首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的图像超分辨重建及其在PCB焊接质量检测的应用

摘要第6-7页
ABSTRACT第7-8页
符号对照表第12-14页
缩略语对照表第14-18页
第一章 绪论第18-24页
    1.1 研究背景与意义第18-19页
    1.2 国内外研究现状第19-22页
        1.2.1 图像超分辨研究现状第19-21页
        1.2.2 PCB焊接质量检测研究现状第21-22页
    1.3 主要研究内容第22-24页
第二章 相关理论与研究第24-38页
    2.1 图像退化模型第24-25页
    2.2 深度学习第25-34页
        2.2.1 神经网络第25-28页
        2.2.2 卷积神经网络第28-34页
    2.3 图像质量评价第34-36页
    2.4 本章小结第36-38页
第三章 基于多频段卷积神经网络的图像超分辨重建方法第38-56页
    3.1 引言第38页
    3.2 相关工作第38-41页
        3.2.1 基本结构第38-40页
        3.2.2 残差学习第40-41页
    3.3 基于多频段的卷积神经网络图像超分辨重建方法第41-44页
        3.3.1 网络结构第41-42页
        3.3.2 多频段学习第42-44页
    3.4 实验结果及分析第44-54页
        3.4.1 实验设置第44-45页
        3.4.2 训练第45-46页
        3.4.3 不同方法对比实验第46-50页
        3.4.4 参数分析实验第50-54页
    3.5 本章小结第54-56页
第四章 基于记忆迁移的多频段深度卷积网络超分辨重建方法第56-72页
    4.1 引言第56页
    4.2 网络结构第56-57页
    4.3 记忆迁移的多频段学习第57-58页
    4.4 实验结果及分析第58-70页
        4.4.1 实验设置第58页
        4.4.2 不同方法对比实验第58-63页
        4.4.3 参数分析实验第63-70页
    4.5 本章小结第70-72页
第五章 图像超分辨重建方法在PCB焊接质量检测的应用第72-80页
    5.1 引言第72页
    5.2 AOI系统第72-73页
    5.3 MFSR和MTSR在PCB焊接质量检测的应用第73-78页
        5.3.1 短路第73-76页
        5.3.2 虚焊第76-78页
    5.4 小结第78-80页
第六章 总结和展望第80-82页
    6.1 总结第80页
    6.2 展望第80-82页
参考文献第82-88页
致谢第88-90页
作者简介第90-91页

论文共91页,点击 下载论文
上一篇:基于超宽带的智能小车定位与路径规划技术研究
下一篇:虚设层优化SPR传感器性能的研究