| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 引言 | 第10-11页 |
| 1.2 微装配机器人研究现状 | 第11-13页 |
| 1.3 显微视觉算法研究现状 | 第13-15页 |
| 1.4 课题来源与内容安排 | 第15-17页 |
| 2 卷积神经网络目标检测原理 | 第17-32页 |
| 2.1 引言 | 第17-18页 |
| 2.2 卷积神经网络结构 | 第18-22页 |
| 2.3 基于卷积神经网络的图像分类 | 第22-24页 |
| 2.4 用YOLO网络进行目标检测 | 第24-25页 |
| 2.5 Faster R-CNN目标检测框架 | 第25-31页 |
| 2.6 Faster R-CNN和YOLO目标检测框架的比较 | 第31页 |
| 2.7 本章小结 | 第31-32页 |
| 3 微装配系统中的多目标识别 | 第32-47页 |
| 3.1 引言 | 第32-33页 |
| 3.2 多目标识别网络结构 | 第33-35页 |
| 3.3 微操作系统样本预处理 | 第35-36页 |
| 3.4 数据集的生成 | 第36-39页 |
| 3.5 训练方法 | 第39-42页 |
| 3.6 实验结果 | 第42-46页 |
| 3.7 本章小结 | 第46-47页 |
| 4 微装配系统中的姿态检测 | 第47-56页 |
| 4.1 引言 | 第47-48页 |
| 4.2 姿态数据预处理 | 第48-49页 |
| 4.3 姿态检测网络结构 | 第49-51页 |
| 4.4 训练方法 | 第51-53页 |
| 4.5 实验结果 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 本文工作总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录：攻读硕士学位期间发表的论文 | 第64页 |