基于视觉的传动平台烟条分类与识别算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及发展动态 | 第11-14页 |
| 1.2.1 烟条订单核对技术 | 第11-12页 |
| 1.2.2 图像分类与识别 | 第12-14页 |
| 1.3 本文主要研究内容及技术路线 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 图像分割基础理论 | 第17-27页 |
| 2.1 图像预处理 | 第17-21页 |
| 2.1.1 RGB颜色空间模型 | 第17-18页 |
| 2.1.2 彩色图像灰度化 | 第18-19页 |
| 2.1.3 形态学处理 | 第19-20页 |
| 2.1.4 仿射变换 | 第20-21页 |
| 2.2 图像分割 | 第21-26页 |
| 2.2.1 基于阈值的图像分割 | 第21-23页 |
| 2.2.2 基于边缘的图像分割 | 第23-25页 |
| 2.2.3 基于区域的图像分割 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 深度学习基础及理论 | 第27-42页 |
| 3.1 深度神经网络 | 第27-30页 |
| 3.1.1 深度信念网络 | 第28页 |
| 3.1.2 循环神经网络 | 第28-29页 |
| 3.1.3 卷积神经网络 | 第29-30页 |
| 3.2 卷积神经网络的基本结构 | 第30-35页 |
| 3.2.1 卷积层 | 第30-31页 |
| 3.2.2 激活函数 | 第31-33页 |
| 3.2.3 池化层 | 第33-34页 |
| 3.2.4 损失函数 | 第34-35页 |
| 3.3 卷积神经网络的优化 | 第35-40页 |
| 3.3.1 反向传播算法 | 第35-37页 |
| 3.3.2 基于动量的梯度下降 | 第37-38页 |
| 3.3.3 DROPOUT | 第38-40页 |
| 3.3.4 学习率 | 第40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 传动平台烟条分割 | 第42-56页 |
| 4.1 前景区域提取 | 第43-47页 |
| 4.1.1 非均匀光照矫正 | 第44-45页 |
| 4.1.2 背景差分阈值分割 | 第45-47页 |
| 4.2 烟条个体分割 | 第47-52页 |
| 4.2.1 轮廓提取 | 第47-50页 |
| 4.2.2 烟条分割 | 第50-52页 |
| 4.3 分割实验结果分析 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于卷积神经网络的烟条分类 | 第56-71页 |
| 5.1 分类模型结构 | 第56-58页 |
| 5.2 数据准备 | 第58-59页 |
| 5.2.1 IMAGENET数据集 | 第58页 |
| 5.2.2 烟条数据集 | 第58-59页 |
| 5.3 迁移学习 | 第59-62页 |
| 5.4 分类实验结果分析 | 第62-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结和展望 | 第71-73页 |
| 6.1 全文总结 | 第71-72页 |
| 6.1.1 工作总结 | 第71-72页 |
| 6.1.2 主要创新点及主要贡献 | 第72页 |
| 6.2 研究展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间取得的成果 | 第78页 |
