基于深度学习的印刷电路板要素CT图像检测技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题背景与意义 | 第12-13页 |
| 1.2 PCB检测研究现状 | 第13-16页 |
| 1.2.1 传统的PCB检测方法 | 第14-15页 |
| 1.2.2 基于锥束CT图像的PCB检测方法 | 第15-16页 |
| 1.3 图像检测的特征提取方法研究现状 | 第16-18页 |
| 1.3.1 人工设计特征的检测方法 | 第16-17页 |
| 1.3.2 基于特征学习的检测方法 | 第17-18页 |
| 1.4 本文主要工作及结构安排 | 第18-20页 |
| 第二章 深度学习概述 | 第20-34页 |
| 2.1 浅层网络学习方法 | 第20-23页 |
| 2.2 深度学习的提出与发展 | 第23-29页 |
| 2.2.1 训练深层模型存在的困难 | 第23-24页 |
| 2.2.2 深可信网络 | 第24-29页 |
| 2.3 深度模型的分类 | 第29-33页 |
| 2.3.1 生成型网络模型 | 第30-31页 |
| 2.3.2 区分型网络模型 | 第31页 |
| 2.3.3 解码型网络模型 | 第31-32页 |
| 2.3.4 三类模型的比较 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于伪标签训练的深度模型 | 第34-46页 |
| 3.1 深度模型的参数降维方法 | 第34页 |
| 3.2 基于伪标签的训练方法 | 第34-37页 |
| 3.3 实验结果 | 第37-43页 |
| 3.4 无监督学习原理的讨论 | 第43-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于深度学习的PCB要素检测 | 第46-62页 |
| 4.1 传统的圆形与线状目标检测算法 | 第46-47页 |
| 4.2 基于伪标签训练的过孔与导线检测算法 | 第47-51页 |
| 4.2.1 样本采集与数据预处理 | 第47-49页 |
| 4.2.2 检测模型的设计 | 第49-51页 |
| 4.3 实验结果 | 第51-57页 |
| 4.4 软件实现 | 第57-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 课题工作总结 | 第62-63页 |
| 5.2 后续工作展望 | 第63-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 作者简历 | 第70页 |
