| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题背景及意义 | 第13-14页 |
| 1.2 国内外研究现状及发展趋势 | 第14-19页 |
| 1.2.1 机器视觉在工业机器人上的应用 | 第14-15页 |
| 1.2.2 目标检测的相关研究 | 第15-18页 |
| 1.2.3 深度学习在图像处理中的应用 | 第18-19页 |
| 1.3 本文结构 | 第19-20页 |
| 第二章 深度学习的基本理论及卷积神经网络结构 | 第20-30页 |
| 2.1 人工神经网络 | 第20-23页 |
| 2.1.1 多层感知机 | 第20-21页 |
| 2.1.2 BP算法 | 第21-23页 |
| 2.2 卷积神经网络基本结构 | 第23-29页 |
| 2.2.1 卷积层 | 第23-24页 |
| 2.2.2 下采样层 | 第24-25页 |
| 2.2.3 全连接层 | 第25页 |
| 2.2.4 分类器 | 第25页 |
| 2.2.5 激活函数 | 第25-27页 |
| 2.2.6 防止过拟合 | 第27-29页 |
| 2.3 训练方式 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于FasterRCNN的水果分类检测算法 | 第30-43页 |
| 3.1 基于卷积神经网络的目标检测算法 | 第30-33页 |
| 3.1.1 RCNN | 第30-32页 |
| 3.1.2 FastRCNN | 第32页 |
| 3.1.3 FasterRCNN | 第32-33页 |
| 3.2 水果分拣的目标检测实验 | 第33-42页 |
| 3.2.1 水果分类检测算法的构建 | 第34-38页 |
| 3.2.2 水果识别检测实验 | 第38-39页 |
| 3.2.3 检测结果 | 第39-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 目标检测算法的改进 | 第43-56页 |
| 4.1 优化特征提取网络 | 第43-54页 |
| 4.1.1 特征提取网络对目标检测算法的影响 | 第43-44页 |
| 4.1.2 轻型特征提取网络的建立 | 第44-51页 |
| 4.1.3 特征网络性能检测实验 | 第51-54页 |
| 4.2 数据集增强 | 第54-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 对目标抓取点定位 | 第56-60页 |
| 5.1 对待测目标的抓取点定位 | 第57-58页 |
| 5.2 对抓取点定位实验 | 第58-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 结论和展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 未来工作和展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间发表的学术论文目录 | 第65-66页 |
| 致谢 | 第66页 |