首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的表面缺陷检测方法研究

中文摘要第4-6页
abstract第6-7页
第一章 绪论第10-18页
    1.1 课题研究背景及意义第10-11页
    1.2 国内外研究现状分析第11-15页
        1.2.1 表面缺陷检测的研究现状第11-13页
        1.2.2 深度学习的研究现状第13-15页
    1.3 课题研究目标及内容第15-16页
    1.4 本文结构安排第16-18页
第二章 深度学习网络模型及选择第18-27页
    2.1 深度学习的思想与特点第18-19页
    2.2 深度学习网络模型第19-24页
    2.3 本文网络模型选择第24-26页
    2.4 本章小结第26-27页
第三章 基于CNN的表面缺陷检测方法第27-47页
    3.1 CNN模型概述第27-32页
        3.1.1 结构及原理第27-30页
        3.1.2 训练算法及过程第30-32页
    3.2 特征提取层的改进与模型设计第32-36页
        3.2.1 特征提取层的改进第32-33页
        3.2.2 模型设计与算法优化第33-36页
    3.3 表面缺陷检测实验及结果分析第36-45页
        3.3.1 织物图像采集第36页
        3.3.2 图像数据的标注与处理第36-38页
        3.3.3 表面缺陷检测实验与分析第38-45页
    3.4 本章小结第45-47页
第四章 基于CNN多层次特征融合的表面缺陷检测方法第47-64页
    4.1 表面缺陷图像数据集扩展方法第47-54页
        4.1.1 生成对抗网络概述第48-50页
        4.1.2 深度卷积对抗网络模型设计第50-54页
    4.2 多特征融合的网络模型设计第54-56页
        4.2.1 多层次特征融合的网络结构第54-55页
        4.2.2 混合池化层的设计第55-56页
    4.3 表面缺陷检测实验第56-63页
    4.4 本章小结第63-64页
第五章 总结与展望第64-66页
    5.1 全文总结第64-65页
    5.2 课题展望第65-66页
参考文献第66-71页
攻读学位期间本人出版或公开发表的论著、论文第71-72页
致谢第72-73页

论文共73页,点击 下载论文
上一篇:基于共轭聚合物的生物传感和肿瘤诊疗体系的构建及研究
下一篇:复杂环境下的关节式履带巡检机器人越障性能研究