验内容 将应变式传感器的其中一个应变片接入电桥作为一个桥臂，构成直流电桥，利用应变式传感器实现重量的测量。 三、实验所用仪表及设备 应变式传感器实验模板、应变式传感器、砝码（每只约20g）、数显表、±15V电源数、±4V电源、数字万用表。 四、实验步骤 1、根据图1-1，应变式传感器已装于应变传感器模板上。传感器中各应变片已接入模板左上方的R1、R 2、R 3、R4标志端。加热丝也接于模板上，可用万用表进行测量判别，R1=R2=R3=R4=350Ω，加热丝阻值约为50Ω左右。 图1-1 应变片传感器安装示意图 2、实验模板差动放大器调零，方法为： （1）接入模板电源±15V，检查无误后，合上主控台电源开关，将实验模板增益调节电位器Rw3顺时针调节到大致中间位置；（2）将差放的正、负输入端与地短接，V o1输出端与数显电压表输入端Vi相连，调节实验模板上调零电位器RW4，使数显表显示为零(数显表的切换开关打到2V档)，完毕后关闭主控台电源。 3、参考图1-2接入传感器，将应变式传感器的其中一个应变片R1接入电桥作为一个桥臂，它与R5、R6、R7接成直流电桥(R5、R6、R7在模块内已连接好)，检查接线无误后，合上主控台电源开关，用数字万用表测量主控台到应变式传感器模块上的±5V、±15V电压值是否稳定？若电压波动值大于10mV，应反复拔插相应的电源连接线，直至电压稳定，不再波动为止，然后粗调节Rw1，再细调RW4使数显表显示为零。 4、在传感器托盘上放置1只砝码，读取数显表显示值，依次增加砝码并读取相应的数显表数值，记下实验结果填入表1-1。
《现代检测技术》实验指导书 李学聪冯燕编 广东工业大学自动化学院 二０一四年二月
实验一 热电偶测温及校验 一、 实验目的 1.了解热电偶的结构及测温工作原理； 2.掌握热电偶校验的基本方法； 3.学习如何定期检验热电偶误差，判断是否及格。 二、 实验内容和要求 观察热电偶，了解温控电加热器工作原理; 通过对K 型热电偶的测温和校验，了解热电偶的结构及测温工作原理；掌握热电偶的校验的基本方法；学习如何定期检验热电偶误差，判断是否合格。 三、 实验主要仪器设备和材料 1. CSY2001B 型传感器系统综合实验台(下称主机) 1台 2. 温度传感器实验模块 1块 3. 热电偶 镍铬 ― 镍硅热电偶(K，作被校热电偶) 1支 镍铬 ― 锰白铜热电偶(E，作控温及标准热电偶) 1支 4. 2 1 3位数字万用表 1只 四、 实验方法、步骤及结果测试 1.观察热电偶，了解温控电加热器工作原理。 ①拿起热电偶并握紧黑柄，然后旋开热电偶的金属保护套，缓慢抽出，观察热电偶的外形。观察完后，将其旋紧并注意不可以让热电偶和金属保护套接触。 ②温控器：作为热源的温度指示、控制、定温之用。温度调节方式为时间比 例式，绿灯亮时表示继电器吸合电炉加热，红灯亮时加热炉断电。 2.仪器连线（如图1所示） ① 首先将综合实验台的电源开关置“关”， 然后将电源插头（实验桌前面）和加热炉电源插座插入综合实验台面板上的“220V 加热电源出”处； ② 将热电偶工作端插进温度传感器实验模块上的加热炉炉膛内， E 和K 分度热电偶的冷端按极性（注意区分“+”和“—”）分别接在“温控”和“测试”端。 3.开启电源 将综合实验台和加热炉的电源开关打“开”。 4.设定温度和测量数据将功能开关置“设定”，调节旋钮设定温度为50℃， 然后将开关拨至“测量”位置；当炉温达到设定值时， 等待3―5分钟炉温恒定后，分别测量“温控”和“测试”的电压（开关保持在“温控”状态），交互测量四次，把输出的热电势记录于表2中。 5. 继续将炉温提高到70℃、90℃、110℃、130℃和150℃，将热电偶输出的热电势记录于表2。
毕业设计开题报告基于灰度图像的阈值分割改进方法 系别： 班级： 学生姓名： 指导教师： 2011 年 11 月22日
毕业设计开题报告 附页：
基于灰度图像的阈值分割改进方法 一、研究的目的 通常人们只对图像的某个部位感兴趣，为了能够把感兴趣的部分提取出来，就得对图像进行分割。图像分割就是把图像分成一些具有不同特征而有意义的区域，以便进一步的图像分析和理解。图像增强就是突出人们感兴趣有用的部分，或者是改善图像的质量，使它尽可能的逼近原图像。本论文分析了传统的灰度阈值图像分割，即双峰法、迭代法和最大类间方差法在细节部分分割上的缺点，然后，结合图像增强中的微分梯度，对原有图像的细节进行锐化增强，然后在使用这三种方法进行分割，得到的分割结果和传统的分割方法得到的结果进行比较，该算法确实达到了改善分割后图像细节的效果。 本算法在matlab2008环境下进行了实现，实验结果表明，与传统的阈值分割方法相比，本文算法不仅克服了传统阈值分割方法的不足，而且还对复杂灰度图像的细节部分具有较好的分割效果，为图像分割方法的改进提供了技术支持。 二、研究背景与意义 数字图像处理的基础是图像分割，图像分割同时也是进行计算机自动识别和人工智能的桥梁，长期以来图像分割一直都是数字图像处理领域的一个经典难题。经典的图像分割算法，诸如：直方图分割与阈值分割的方法具有实现简单、计算量小、性能较稳定等特点。通常，它们是利用图像的灰度直方图的分布特征,找出灰度直方图分布的两波峰之间的波谷，选定恰当的阈值将图像分割开，然而这种分割方法依赖于图像灰度的分布，对灰度分布不呈双峰特征或复杂背景的图像,这种方法往往会造成错误，并且有些细节不能很好的显示出来。 所以论文提出了一种改进方法—图像增强的分割改进方法，通过图像增强中的微分梯度，对原有图像的细节进行锐化增强，从而达到改善分割后图像细节的效果。这对我们使用灰度阈值分割方法分割图像提供了技术支持，并且能很好地克服灰度阈值分割方法的缺点。 三.基于灰度图像的阈值分割方法 阈值处理是一种区域分割技术，将灰度根据主观愿望分成两个或多个等间隔或不等间隔灰度区间，它主要是利用图像中要提取的目标物体和背景在灰度上的差异，选择一个合适的阈值，通过判断图像中的每一个像素点的特征属性是否满足阈值的要求来确定图像中该像素点属于目标区还是应该属于背景区域，从而产生二值图像。
竭诚为您提供优质文档/双击可除 一般检查实验报告 篇一：检测技术实验报告 《检测技术实验》 实验名称：院（系）：姓名：实验室：同组人员：评定成绩： 实验报告 第一次实验（一、三、五）自动化专业：自动化xxxxxx 学号：xxxxxxxx实验组别：实验时间：年月日审阅教师：实验一金属箔式应变片――单臂电桥性能实验 一、实验目的：了解金属箔式应变片的应变效应，单臂电桥工作原理和性能。 二、实验仪器：应变传感器实验模块、托盘、砝码、数显电压表、±15V、±4V电源、万 用表、导线等。 三、实验原理：电阻丝在外力作用下发生机械变形时，其电阻值发生变化，这就是电阻应 变效应，描述电阻应变效应的关系式为：ΔR/R=Kε，
式中ΔR/R为电阻丝电阻相对变化，K为应变灵敏系数，ε=Δl/l为电阻丝长度相对变化。金属箔式应变片就是通过光刻、腐蚀等工艺制成的应变敏感组件，如图1-1所示，四个金属箔应变片分别贴在弹性体的上下两侧，弹性体受到压力发生形变，上面的应变片随弹性体形变被拉伸，对应为模块面板上的R1、R3，下面的应变片随弹性体形变被压缩，对应为模块面板上的R2、R4。 图2-1应变式传感器安装示意图 图2-2应变传感器实验模板、接线示意图 图2-3单臂电桥工作原理 通过这些应变片转换被测部位受力状态变化、电桥的作用完成电阻到电压的比例变化，如图1-2所示R5、R6、R7为固定电阻，与应变片一起构成一个单臂电桥，其输出电压e为电桥电源电压，式1-1表明单臂电桥输出为非线性，非线性误差为 四、实验内容与步骤 1、图1-1应变传感器上的各应变片已分别接到应变传感器模块左上方的R1、R 2、R 3、 R4上，可用万用表测量判别，R1=R2=R3=R4=350Ω。 2、从主控台接入±15V电源，检查无误后，合上主控台电源开关，将差动放大器的输入 端ui短接，输出端uo2接数显电压表（选择2V档），
力学与材料学院 材料现代分析方法实验报告二 XRD图谱分析 专业年级：1 姓名：1 指导老师：1 学号：1 2016年12月 中国南京 目录 实验名称：XRD图谱分析…………………………………………… 一、实验目的……………………………………………………
二、实验要求…………………………………………………… 三、操作过程…………………………………………………… 四、结果分析与讨论……………………………………………… 实验名称：XRD图谱分析 一、实验目的 了解XRD基本原理及其应用，不同物相晶体结构XRD图谱的区别，熟练掌握如何来分析利用X射线测试得到的XRD图谱。 二、实验要求
1、熟练掌握如何来利用软件打开、分析XRD图谱，以及输出分析结果。 2、明确不同物质的XRD图谱，掌握XRD图谱包含的晶体结构的关系，通过自己分析、数据查找和鉴别的全过程，了解如何利用软件正确分析和确定不同物相的XRD图谱，并输出分析结果。 3、实验报告的编写，要求报告能准确的反映实验目的、方法、过程及结论。 三、操作过程 1、启动Jade 6.0，并打开实验数据。 2、点击图标使图谱平滑后，再连续两次点击图标扣除背景影响。 3、右击工具栏中的图标，全选左侧的项目，取消选择右侧中的Use Chemistry Filter，最后在下方选择S/M Focus on Major Phases（如图一），并点击OK。 图一
4、得到物相分析，根据FOM值（越小，匹配性越高）可推断出该物相为以ZnO为主，可能含有CaF2、Al2O3、Mg(OH)2混合组成的物质（如图二），双击第一种物质可以得到主晶相的PDF卡片（如图三），点击图三版面中的Lines可以观察到不同角度处的衍射强度（如图四）。 图二
竭诚为您提供优质文档/双击可除软件测试实验报告心得 篇一：软件测试实验报告 软件测试实验报告 万继王（20XX1081147） 任课教师：贾春花 班级：20XX级计科（1）班 实验目的： 计算机在生活中的普遍，计算机已经成为我们生活中不可缺少的部分，计算机已经被广泛的应用到各个领域，网络技术的飞速发展，互联网已经成为了人们发布与获取信息的重要途径之一，在我们的生活中已经离不开计算机，离不开网络，计算机给人们的生活带来方便的同时也需要开发相应的管理系统和软件，所以，这就需要我们进行软件测试，软件测试是使用人工或者自动手段来运行或测定某个系统的过程，检验它是否满足规定的需求或者弄清预期结果与实际结果之间的差别。软件测试作为保证软件质量、提高软件可靠性的重要手段，在软件开发中起着不可替代的作用。其关
键与核心是测试数据生成。软件测试的实质是根据软件开发各阶段的规格说明和程序的内部结构精心选取一批测试数据，形成测试用例，并用这些测试用例去驱动被测程序，观察程序的执行结果，验证所得结果与预期结果是否一致，然后做相应的调整。 此次实验是为了检验我们是否掌握本学期所学的《软件质量保证与测试》这门课程的基础知识，并查找出被测试软件的不足或缺陷，及时做出相应的调整，也让我们掌握一定的黑盒测试和白盒测试的相应内容。还有就是在于总结测试阶段的测试以及分析测试结果，描述系统是否符合需求（或达到xxx功能目标)，同时，了解软件测试概念，了解软件测试的主要内容，了解手动测试自动测试，初步掌握测试软件并能够进行简单运用。了解软件测试在当前计算机行业中的相关地位,了解为了成为软件测试工程师所需要掌握的技能。 实验内容： 软件测试前景：随着软件产业的发展，软件产品的质量控制与质量管理正逐渐成为软件企业生存与发展的核心。 软件测试是指：使用人工或者自动手段来运行或测试某个系统的过程,其目的在于检验它是否满足规定的需求或弄清预期结果与实际结果之间的差别。 软件测试的内容：1.确定软件生存周期中的一个给定阶
《传感器与检测技术》 实验报告 姓名：学号： 院系：仪器科学与工程学院专业：测控技术与仪器实验室：机械楼5楼同组人员： 评定成绩：审阅教师：
传感器第一次实验 实验一 金属箔式应变片——单臂电桥性能实验 一、实验目的 了解金属箔式应变片的应变效应及单臂电桥工作原理和性能。 二、基本原理 电阻丝在外力作用下发生机械形变时，其电阻值发生变化，这就是电阻应变效应。 金属箔式应变片就是通过光刻、腐蚀等工艺制成的应变敏感元件，通过它反映被测部位受力状态的变化。电桥的作用是完成电阻到电压的比例变化，电桥的输出电压反映了相应的受力状态。单臂电桥输出电压 1/4o U EK ε=，其中K 为应变灵敏系数，/L L ε=?为电阻丝长度相对变化。 三、实验器材 主机箱、应变传感器实验模板、托盘、砝码、万用表、导线等。 四、实验步骤 1. 根据接线示意图安装接线。 2. 放大器输出调零。 3. 电桥调零。 4. 应变片单臂电桥实验。
由matlab 拟合结果得到，其相关系数为0.9998，拟合度很好，说明输出电压与应变计上的质量是线性关系，且实验结果比较准确。 系统灵敏度S = ΔU ΔW =0.0535V/Kg (即直线斜率)，非线性误差= Δm yFS = 0.08 10.7 ×100%= 0.75% 五、思考题 单臂电桥工作时，作为桥臂电阻的应变片应选用：（1）正（受拉）应变片；（2）负（受压）应变片；（3）正、负应变片均可以。 答：（1）负（受压）应变片；因为应变片受压，所以应该选则（2）负（受压）应变片。 实验三 金属箔式应变片——全桥性能实验 一、实验目的 了解全桥测量电路的优点 二、基本原理 全桥测量电路中，将受力方向相同的两应变片接入电桥对边，相反的应变片接入电桥邻边。当应变片初始阻值R1=R2=R3=R4、其变化值1234R R R R ?=?=?=?时，其桥路输出电压 3o U EK ε=。其输出灵敏度比半桥又提高了一倍，非线性误差和温度误差都得到了改善。 三、实验器材 主机箱、应变传感器实验模板、托盘、砝码、万用表、导线等。 四、实验步骤 1.根据接线示意图安装接线。 050 100150200 x y
东南大学自动化学院 实验报告课程名称：检测技术 第1 次实验
实验名称：实验一、三、五、八、九 院（系）：自动化专业：自动化 ：学号： 实验室：实验组别： 同组人员：实验时间：2013 年11月16日 评定成绩：审阅教师： 实验一金属箔式应变片——单臂电桥性能实验一、基本原理 电阻丝在外力作用下发生机械变形时，其电阻值发生变化，这就是电阻应变效应。 描述电阻应变效应的关系式为：ΔR／R＝Kε式中：ΔR／R 为电阻丝电阻相对变化，K 为应变灵敏系数，ε=ΔL/L为电阻丝长度相对变化。 金属箔式应变片就是通过光刻、腐蚀等工艺制成的应变敏感元件，通过它反映被测部位受力状态的变化。电桥的作用是完成电阻到电压的比例变化，电桥的输出电压反映了相应的受力状态。单臂电桥输出电压Uo1= EKε/4。 二、实验器材及连线 主机箱(±4V、±15V、电压表)、应变传感器实验模板、托盘、砝码、万用表、导线等。
图2-1 应变式传感器安装示意图 图2-2 应变传感器实验模板、接线示意图图2-3 单臂电桥工作原理图 三、实验步骤 1、根据图2-3 工作原理图、图2-2 接线示意图安装接线。 2、放大器输出调零 将实验模板上放大器的两输入端口引线暂时脱开，再用导线将两输入端短接(Vi＝0)；调节放大器的增益电位器RW3 大约到中间位置(先逆时针旋到底，再顺时针旋转2 圈)；将主机箱电压表的量程切换开关打到2V 档，合上主机箱电源开关；调节实验模板放大器的调零电位器RW4，使电压表显示为零。 3、电桥调零
拆去放大器输入端口的短接线，将暂时脱开的引线复原。调节实验模板上的桥路平衡电位器RW1，使电压表显示为零。 4、应变片单臂电桥实验 在应变传感器的托盘上放置一只砝码，读取数显表数值，依次增加砝码和读取相应的数显表值，直到200g（或500 g）砝码加完。实验结果填入表2-1，画出实验曲线。 表2-1 重量(g) 20 40 60 80 100 120 140 160 180 200 电压(mv) 15.2 30.5 45.9 61.5 77.0 92.4 108.0 132.8 148.3 163.9 拟合方程为：0.834 4.1933 U W =?- 重量20 40 60 80 100 120 140 160 180 200