复杂环境下煤矿皮带运输异物图像识别研究
| 致谢 | 第3-4页 |
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 变量注释表 | 第15-16页 |
| 1 绪论 | 第16-24页 |
| 1.1 研究背景 | 第16-17页 |
| 1.2 研究意义 | 第17页 |
| 1.3 国内外研究现状 | 第17-21页 |
| 1.4 研究内容、方法及技术路线 | 第21-23页 |
| 1.5 本章小结 | 第23-24页 |
| 2 煤矿运输系统异物管理现状及识别方法选择 | 第24-35页 |
| 2.1 煤矿的复杂环境论述 | 第24-25页 |
| 2.2 煤矿皮带运输机结构 | 第25-27页 |
| 2.3 异物分析与研究 | 第27-32页 |
| 2.4 异物识别研究方法选择 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 3 基于图像处理的异物识别方法数据分析 | 第35-45页 |
| 3.1 图像滤波 | 第35-36页 |
| 3.2 图像增强 | 第36-41页 |
| 3.3 图像标注 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 基于Faster R-CNN的异物识别检测 | 第45-63页 |
| 4.1 目标检测算法的确定 | 第45-47页 |
| 4.2 构建卷积神经网络 | 第47-51页 |
| 4.3 RPN网络的构建与优化 | 第51-57页 |
| 4.4 构建Fast R-CNN网络结构 | 第57-58页 |
| 4.5 目标识别结果分析 | 第58-62页 |
| 4.6 本章小结 | 第62-63页 |
| 5 基于深度学习的异物识别实施效益及建议 | 第63-68页 |
| 5.1 异物识别实施效益 | 第63-66页 |
| 5.2 异物识别实施建议 | 第66-67页 |
| 5.3 本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 作者简介 | 第76-78页 |
| 学位论文数据集 | 第78页 |
