首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的布匹疵点检测算法及系统研究

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

论文共94页,点击 下载论文
上一篇:表面微结构影响核态沸腾过程的可视研究
下一篇:面向能源互联网的需求侧负荷动态云模型调控策略研究