基于卷积神经网络的表面缺陷检测算法研究

摘要	第4-5页
Abstract	第5页
1 绪论	第8-14页
1.1 选题背景及意义	第8页
1.2 缺陷检测国内外研究现状	第8-11页
1.3 卷积神经网络研究背景	第11-12页
1.4 本论文研究内容和章节安排	第12-14页
2 缺陷检测卷积神经网络算法	第14-31页
2.1 算法研究目标	第14-15页
2.2 传统的模式识别缺陷检测方法	第15-18页
2.3 基于卷积神经网络的表面缺陷检测算法	第18-19页
2.4 图像预处理基础理论	第19-23页
2.5 神经网络基础理论	第23-30页
2.6 本章小结	第30-31页
3 钮扣表面缺陷检测卷积神经网络优化	第31-47页
3.1 网络形态对于网络的影响	第32-34页
3.2 卷积层数目对于网络的影响	第34-36页
3.3 特征图数目对于网络的影响	第36-37页
3.4 卷积核大小对于网络的影响	第37-39页
3.5 激活函数对于网络的影响	第39-42页
3.6 采样函数对于网络的影响	第42-44页
3.7 Dropout层对于网络的影响	第44-46页
3.8 实验结论	第46页
3.9 本章小结	第46-47页
4 算法移植与实现	第47-60页
4.1 DSP智能相机	第47-48页
4.2 软件框架	第48-50页
4.3 表面缺陷检测算法任务	第50-51页
4.4 算法测试	第51-59页
4.5 本章小结	第59-60页
5 总结与展望	第60-62页
5.1 全文总结	第60页
5.2 展望	第60-62页
致谢	第62-63页
参考文献	第63-67页
附录1 攻读硕士学位期间取得的成果	第67页