| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 1 绪论 | 第10-30页 |
| 1.1 选题背景与意义 | 第10-12页 |
| 1.2 子午线轮胎内部结构及常见缺陷 | 第12-16页 |
| 1.2.1 轮胎内部结构 | 第12-14页 |
| 1.2.2 轮胎内部缺陷 | 第14-16页 |
| 1.3 轮胎缺陷无损检测技术及研究现状 | 第16-20页 |
| 1.4 基于深度学习的目标检测技术及研究进展 | 第20-27页 |
| 1.4.1 传统目标检测方法 | 第21-22页 |
| 1.4.2 基于深度学习区域提名的目标检测算法 | 第22-26页 |
| 1.4.3 基于深度学习无区域提名的目标检测算法 | 第26-27页 |
| 1.5 本文的组织安排及主要研究内容 | 第27-30页 |
| 2 基于主成分残差逆变换的轮胎X射线图像缺陷检测方法 | 第30-42页 |
| 2.1 主成分分析(PCA)方法 | 第30-33页 |
| 2.1.1 PCA的数学表示 | 第31-32页 |
| 2.1.2 特征值求解 | 第32-33页 |
| 2.2 主成分分析在轮胎缺陷检测中的算法设计 | 第33-37页 |
| 2.2.1 主成分分析的图像重构 | 第33-34页 |
| 2.2.2 基于主成分残差逆变换的缺陷检测算法 | 第34-35页 |
| 2.2.3 主成分数量的确定 | 第35-37页 |
| 2.2.4 图像统计过程控制二值化方法 | 第37页 |
| 2.3 实验结果及分析 | 第37-41页 |
| 2.3.1 实验初始化和实验设计 | 第37页 |
| 2.3.2 轮胎胎侧缺陷检测实验结果及分析 | 第37-39页 |
| 2.3.3 轮胎胎冠缺陷检测实验结果及分析 | 第39-41页 |
| 2.4 本章小结 | 第41-42页 |
| 3 基于独立成分分析的轮胎缺陷特征提取及分类方法的研究 | 第42-57页 |
| 3.1 基于独立成分分析的轮胎缺陷特征提取方法 | 第42-51页 |
| 3.1.1 独立成分分析技术及算法实现 | 第43-47页 |
| 3.1.2 拓扑独立成分分析技术及算法实现 | 第47-48页 |
| 3.1.3 基函数与滤波器估计 | 第48-49页 |
| 3.1.4 轮胎缺陷图像特征提取 | 第49-51页 |
| 3.2 仿真实验 | 第51-55页 |
| 3.2.1 数据集 | 第51-52页 |
| 3.2.2 最佳滤波器数量的确定 | 第52-53页 |
| 3.2.3 实验结果及分析 | 第53-55页 |
| 3.3 本章小结 | 第55-57页 |
| 4 基于卷积神经网络的轮胎缺陷分类方法 | 第57-81页 |
| 4.1 问题描述 | 第57-59页 |
| 4.2 深度卷积神经网络技术 | 第59-71页 |
| 4.2.1 深度神经网络的发展史 | 第59-60页 |
| 4.2.2 CNN的提出 | 第60-64页 |
| 4.2.3 CNN的基本组成 | 第64-68页 |
| 4.2.4 CNN的工作原理 | 第68-69页 |
| 4.2.5 CNN训练过程 | 第69-71页 |
| 4.3 基于卷积神经网络的轮胎图像表征及分类 | 第71-76页 |
| 4.3.1 轮胎缺陷采集与预处理 | 第71-72页 |
| 4.3.2 迁移学习和微调深度卷积神经网络 | 第72-74页 |
| 4.3.3 轮胎缺陷图像特征提取及分类 | 第74-76页 |
| 4.4 实验结果及分析 | 第76-79页 |
| 4.4.1 与其它分类算法的性能对比 | 第76-78页 |
| 4.4.2 每类缺陷识别结果分析 | 第78-79页 |
| 4.5 本章小结 | 第79-81页 |
| 5 基于多通道卷积神经网络的轮胎缺陷分类方法 | 第81-92页 |
| 5.1 图像数据预处理 | 第81-84页 |
| 5.1.1 图像对比度归一化 | 第82-83页 |
| 5.1.2 数据图像扩充 | 第83-84页 |
| 5.2 多通道卷积神经网络的构建及其训练 | 第84-86页 |
| 5.3 实验结果及分析 | 第86-91页 |
| 5.3.1 多通道卷积神经网络最佳通道数的确定 | 第86-87页 |
| 5.3.2 与组成的各个单通道算法性能对比与分析 | 第87-88页 |
| 5.3.3 数据扩充效果评析 | 第88页 |
| 5.3.4 与其它分类算法的性能对比 | 第88-90页 |
| 5.3.5 每类缺陷识别结果分析 | 第90-91页 |
| 5.4 本章小结 | 第91-92页 |
| 6 基于区域提名网的分层多尺度轮胎缺陷检测及识别一体化算法研究 | 第92-107页 |
| 6.1 问题描述 | 第92-93页 |
| 6.2 基于区域提名网的分层多尺度轮胎缺陷检测器的设计 | 第93-99页 |
| 6.2.1 多层区域提名子网的设计 | 第94-98页 |
| 6.2.2 缺陷检测子网的设计 | 第98-99页 |
| 6.3 实验结果及分析 | 第99-106页 |
| 6.3.1 轮胎缺陷图像采集与实验设计 | 第99-100页 |
| 6.3.2 区域提名子网性能评价 | 第100-101页 |
| 6.3.3 缺陷检测子网性能评价 | 第101-103页 |
| 6.3.4 缺陷检测结果分析 | 第103-106页 |
| 6.4 本章小结 | 第106-107页 |
| 7 结论与展望 | 第107-109页 |
| 参考文献 | 第109-120页 |
| 致谢 | 第120-121页 |
| 攻读学位期间发表的学术成果 | 第121-123页 |
