1 绪论
  1.1  数字图像
  1.2  基于可见光图像的气体放电、温度、电磁场设计研究现状
  1.3  机器学习和图像处理在气体放电、温度和电磁场设计方面的应用
  1.4  本章参考文献
2 可见光数字图像处理、分析与理解
  2.1  数字图像的量化
  2.2  数字图像灰度指标
  2.3  数字图像色度指标
  2.4  数字图像模式识别
  2.5  本章参考文献
3 电晕放电可见光图像及状态诊断
  3.1  装置与方法
  3.2  交流电晕图像灰度信息
  3.3  交流电晕图像色度信息
  3.4  负直流电晕图像色度信息
  3.5  小结
  3.6  本章参考文献
4 沿面放电可见光图像及状态诊断
  4.1  装置与沿面放电图像
  4.2  交流沿面放电色度信息
  4.3  染污沿面放电色度信息
  4.4  染污程度的色度识别方法
  4.5  小结
  4.6  本章参考文献
5 介质阻挡放电可见光图像及均匀性评价
  5.1  介质阻挡放电简介
  5.2  平板电极DBD模式识别
  5.3  丝网电极DBD均匀性评价
  5.4  旋转电极DBD均匀性评价
  5.5  本章参考文献
6 气体放电发射光谱的色品坐标
  6.1  放电发射光谱
  6.2  电晕发射光谱的色品坐标
  6.3  沿面放电发射光谱的色品坐标
  6.4  介质阻挡放电发射光谱的色品坐标
  6.5  小结
  6.6  本章参考文献
7 气体放电可见光图像人工智能状态诊断方法
  7.1  沿面放电可见光图像的机器学习综合诊断方法
  7.2  电晕放电可见光图像的机器学习综合诊断方法
  7.3  小结
  7.4  本章参考文献
8 电气设备可见光图像人工智能温升监控方法
  8.1  实验装置与机理验证
  8.2  基于图像色度特征的金属表面机器学习测温方法
  8.3  基于图像差色色度特征的金属表面温差监测方法
  8.4  日光环境下金属器件测温应用
  8.5  日光环境下现场金属器件应用
  8.6  本章参考文献
9 基于数值计算云图的均匀电磁场人工智能设计方法
  9.1  均匀电磁场设计现状
  9.2  机器学习建模方法
  9.3  两个平行圆盘电极间均匀电场优化
  9.4  两个平行线圈间均匀磁场优化实例
  9.5  本章参考文献
附录A 彩图
附录B 课题组在该领域发表的论文和授权的专利