基于卷积神经网络的工件表面缺陷检测系统
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 缺陷检测国内外研究现状 | 第11-12页 |
| 1.3 深度学习研究现状 | 第12-13页 |
| 1.4 本文的研究内容及章节安排 | 第13-16页 |
| 2 工件表面缺陷检测系统设计 | 第16-26页 |
| 2.1 工件缺陷特征分析 | 第16-17页 |
| 2.2 缺陷检测系统设计 | 第17页 |
| 2.3 缺陷检测系统的硬件设计 | 第17-20页 |
| 2.4 缺陷区域分割 | 第20-23页 |
| 2.5 图像特征提取与缺陷判别 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 缺陷区域分割网络设计 | 第26-46页 |
| 3.1 卷积神经网络理论 | 第26-27页 |
| 3.2 语义分割网络 | 第27-35页 |
| 3.2.1 语义分割网络与缺陷区域分割 | 第27-28页 |
| 3.2.2 语义分割网络结构 | 第28-30页 |
| 3.2.3 改进的语义分割网络 | 第30-35页 |
| 3.3 缺陷区域分割网络的训练 | 第35-40页 |
| 3.3.1 实验软件平台搭建 | 第35-36页 |
| 3.3.2 实验数据集 | 第36-39页 |
| 3.3.3 训练参数设置 | 第39-40页 |
| 3.4 缺陷分割网络测试结果 | 第40-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 利用生成式对抗模型训练缺陷分割网络 | 第46-62页 |
| 4.1 缺陷分割网络的局限及改进方法 | 第46-47页 |
| 4.2 生成式对抗网络理论 | 第47-48页 |
| 4.2.1 生成式对抗网络基本模型 | 第47-48页 |
| 4.2.2 基于条件的生成式对抗网络 | 第48页 |
| 4.3 基于缺陷分割网络的条件生成式对抗模型 | 第48-54页 |
| 4.3.1 训练框架设计 | 第48-50页 |
| 4.3.2 网络的判别式模型设计 | 第50-52页 |
| 4.3.3 网络的训练参数 | 第52-53页 |
| 4.3.4 判别式网络权重参数选择 | 第53-54页 |
| 4.4 缺陷分割网络测试结果 | 第54-61页 |
| 4.4.1 生成式对抗模型的训练效果 | 第54-58页 |
| 4.4.2 不同生成式网络结构的效果对比 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62页 |
| 5.2 工作展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间主要的研究成果 | 第69页 |
