首页--航空、航天论文--航空论文--航空制造工艺论文--航空器的维护与修理论文

采用深度网络的飞机表面图像损伤检测与识别

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第11-16页
    1.1 课题研究背景第11页
    1.2 课题研究意义第11-12页
    1.3 飞机蒙皮无损检测研究现状第12-13页
    1.4 论文主要工作及组织结构第13-16页
        1.4.1 本文主要工作第13-14页
        1.4.2 本文组织结构第14-16页
第二章 飞机蒙皮损伤检测及深度学习研究综述第16-26页
    2.1 飞机蒙皮检测综述第16-20页
        2.1.1 飞机蒙皮无损检测综述第16-17页
        2.1.2 飞机无损检测技术第17-19页
        2.1.3 飞机蒙皮目视检测技术第19-20页
    2.2 深度学习研究综述第20-26页
        2.2.1 神经网络基本原理第20-22页
        2.2.2 卷积神经网络第22-25页
        2.2.3 目标检测算法第25-26页
第三章 构建数据集第26-34页
    3.1 飞机表面图像数据采集第26-29页
        3.1.1 图像采集规范第26-27页
        3.1.2 数据获取途径第27-29页
    3.2 构建图像块数据集第29-32页
        3.2.1 图像预处理第29-30页
        3.2.2 图像块数据集简介第30-31页
        3.2.3 数据增广第31-32页
    3.3 构建图像标注数据集第32-33页
        3.3.1 图像标注工具第32-33页
        3.3.2 图像标注数据集简介第33页
    3.4 本章小结第33-34页
第四章 基于CNN的飞机表面损伤检测第34-52页
    4.1 深度网络的搭建第34-41页
        4.1.1 AlexNet第34-36页
        4.1.2 GoogLeNet第36-37页
        4.1.3 VGGNets第37-38页
        4.1.4 ResNet第38-41页
    4.2 实验环境及训练过程第41-47页
        4.2.1 实验环境第42页
        4.2.2 训练过程第42-47页
    4.3 实验结果及分析第47-51页
    4.4 本章小结第51-52页
第五章 基于目标检测模型的飞机表面损伤检测第52-60页
    5.1 基本原理第52页
    5.2 网络构建与网络训练第52-56页
        5.2.1 网络构建第52-55页
        5.2.2 网络训练第55-56页
    5.3 实验结果及分析第56-59页
    5.4 本章小结第59-60页
第六章 总结与展望第60-62页
    6.1 总结第60-61页
    6.2 展望第61-62页
参考文献第62-64页
致谢第64-65页
攻读学位期间取得的研究成果第65页

论文共65页,点击 下载论文
上一篇:新型无芯片标签的研究与设计
下一篇:大数据环境下异常通话行为检测的研究