基于深度模型的手机屏幕缺陷检测和分类算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 课题难点 | 第12-13页 |
| 1.3 本文工作 | 第13-15页 |
| 1.4 本文组织结构 | 第15页 |
| 1.5 本文小结 | 第15-16页 |
| 第2章 手机屏幕缺陷检测技术综述 | 第16-31页 |
| 2.1 手机屏幕缺陷检测技术综述 | 第16-24页 |
| 2.1.1 基于傅里叶变换的缺陷检测方法 | 第16-18页 |
| 2.1.2 基于卷积神经网络的检测算法 | 第18-21页 |
| 2.1.3 TFT-LCD面板缺陷分类方法 | 第21-24页 |
| 2.2 图像分类预处理及分类方法综述 | 第24-30页 |
| 2.2.1 图像分类预处理 | 第24-25页 |
| 2.2.2 SVM算法 | 第25-27页 |
| 2.2.3 随机森林算法 | 第27-28页 |
| 2.2.4 Adaboost算法 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 基于生成对抗网络的缺陷检测 | 第31-51页 |
| 3.1 研究背景 | 第31页 |
| 3.2 问题描述 | 第31-32页 |
| 3.3 数据集的构造 | 第32-33页 |
| 3.4 基于生成对抗网络的缺陷检测 | 第33-44页 |
| 3.4.1 生成对抗网络 | 第33-37页 |
| 3.4.2 面向缺陷检测的生成对抗网络训练 | 第37-42页 |
| 3.4.3 基于生成对抗网络的缺陷检测 | 第42-44页 |
| 3.5 实验结果 | 第44-49页 |
| 3.5.1 实验环境 | 第44页 |
| 3.5.2 缺陷检测实验结果 | 第44-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第4章 基于XGBOOST的缺陷细分类 | 第51-68页 |
| 4.1 问题描述 | 第51页 |
| 4.2 数据集的构造 | 第51-52页 |
| 4.3 基于XGBOOST的缺陷细分类模型 | 第52-64页 |
| 4.3.1 XGBOOST模型 | 第52-56页 |
| 4.3.2 分类特征提取 | 第56-62页 |
| 4.3.3 基于XGBOOST的缺陷细分类模型 | 第62-64页 |
| 4.4 实验结果 | 第64-67页 |
| 4.4.1 实验环境 | 第64页 |
| 4.4.2 缺陷细分类结果 | 第64-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 本文工作小结 | 第68-69页 |
| 5.2 未来工作展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士期间主要的研究成果 | 第73-74页 |
| 致谢 | 第74页 |
