基于深度学习的搪瓷生产在线统计系统研究开发
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题背景和研究意义 | 第10-12页 |
| 1.1.1 课题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 深度学习技术应用 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.3.1 国外研究现状 | 第13-14页 |
| 1.3.2 国内研究现状 | 第14-15页 |
| 1.4 多类混线产品在线统计难点分析 | 第15-16页 |
| 1.5 论文章节结构 | 第16-17页 |
| 2 彩色图像预处理研究 | 第17-24页 |
| 2.1 图像增强 | 第17-20页 |
| 2.2 图像去噪声 | 第20-22页 |
| 2.3 图像预处理方法选择 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基于深度学习的搪瓷制品分类统计方法研究 | 第24-59页 |
| 3.1 图像分类算法 | 第24-29页 |
| 3.1.1 图像特征提取技术 | 第24-26页 |
| 3.1.2 深度卷积网络 | 第26-29页 |
| 3.2 目标区域定位算法 | 第29-39页 |
| 3.2.1 常见的目标提取算法 | 第30-34页 |
| 3.2.2 RPN区域生成网络 | 第34-36页 |
| 3.2.3 FasterR-CNN算法 | 第36-39页 |
| 3.3 搪瓷制品区域定位模型设计 | 第39-46页 |
| 3.3.1 搪瓷制品区域定位方法选择 | 第39-40页 |
| 3.3.2 搪瓷制品区域定位模型结构 | 第40-43页 |
| 3.3.3 搪瓷制品区域定位模型样本库 | 第43页 |
| 3.3.4 系统运行环境配置 | 第43-44页 |
| 3.3.5 搪瓷制品区域定位模型预训练 | 第44-46页 |
| 3.4 搪瓷制品图像分类模型设计 | 第46-57页 |
| 3.4.1 改进的深度卷积网络 | 第46-48页 |
| 3.4.2 搪瓷制品分类模型结构 | 第48-49页 |
| 3.4.3 搪瓷制品分类统计模型样本库 | 第49-50页 |
| 3.4.4 搪瓷制品分类统计模型预训练 | 第50-52页 |
| 3.4.5 搪瓷制品实际尺寸计算 | 第52-57页 |
| 3.5 搪瓷制品分类统计系统模型性能评估 | 第57-58页 |
| 3.6 本章小结 | 第58-59页 |
| 4 原型系统开发 | 第59-67页 |
| 4.1 前端图像采集系统设计 | 第59-60页 |
| 4.2 图像处理和识别模块软件设计 | 第60-63页 |
| 4.3 原型系统设计开发 | 第63-66页 |
| 4.3.1 原型系统架构 | 第63-64页 |
| 4.3.2 在线分类统计系统功能结构 | 第64-65页 |
| 4.3.3 原型系统开发 | 第65-66页 |
| 4.4 本章小结 | 第66-67页 |
| 5 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第74页 |
