基于CNN的工件缺陷检测方法研究及系统设计
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 缺陷检测相关技术 | 第17-26页 |
| 2.1 工件缺陷检测原理 | 第17页 |
| 2.2 图像处理相关技术 | 第17-19页 |
| 2.2.1 灰度化 | 第17-18页 |
| 2.2.2 倾斜校正 | 第18-19页 |
| 2.3 目标定位提取 | 第19-20页 |
| 2.4 图像缩放变换 | 第20-21页 |
| 2.5 图像识别算法 | 第21-25页 |
| 2.5.1 CNN的结构 | 第22-23页 |
| 2.5.2 CNN训练过程 | 第23-24页 |
| 2.5.3 CNN的特性 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 CNN工件缺陷检测系统工作流程 | 第26-38页 |
| 3.1 系统模型 | 第26-27页 |
| 3.2 预处理过程 | 第27-29页 |
| 3.3 训练过程 | 第29-35页 |
| 3.3.1 训练样本 | 第29-31页 |
| 3.3.2 CNN结构模型 | 第31-33页 |
| 3.3.3 网络参数选择 | 第33-34页 |
| 3.3.4 网络训练过程 | 第34-35页 |
| 3.4 检测过程 | 第35页 |
| 3.5 不同类型识别方案实验结果 | 第35-37页 |
| 3.5.1 单一型工件 | 第35-36页 |
| 3.5.2 密集型工件 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 CNN工件缺陷检测方法 | 第38-51页 |
| 4.1 工件缺陷图像特征分析 | 第38-39页 |
| 4.1.1 缺陷的相关概念 | 第38页 |
| 4.1.2 常见工件缺陷 | 第38-39页 |
| 4.2 CNN缺陷检测方法 | 第39-44页 |
| 4.2.1 CNN检测缺陷原理 | 第39-40页 |
| 4.2.2 工件缺陷数据分析 | 第40-44页 |
| 4.2.3 缺陷图像检测算法 | 第44页 |
| 4.3 实验结果与分析 | 第44-49页 |
| 4.4 缺陷检测的误差分析 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 CNN缺陷检测方法的应用设计 | 第51-60页 |
| 5.1 开发环境 | 第51-52页 |
| 5.2 整体架构 | 第52-53页 |
| 5.3 详细设计 | 第53-56页 |
| 5.3.1 面向对象设计 | 第53-54页 |
| 5.3.2 工件识别检测模块具体设计 | 第54-56页 |
| 5.4 用户界面的设计 | 第56-59页 |
| 5.5 性能评价 | 第59页 |
| 5.6 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-61页 |
| 6.1 本文工作总结 | 第60页 |
| 6.2 展望及下一步工作 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 在校期间发表的论文、科研成果等 | 第64-65页 |
| 致谢 | 第65页 |
