上海交通大学学位论文格式模板.docx

《上海交通大学学位论文格式模板.docx》由会员分享，可在线阅读，更多相关《上海交通大学学位论文格式模板.docx（40页珍藏版）》请在第一文库网上搜索。

1、/批注巾巾该页为中文麻页。无需页眉页脚,纸质论文/应装订在右侧比海交通大学学位论文批注y2:中文论文标题,1行或2行宋体,加/利，二号，居中。论文BS目不得超过36个汉字上海交通大学学位论文格式模板姓名:学号：导师：学院:批注h3:导怵姓名应与研究生信息系统内一致。岸科/专业名称：I学位类型，II申请学位层次：1批注h4:Mz与研究生信息系统内申请学位学科/专业名称一致.学术型学位类型填写学科名称，专业型以写专业学位类别名称（有领域的，应在类别名称后加括号注明领域.如：临床医学（内科学）。批注Ih5:应与研究生信息系统一致，专业型或学术型.批注Ih6:博士或破士20XX年XX月上海交通大学学位

2、论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人/批注h9:该页为全校统一格式，请在研究生院主页卜/致：https:/www.gs.sjtu.上传论文归档稿时（作者签字处签名后）单独上传，论文正文中不必包括.无需页眉页脚,纸质论文应装订在右侧和集体，均已在文中以明确方式标明。本人完全知晓本声明的法律后果由本人承担。学位论文作者签名：日期：年月日上海交通大学学位论文使用授权书本人同意学校保留并向国家有关部门或机构送交论文的复印件和电

3、子版,允许论文被查阅和借阅。/批注H1O:该页为全校统一格式.请在研究生院主页/卜我：上传论文归档稿时（作者、导如签字处签名后）单独上传,论文正文中不必包括。本学位论文属于：口公开论文口内部论文，保密口1年/口2年/口3年，过保密期后适用本授权书。1J髓密论文，保密一年（不超过10年），过保密期后适用本授权书。口机密论文，保密一年（不超过20年），过保密期后适用本授权书。（请在以上方框内选择打7）批注H11:秘密或机密论文是指由学校相关部门审核通过的涉及国家秘密的论文.涉及商业秘密的论文应勾选“内部论文”学位论文作者签名:指导教师签名:日期：年月日日期：年月日批注yb12:摘要:二字/空一格,

4、黑体16磅加粗居/中.单倍行距,段前24磅.段后18磅。纸质论文应装订在右侧批注【沙131:摘要内容：宋体12磅，行距20磅，段前段后0磅，摘要力求语言精炼准确，字数一般不超过800字（博士学位论文）摘要隹位论文是研究生从事科研工作的成果的主要表现，集中表明了作者在研究工作中获得的新的发明、理论或见解，是研究生申请硕士或博士学位的重要依据，也是科研领域中的重要文献资料和社会的宝贵财富。为了提高研究生学位论文的质量，做到学位论文在内容和格式上的规范化与统一化，特制作本模板。关键词：I学位论文，论文格式，规范化，模板批注WbI4:空一行批注yb15:关键字：宋体12磅，行距20磅，段前段后。磅，关

5、键字之间用逗号隔开.关键词三个字加粗。ABSTRAC1t117:英文摘要内容：TimeSNewRoman12磅，行距20稽段前段后Q磅英文摘要内容应与中文摘要基本相对应（作为格式示例，模板英文内容与中文不符合）要符合英语语法，语句通顺，文字流畅.Asaprimarymeansofdemonstratingresearchfindingsforpostgraduatestudents,dissertationisasystematicandstandardizedrecordofthenewinventions,theoriesorinsightsobtainedbytheauthorinthe

6、researchwork.Itcannoon1yfunctionasanimportantreferencewhenstudentspursuefurtherstudies,buta1socontributetoscientificresearchandsocia1deve1opment.Thistemp1ateisthereforemadetoimprovethequa1ityofpostgraduates,dissertationandtofurtherstandardizeitbothincontentandinforma1.Keywords,dissertation,dissertat

7、ionformat,StandardiZaIion,IemPIaIe批注yb18:空1到2行14POin1S字批注h19:KCyWOI*d*:TinesNewROHU1n12磅,行距20麻“keyWordJ两词加粗目*1第一章绪论1.1 研究背景及意义1.2 国内外研究现状13论文主要工作及创新点1.4 论文结构安排第二章使用级联目标检测网络进行销钉状态识别2.1 引言2.2 相关理论和技术1111,224批注yb20:目录:黑体16磅加粗居中，单倍行距./段前24磅.段后18磅。纸质论文应装订在右侧章目录：宋体四号,单倍行距，页码右对齐.小节目录：宋体小四号.单倍行距,左缩进1个汉字符，两端

8、对齐，页码右对齐。二级小节F1录：宋体五号,单倍行距，左缩进2个汉字符，两端时齐，页码右对齐.2.2.1 第一阶段检测器：螺栓定位网络62.2.2 扩展剪裁92.3 方法与实现122.4 实验与结果分析132.5 本章小结2325第三章图表、公式格式3.1 弓I言253.2 相关理论和技术263.3 方法与实现263.4 实验与结果分析273.5 本章小结27第四章284.1 弓I言284.2 相关理论和技术2843方法与实现284.4 实验与结果分析284.5 本章小结28第五章全文总结295.1 主要结论295.2 研究创新与贡献295.3 研究不足与未来工作展望29参考文献30符号与标记

9、（附录1）31攻读学位期间学术论文和科研成果目录32致谢33第一章绪论批注S21):论文应该有结论.纸质论文应将第一章从右侧形如装订1.1 研究背景及意义学位论文1.2 国内外研究现状本文1.3 论文主要工作及创新点本文1.4 论文结构安排本文第二章使用级联目标检测网络进行销钉状态识别批注Wb22):-级标题：然体加粗四号字.顶左.单倍/行距.段前24磅,段后6磅,序号与题名间空一个汉字符2.1引言批注yb23J:论文文字：宋体小四号或五号字(英文用TimesNewROean体】2磅)，两端对齐书写，悔统的输电线路巡检方法依赖望远镜等设备，由人工现场视察塔架的关键部件。/这些巡检方法在发现小部

10、件和视觉盲区的缺陷方面效率较低。近年来，无人机(UAV)巡检技术的发展和应用逐渐取代了传统的巡检方法，大大提高了输电线路巡检的效率，如图2-1所示。Fig2-1F1owchartofdroneinspectionandautomaticdefectdetection无人机巡检方法需要人们手动检查大量照片，如果没有物体检测算法的帮助，这可能会非常耗费人力。因此，世界各地的电网公司纷纷投资研究和开发自动化输电线路巡检方法。输电线路巡检的一个关键任务是检测电力设备(如防振锤、绝缘子、鸟巢和销钉)中的故障和缺陷“Y1在无人机拍摄的照片中，较大物体(如鸟巢和爆炸式玻璃绝缘子故障)的自动检测已经相当成熟，

11、可以投入实际应用。关于这些物体的研究通常采用FasterRCNN、RetinaNet1,0kSing1eShotMuItiBoxDctcctor(SSD)和YouOn1y1ookOnce(YO1O)等目标检测器。然而，对于无人机拍摄的照片背景中的销钉缺陷，自动检测仍然距离实用有很长一段距离。如NgUyen等人(2018)网所述，小物体检测是深度学习技术应用于无人机输电线路照片巡检的挑战之一。销钉的检测和状态识别尤为困难，因为根据我们的无人机数据集计算，销钉平均只占无人机照片面积的（）.01%至0.03%O为了解决微小目标定位和销钉缺陷检测问题，科学和工业界在销钉状态识别任务上尝试了各种物体检测

12、器。付晶等人（2017）川利用And-Or图与分层AdaBoost分类器结合Haar特征来检测在螺栓背景下缺失的销钉，这些销钉是从无人机照片中手动裁剪的。然而，在这项研究中，销钉需要在输入到他们提出的算法之前从无人机照片中手动裁剪，这使得该方法不够实用。此外，在真实应用场景中，螺栓角度和光照变化可能导致该方法的鲁棒性不足。赵等人（2023）提出了一种级联目标检测结构，将Vgg-16与ResNet-IO1的FasterRCNN相结合，命名为AVSCNet,用于检测正常销钉和缺失销钉，并取得了令人满意的结果。但是，无人机照片中还有其他需要识别的销钉状态，如安装不当的销钉和脱落销钉，这些在他们的研究

13、中尚未涉及。在我们的工作中，我们研究了正常销钉、缺失销钉和脱落销钉的识别。在识别销钉状态之前，我们首先检测到包含销钉的螺栓，并用矩形框将其限定。然而，在这一步骤中，销钉可能被截断，使得销打不完整，从而误导目标检测器，如图图2-6Fig.所示。为了弥补销钉覆盖不完整的负面影响，本文提出并研究了对螺栓边界框进行扩张裁剪。在铁路接触网运维的实践场景中，确保悬臂接头处的紧固件状态良好以维持列车稳定的电力供应是一个关键问题。这与销钉状态识别有着一定的相似性。为了自动识别紧固件的状态，陈等人（2018）提出了一种由三层神经网络组成的级联检测方法。首先，他们使用SSD定位接触网中的悬臂接头，接着用YO1O定

14、位紧固件,最后通过深度卷积神经网络（DCNN）对紧固件状态进行分类。然而，由于Yo1O本身具有分类能力，三个网络的级联显得有些冗余。根据已有文献和我们的初步研究，我们提出了一种包含两个目标检测网络的级联销钉状态识别框架，以下简称为级联框架。如图Fig所示，级联框架将安装在后端计算机上，并处理符合中国国家电网公司（SGCC）提供的架空输电线路无人机巡检照片拍摄暂行指南（暂行无人机摄影指南）的照片，该指南要求紧固件组件（螺栓、销钉和螺母）清晰可见。我们之所以选择采用级联框架而不是单个检测渊来完成销钉状态识别任务，是因为我们已经测试过两种先进的销钉状态识别检测器来直接检测销钉状态，然而，如表表2-6TAB1E错误!未找到引用源.所示，它们的性能远不理想。直观地说，单个检测器无法有效工作的原因在于，销钉在无人机巡检照片中所占面积过小，以至于CNN无法有效提取它们的特征。换言之，在无人机巡检照片的卷积和下采样过程中，它们的特征消失了（庞等，2019）”叫但在销钉占据照片相当大一部分的近距离照片中，如销钉状态识别数据集部分的图图2-9FigJ所示，CNN能够正确提取销钉的特征。本章节的主要贡献如下：1提出了一种从螺栓到销钉的级联框架，用于无人机拍摄的输电线路照片中的销钉状态识别。