| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 引言 | 第15页 |
| 1.2 课题研究目的与意义 | 第15-17页 |
| 1.3 研究现状 | 第17-20页 |
| 1.3.1 机器视觉技术的发展与研究现状 | 第17-19页 |
| 1.3.2 机器视觉技术在产品检测中存在的问题及发展趋势 | 第19-20页 |
| 1.4 机器视觉系统的基本构成及视觉理论的框架 | 第20-21页 |
| 1.5 论文的体系结构 | 第21-23页 |
| 1.6 本章小结 | 第23-25页 |
| 第二章 基于深度学习的机械产品在线视觉识别方法研究 | 第25-43页 |
| 2.1 深度学习的起源与发展 | 第25-29页 |
| 2.1.1 深度学习的概念 | 第25-27页 |
| 2.1.2 深度学习的发展与应用 | 第27-29页 |
| 2.1.3 深度学习研究现状 | 第29页 |
| 2.2 基于深度学习的机器视觉 | 第29-31页 |
| 2.3 深度学习的基本模型 | 第31-34页 |
| 2.4 基于FastR-CNN的机械产品在线识别方法研究 | 第34-40页 |
| 2.4.1 获取感兴趣区域(RoIs)的方法与步骤 | 第35-36页 |
| 2.4.2 感兴趣区域池化层计算 | 第36-37页 |
| 2.4.3 输出层回归计算 | 第37-39页 |
| 2.4.4 实验结果与分析 | 第39-40页 |
| 2.5 本章小结 | 第40-43页 |
| 第三章 基于动态路径优化的在线视觉检测方法研究 | 第43-65页 |
| 3.1 引言 | 第43-44页 |
| 3.2 移动机器人以及路径规划方法的概况 | 第44-48页 |
| 3.2.1 移动机器人的发展与展望 | 第44-45页 |
| 3.2.2 路径规划技术的研究现状 | 第45-46页 |
| 3.2.3 路径规划方法概况 | 第46-48页 |
| 3.3 基于动态路径规划的对象模型 | 第48-50页 |
| 3.4 面向二维平面对象的机器人动态路径优化方法 | 第50-59页 |
| 3.4.1 Dijkstra算法 | 第51-52页 |
| 3.4.2 建立二维螺孔分布模型 | 第52-53页 |
| 3.4.3 基于Dijkstra贪心算法的机械手路径规划 | 第53-55页 |
| 3.4.4 实验结果分析 | 第55-59页 |
| 3.5 面向三维空间对象的机器人动态路径优化方法 | 第59-64页 |
| 3.5.1 建立三维螺孔分布模型 | 第59-61页 |
| 3.5.2 基于Dijkstra贪心算法的机械手路径规划 | 第61-62页 |
| 3.5.3 实验结果分析 | 第62-64页 |
| 3.6 本章小结 | 第64-65页 |
| 第四章 基于机器视觉的精密机械产品在线质量控制系统 | 第65-71页 |
| 4.1 引言 | 第65页 |
| 4.2 小型精密机械产品在线质量控制系统架构 | 第65-66页 |
| 4.3 机器视觉识别系统架构 | 第66页 |
| 4.4 螺孔质量检测系统架构 | 第66-69页 |
| 4.5 小型精密机械产品在线质量控制系统运行流程 | 第69-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第77-78页 |
