基于卷积神经网络的外观缺陷检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景及研究的目的和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文主要研究内容 | 第13-15页 |
| 第2章 缺陷检测算法 | 第15-32页 |
| 2.1 卷积神经网络的基本结构 | 第15-18页 |
| 2.1.1 卷积层 | 第15-16页 |
| 2.1.2 下采样层 | 第16页 |
| 2.1.3 激活层 | 第16-17页 |
| 2.1.4 损失函数 | 第17-18页 |
| 2.2 卷积神经网络学习 | 第18-19页 |
| 2.3 待检测数据集 | 第19-21页 |
| 2.4 基于图像局部信息的缺陷分类及定位 | 第21-31页 |
| 2.4.1 数据准备 | 第21-24页 |
| 2.4.2 模型设计 | 第24-25页 |
| 2.4.3 感知层 | 第25-26页 |
| 2.4.4 投票机制定位 | 第26-27页 |
| 2.4.5 结果分析 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 算法加速及多网络并行检测 | 第32-40页 |
| 3.1 训练速度优化 | 第32-33页 |
| 3.2 检测速度优化 | 第33-35页 |
| 3.3 多网络检测 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 实验结果及分析 | 第40-50页 |
| 4.1 纹理图像的检测 | 第40-45页 |
| 4.1.1 线型缺陷 | 第40-42页 |
| 4.1.2 点型缺陷 | 第42-45页 |
| 4.1.3 结果分析 | 第45页 |
| 4.2 针对结构性图像的检测结果分析 | 第45-49页 |
| 4.2.1 垫圈图像 | 第45-47页 |
| 4.2.2 螺丝图像 | 第47-49页 |
| 4.2.3 结果分析 | 第49页 |
| 4.3 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |
