基于卷积神经网络的箱号识别技术
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 箱号识别国内外研究状况 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 集装箱基础知识与图像采集分析 | 第14-21页 |
| 2.1 集装箱基础知识 | 第14-16页 |
| 2.1.1 集装箱 | 第14页 |
| 2.1.2 集装箱箱号规则 | 第14-16页 |
| 2.2 集装箱箱号图像采集 | 第16-20页 |
| 2.2.1 系统硬件结构 | 第16-17页 |
| 2.2.2 集装箱箱号设备布局 | 第17-18页 |
| 2.2.3 集装箱箱号图像规律分析 | 第18-20页 |
| 2.3 小结 | 第20-21页 |
| 第三章 箱号图像预处理 | 第21-34页 |
| 3.1 边缘检测 | 第21-27页 |
| 3.1.1 灰度化基本原理 | 第21-22页 |
| 3.1.2 平滑滤波 | 第22-24页 |
| 3.1.3 边缘提取 | 第24-27页 |
| 3.2 图像定位 | 第27-31页 |
| 3.2.1 轮廓检测 | 第27-29页 |
| 3.2.2 字符分割 | 第29-31页 |
| 3.3 字符处理 | 第31-33页 |
| 3.3.1 末尾字符处理 | 第31-32页 |
| 3.3.2 图像统一尺寸 | 第32-33页 |
| 3.4 小结 | 第33-34页 |
| 第四章 字符识别与卷积神经网络 | 第34-62页 |
| 4.1 字符识别理论 | 第34-35页 |
| 4.1.1 模板匹配法 | 第34页 |
| 4.1.2 字符结构法 | 第34-35页 |
| 4.1.3 人工神经网络法 | 第35页 |
| 4.2 传统神经网络 | 第35-37页 |
| 4.2.1 人工神经网发展史 | 第35-36页 |
| 4.2.2 机器学习发展对人工神经网络的影响 | 第36页 |
| 4.2.3 卷积神经网络的发展 | 第36-37页 |
| 4.3 人工神经网络 | 第37-45页 |
| 4.3.1 神经元及激活函数 | 第37-39页 |
| 4.3.2 单个神经元学习算法 | 第39-40页 |
| 4.3.3 单层神经网络模型 | 第40-41页 |
| 4.3.4 多层神经网络模型 | 第41-43页 |
| 4.3.5 LMS学习算法 | 第43-45页 |
| 4.4 BP神经网络 | 第45-48页 |
| 4.4.1 BP神经网络 | 第45页 |
| 4.4.2 BP神经网络算法 | 第45-48页 |
| 4.5 卷积神经网络 | 第48-52页 |
| 4.5.1 卷积神经网络 | 第48页 |
| 4.5.2 卷积神经网络结构 | 第48-50页 |
| 4.5.3 卷积神经网络算法 | 第50-52页 |
| 4.6 卷积神经网络应用 | 第52-58页 |
| 4.6.1 LENET-5 | 第52-56页 |
| 4.6.2 改进卷积神经网络 | 第56-58页 |
| 4.7 实验结果与分析 | 第58-61页 |
| 4.7.1 实验过程 | 第58-60页 |
| 4.7.2 实验结果 | 第60-61页 |
| 4.7.3 实验分析 | 第61页 |
| 4.8 小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文目录 | 第69-71页 |
