| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·冷轧带钢表面检测的技术意义 | 第8页 |
| ·冷轧带钢表面自动化检测技术的发展现状 | 第8-10页 |
| ·多分类器技术 | 第10-11页 |
| ·课题的来源 | 第11-12页 |
| ·课题的研究内容 | 第12-13页 |
| 第二章 冷轧带钢表面缺陷检测系统设计 | 第13-34页 |
| ·检测系统的需求 | 第13-18页 |
| ·系统需要检测出的主要缺陷 | 第13-15页 |
| ·带钢表面图像采集 | 第15页 |
| ·系统数据处理 | 第15-16页 |
| ·系统框图 | 第16-18页 |
| ·检测系统结构 | 第18-19页 |
| ·改进型检测系统结构 | 第19-21页 |
| ·BP 人工神经网络在带钢表面缺陷识别中的应用 | 第21-32页 |
| ·神经网络的基本概念 | 第22-24页 |
| ·神经网络的计算特点 | 第24-25页 |
| ·神经网络的学习 | 第25-26页 |
| ·BP 神经网络模型 | 第26-31页 |
| ·BP 神经网络应用于带钢表面缺陷识别 | 第31-32页 |
| ·本章小节 | 第32-34页 |
| 第三章 多神经网络融合技术 | 第34-51页 |
| ·理论依据 | 第34-35页 |
| ·多BP 神经网络组合方法 | 第35-39页 |
| ·带钢表面缺陷图像特征提取 | 第39-49页 |
| ·形态特征 | 第40-41页 |
| ·灰度特征 | 第41-43页 |
| ·纹理特征 | 第43-49页 |
| ·实验结果 | 第49-50页 |
| ·本章小节 | 第50-51页 |
| 第四章 多神经网络应用于冷轧带钢表面缺陷分类技术研究 | 第51-57页 |
| ·冷轧带钢表面缺陷分类处理过程 | 第51页 |
| ·BP 神经网络的设计 | 第51-52页 |
| ·基于多BP 神经网络的带钢表面缺陷分类器 | 第52-55页 |
| ·实验结果 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 总结 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 在学期间的研究成果 | 第62-63页 |