| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 疵点检测算法研究现状 | 第11-14页 |
| 1.3 深度学习的发展 | 第14-15页 |
| 1.4 本文研究内容及结构 | 第15-17页 |
| 2 系统分析和理论基础 | 第17-26页 |
| 2.1 系统分析 | 第17-18页 |
| 2.2 卷积神经网络 | 第18-22页 |
| 2.3 支持向量机 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 3 基于多层次的无纺布疵点检测算法研究与实现 | 第26-56页 |
| 3.1 多层次检测算法结构与思想 | 第26-27页 |
| 3.2 预处理与图像分割 | 第27-29页 |
| 3.3 基于灰度共生矩阵的纹理特征提取 | 第29-32页 |
| 3.4 基于CUDA架构的GLCM纹理特征提取实现 | 第32-36页 |
| 3.5 基于支持向量机的图像预分类 | 第36-40页 |
| 3.6 基于卷积神经网络的特征提取 | 第40-47页 |
| 3.7 基于支持向量机的图像终分类 | 第47-51页 |
| 3.8 完整系统检测流程 | 第51-53页 |
| 3.9 完整系统实验结果与分析 | 第53-54页 |
| 3.10 本章小结 | 第54-56页 |
| 4 基于Faster R-CNN框架的纺织布疵点检测算法研究与实现 | 第56-74页 |
| 4.1 R-CNN框架思想 | 第56-58页 |
| 4.2 基于Faster R-CNN的纺织布疵点检测结构与思想 | 第58-59页 |
| 4.3 布匹疵点检测网络 | 第59-63页 |
| 4.4 RPN网络 | 第63-67页 |
| 4.5 网络联合训练 | 第67-68页 |
| 4.6 纺织布疵点检测流程 | 第68-69页 |
| 4.7 完整网络实验结果与分析 | 第69-72页 |
| 4.8 本章小结 | 第72-74页 |
| 5 布匹疵点在线检测系统实现 | 第74-85页 |
| 5.1 系统总体设计 | 第74-75页 |
| 5.2 系统硬件设计 | 第75-77页 |
| 5.3 系统软件设计与实现 | 第77-84页 |
| 5.4 本章小结 | 第84-85页 |
| 6 总结与展望 | 第85-88页 |
| 6.1 本文工作总结 | 第85-86页 |
| 6.2 本文存在的问题以及展望 | 第86-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-94页 |
| 附录 ：攻读硕士学位期间发表的论文与专利 | 第94页 |
