基于机器视觉的自动验布系统研究与开发
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题研究背景 | 第13-16页 |
| 1.1.1 基于机器视觉的布匹疵点检测 | 第14-16页 |
| 1.2 布匹疵点视觉检测的国内外研究综述 | 第16-19页 |
| 1.2.1 布匹疵点视觉检测算法国内外研究现状 | 第16-17页 |
| 1.2.2 布匹疵点视觉检测系统国内外研究现状 | 第17-19页 |
| 1.3 论文主要研究内容和文章结构 | 第19-20页 |
| 第二章 自动验布系统总体方案设计 | 第20-35页 |
| 2.1 自动验布系统分析及性能要求 | 第20-22页 |
| 2.1.1 布匹疵点检测方式 | 第20-21页 |
| 2.1.2 自动验布系统性能要求 | 第21-22页 |
| 2.2 自动验布系统设计方案 | 第22页 |
| 2.3 自动验布系统硬件结构 | 第22-28页 |
| 2.4 自动验布系统功能模块 | 第28-29页 |
| 2.5 自动验布系统工作流程 | 第29-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 视觉检测系统设计 | 第35-46页 |
| 3.1 视觉检测系统方案设计 | 第35-36页 |
| 3.2 视觉检测系统硬件结构 | 第36-41页 |
| 3.3 视觉检测系统软件模块 | 第41-42页 |
| 3.4 软件介绍 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于Gabor小波的布匹疵点检测 | 第46-71页 |
| 4.1 不同算法对比 | 第46-50页 |
| 4.2 Gabor小波变换 | 第50-52页 |
| 4.3 Gabor滤波器组设计 | 第52-59页 |
| 4.4 基于Gabor小波的布匹疵点检测 | 第59-65页 |
| 4.4.1 算法流程 | 第59-61页 |
| 4.4.2 算法实现 | 第61-65页 |
| 4.5 实验结果与分析 | 第65-69页 |
| 4.6 本章小结 | 第69-71页 |
| 第五章 基于卷积神经网络的布匹疵点分类 | 第71-92页 |
| 5.1 引言 | 第71-72页 |
| 5.2 卷积神经网络的结构 | 第72-77页 |
| 5.2.1 卷积层 | 第72-74页 |
| 5.2.2 激活函数 | 第74-76页 |
| 5.2.3 池化层 | 第76-77页 |
| 5.2.4 全连接层 | 第77页 |
| 5.3 卷积神经网络训练方法 | 第77-82页 |
| 5.3.1 前向传播阶段 | 第78页 |
| 5.3.2 反向传播阶段 | 第78-79页 |
| 5.3.3 训练优化算法 | 第79-80页 |
| 5.3.4 dropout技术 | 第80-81页 |
| 5.3.5 基于多GPU的快速训练模型 | 第81-82页 |
| 5.4 基于卷积神经网络的布匹疵点识别 | 第82-86页 |
| 5.5 实验结果及分析 | 第86-91页 |
| 5.5.1 实验环境配置 | 第86-87页 |
| 5.5.2 实验结果 | 第87-91页 |
| 5.6 本章小结 | 第91-92页 |
| 总结与展望 | 第92-95页 |
| 参考文献 | 第95-100页 |
| 攻读学位期间发表的论文 | 第100-102页 |
| 致谢 | 第102页 |
