| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究发展现状 | 第10-13页 |
| 1.2.1 基于计算机视觉的损伤模式识别 | 第11-12页 |
| 1.2.2 基于计算机视觉的损伤目标检测 | 第12-13页 |
| 1.3 本文内容的结构安排 | 第13-16页 |
| 第二章 理论基础 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 卷积神经网络 | 第16-19页 |
| 2.3 YOLOv3方法 | 第19-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 钢丝绳表面图像采集及表面损伤实验 | 第27-36页 |
| 3.1 引言 | 第27页 |
| 3.2 表面图像采集装置 | 第27-31页 |
| 3.3表面损伤实验 | 第31-34页 |
| 3.3.1 实验设计 | 第31-32页 |
| 3.3.2 图像采集质量分析 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 钢丝绳表面损伤模式识别方法 | 第36-51页 |
| 4.1 引言 | 第36页 |
| 4.2 基于卷积神经网络的钢丝绳表面损伤模式识别方法 | 第36-43页 |
| 4.3 实验验证 | 第43-50页 |
| 4.3.1 图像数据说明 | 第43-44页 |
| 4.3.2 实验结果及分析 | 第44-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 钢丝绳表面损伤目标检测方法 | 第51-65页 |
| 5.1 引言 | 第51页 |
| 5.2 深度可分离卷积思想 | 第51-53页 |
| 5.3 基于YOLOv3的钢丝绳表面损伤目标检测方法 | 第53-58页 |
| 5.4 实验验证 | 第58-64页 |
| 5.4.1 图像数据说明 | 第58-59页 |
| 5.4.2 实验结果及分析 | 第59-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 全文总结 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间取得的成果 | 第74页 |