| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1.绪论 | 第10-17页 |
| 1.1 课题背景及其意义 | 第10-11页 |
| 1.2 薄板表面质量监控技术国内外发展趋势 | 第11-12页 |
| 1.3 神经网络的国内外发展趋势 | 第12-15页 |
| 1.3.1 神经网络的各个发展时期 | 第13-14页 |
| 1.3.2 深度学习的应用领域及相关技术 | 第14-15页 |
| 1.4 论文的组织结构及章节安排 | 第15-17页 |
| 2.深度学习算法与TensorFlow框架简介 | 第17-26页 |
| 2.1 深度学习概述 | 第17页 |
| 2.2 卷积神经网络的基本思想 | 第17-18页 |
| 2.2.1 局部连接与权值共享 | 第17-18页 |
| 2.2.2 下采样 | 第18页 |
| 2.2.3 算法小结 | 第18页 |
| 2.3 卷积神经网络的基本结构 | 第18-23页 |
| 2.3.1 输入层 | 第18-19页 |
| 2.3.2 卷积层 | 第19-22页 |
| 2.3.3 池化层 | 第22页 |
| 2.3.4 全连接层 | 第22-23页 |
| 2.3.5 输出层 | 第23页 |
| 2.4 卷积神经网络的训练 | 第23-24页 |
| 2.4.1 无监督训练 | 第23-24页 |
| 2.4.2 有监督训练 | 第24页 |
| 2.5 TensorFlow深度学习框架简介 | 第24-25页 |
| 2.5.1 TensorFlow概述 | 第24页 |
| 2.5.2 TensorFlow的主要特性 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3.轧制镁薄板的主要工艺参数及常见的表面缺陷类型 | 第26-29页 |
| 3.1 温轧镁薄板的主要工艺参数 | 第26-27页 |
| 3.2 轧制镁薄板常见的缺陷类型及产生原因和预防措施 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 4.基于深度学习的轧制镁薄板表面缺陷检测算法 | 第29-41页 |
| 4.1 卷积神经网络的结构与优化方法 | 第29-34页 |
| 4.1.1 卷积神经网络结构图 | 第29-30页 |
| 4.1.2 网络各个层的参数 | 第30-31页 |
| 4.1.3 网络优化器的选取 | 第31-32页 |
| 4.1.4 防止过拟合的措施 | 第32-33页 |
| 4.1.5 关于样本的数据不均衡问题 | 第33-34页 |
| 4.2 基于迁移学习的卷积神经网络 | 第34-35页 |
| 4.2.1 迁移学习 | 第34页 |
| 4.2.2 迁移学习的基本方法 | 第34-35页 |
| 4.2.3 基于轧制镁薄板迁移学习策略的构建 | 第35页 |
| 4.3 基于迁移学习的卷积神经网络算法流程 | 第35-39页 |
| 4.3.1 卷积神经网络训练的算法流程图 | 第36-37页 |
| 4.3.2 本地导入图片算法预测流程图 | 第37页 |
| 4.3.3 摄像头传入视频缺陷实时预测算法流程图 | 第37-39页 |
| 4.4 算法设计的难点与创新 | 第39页 |
| 4.5 本章小结 | 第39-41页 |
| 5.镁薄板缺陷检测系统的仿真与实现 | 第41-52页 |
| 5.1 实验数据集 | 第41-43页 |
| 5.1.1 源域数据集 | 第41-42页 |
| 5.1.2 目标域数据集 | 第42-43页 |
| 5.2 卷积神经网络训练与预测的核心代码 | 第43-45页 |
| 5.2.1 模型训练阶段 | 第43-44页 |
| 5.2.2 本地导入图片预测阶段 | 第44页 |
| 5.2.3 视频图像实时预测阶段 | 第44-45页 |
| 5.3 镁薄板缺陷检测系统实验仿真 | 第45-48页 |
| 5.3.1 训练时网络模型各项参数的变化 | 第45-46页 |
| 5.3.2 有无迁移学习的卷积神经网络分类结果对比 | 第46-47页 |
| 5.3.3 本地硬盘导入图片缺陷分类结果 | 第47-48页 |
| 5.4 镁薄板缺陷检测系统的实现 | 第48-51页 |
| 5.4.1 系统的硬件环境 | 第48-49页 |
| 5.4.2 系统的软件环境 | 第49-50页 |
| 5.4.3 缺陷检测系统的实现 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 6.总结与展望 | 第52-54页 |
| 6.1 本文工作总结 | 第52页 |
| 6.2 未来工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59-60页 |