注塑制品表面缺陷识别及工艺映射方法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 引言 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 注塑制品质量建模技术 | 第12-13页 |
| 1.2.2 注塑制品质量监控技术 | 第13-14页 |
| 1.2.3 注塑制品表面缺陷检测技术 | 第14-16页 |
| 1.3 论文研究内容与组织框架 | 第16-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第2章 注塑制品表面缺陷特征与注塑工艺分析 | 第19-33页 |
| 2.1 引言 | 第19-20页 |
| 2.2 注塑制品表面缺陷分析 | 第20-25页 |
| 2.3 基于CNN的注塑制品表面缺陷特征描述 | 第25-27页 |
| 2.4 注塑制品表面特征与工艺参数映射 | 第27-32页 |
| 2.4.1 表面缺陷特征与工艺参数的映射 | 第27-29页 |
| 2.4.2 注塑工艺参数的调节方法 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 注塑制品表面缺陷分类跨域迁移学习方法 | 第33-52页 |
| 3.1 引言 | 第33页 |
| 3.2 图像分类的迁移学习基本方法 | 第33-37页 |
| 3.3 基于加权实例的混合迁移学习模型 | 第37-39页 |
| 3.4 跨域迁移学习及其泛化误差分析 | 第39-47页 |
| 3.4.1 PAC学习与VC维 | 第39-42页 |
| 3.4.2 领域间的距离度量 | 第42-45页 |
| 3.4.3 跨域迁移学习边界 | 第45-47页 |
| 3.5 表面缺陷分类跨域迁移学习流程 | 第47-51页 |
| 3.5.1 基于概率分析的图像特征自适应迁移学习 | 第48-50页 |
| 3.5.2 基于图像特征的域自适应迁移学习 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 注塑制品表面缺陷分类识别的负迁移抑制方法 | 第52-69页 |
| 4.1 引言 | 第52-54页 |
| 4.2 面向多数据域的注塑制品表面缺陷特征聚类 | 第54-60页 |
| 4.2.1 基于HOG的制品表面特征描述 | 第55-57页 |
| 4.2.2 基于K均值的缺陷特征双重聚类 | 第57-60页 |
| 4.3 基于多中间域样本筛选的负迁移抑制 | 第60-66页 |
| 4.4 表面缺陷分类的多中间域迁移学习误差分析 | 第66-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第5章 注塑制品表面缺陷识别与工艺映射实例 | 第69-83页 |
| 5.1 双数据域迁移学习实例 | 第69-74页 |
| 5.2 负迁移抑制实例 | 第74-77页 |
| 5.3 工艺参数映射实例 | 第77-82页 |
| 5.4 本章小结 | 第82-83页 |
| 第6章 总结与展望 | 第83-85页 |
| 6.1 工作总结 | 第83-84页 |
| 6.2 工作展望 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 作者简介 | 第91页 |
| 攻读硕士学位期间主要科研成果 | 第91页 |
| 攻读硕士学位期间参与的科研项目 | 第91页 |
