基于神经网络的冷轧带钢表面缺陷检测与分类技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·冷轧带钢表面缺陷检测技术的意义 | 第9-10页 |
| ·冷轧带钢表面缺陷检测技术的发展现状 | 第10-12页 |
| ·课题的来源 | 第12-13页 |
| ·课题的研究内容 | 第13-14页 |
| 第二章 冷轧带钢表面缺陷检测技术的总体方案设计 | 第14-22页 |
| ·系统检测的常见缺陷类型 | 第14-17页 |
| ·系统的总体设计方案 | 第17页 |
| ·系统的硬件设计方案 | 第17-19页 |
| ·系统的软件设计方案 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 人工神经网络 | 第22-32页 |
| ·神经网络的基本概念 | 第22-24页 |
| ·神经网络的计算特点 | 第24-25页 |
| ·神经网络的学习 | 第25-28页 |
| ·神经网络的学习方式 | 第26页 |
| ·神经网络的学习规则 | 第26-28页 |
| ·BP 神经网络模型 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 冷轧带钢表面缺陷检测技术研究 | 第32-56页 |
| ·特征向量的提取 | 第32-33页 |
| ·主元分析 | 第33-37页 |
| ·奇异值分解(SVD)定理 | 第34-35页 |
| ·基于SVD 的主元分析 | 第35页 |
| ·主元个数的选择 | 第35-36页 |
| ·特征向量的降维结果 | 第36-37页 |
| ·前馈神经网络的设计 | 第37-43页 |
| ·BP 神经网络的设计 | 第37-39页 |
| ·雅克比算法 | 第39-42页 |
| ·网络的训练和使用 | 第42-43页 |
| ·缺陷区域的分割 | 第43-45页 |
| ·连通成分标记法的算法 | 第43-45页 |
| ·缺陷区域的分割 | 第45页 |
| ·实验 | 第45-54页 |
| ·训练样本的获取 | 第45页 |
| ·实验结果 | 第45-52页 |
| ·算法比较 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 冷轧带钢表面缺陷分类技术研究 | 第56-67页 |
| ·特征选取 | 第56-63页 |
| ·形态特征 | 第58-60页 |
| ·灰度特征 | 第60-61页 |
| ·纹理特征 | 第61-63页 |
| ·基于BP 网络的分类器的设计 | 第63-65页 |
| ·分类器的设计 | 第63-64页 |
| ·BP 网络分类器设计时应该考虑的问题 | 第64页 |
| ·BP 网络分类器的网络结构 | 第64-65页 |
| ·缺陷的识别过程 | 第65页 |
| ·实验 | 第65-66页 |
| ·训练样本的获取 | 第65-66页 |
| ·分类器的测试结果 | 第66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 个人简历、在学期间的研究成果及发表论文 | 第72页 |
