| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题背景及研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 接地网腐蚀程度检测研究现状 | 第10-11页 |
| 1.2.2 卷积神经网络发展及现状 | 第11-12页 |
| 1.2.3 图像分类方法研究现状 | 第12-13页 |
| 1.3 本文研究内容及组织结构 | 第13-16页 |
| 2 接地网腐蚀程度分类基础 | 第16-25页 |
| 2.1 腐蚀图像样本库建立 | 第16-19页 |
| 2.1.1 腐蚀模拟实验 | 第16-17页 |
| 2.1.2 样本库建立 | 第17-19页 |
| 2.2 腐蚀程度分类依据 | 第19-20页 |
| 2.2.1 保护评级 | 第19页 |
| 2.2.2 外观评级 | 第19页 |
| 2.2.3 综合评级 | 第19-20页 |
| 2.3 腐蚀图像预处理 | 第20-24页 |
| 2.3.1 图像规范化 | 第20-21页 |
| 2.3.2 对比度增强 | 第21-23页 |
| 2.3.3 矢量中值滤波法去噪 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 卷积神经网络 | 第25-34页 |
| 3.1 概述 | 第25页 |
| 3.2 卷积神经网络拓扑结构 | 第25-28页 |
| 3.3 卷积神经网络理论推导 | 第28-33页 |
| 3.3.1 反向传播算法 | 第28-30页 |
| 3.3.2 卷积层梯度计算 | 第30-32页 |
| 3.3.3 下采样层的梯度计算 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于传统卷积神经网络的接地网腐蚀程度分类模型设计与实现 | 第34-49页 |
| 4.1 模型设计思路 | 第34-39页 |
| 4.1.1 输入、输出层设计 | 第34页 |
| 4.1.2 中间层设计 | 第34-39页 |
| 4.2 模型建立 | 第39-41页 |
| 4.3 模型训练 | 第41-44页 |
| 4.3.1 训练流程 | 第41-43页 |
| 4.3.2 训练参数设置 | 第43-44页 |
| 4.4 模型仿真实现 | 第44-48页 |
| 4.4.1 腐蚀图像样本库 | 第44-45页 |
| 4.4.2 训练集、测试集产生 | 第45-46页 |
| 4.4.3 实验结果分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 基于改进卷积神经网络的接地网腐蚀程度分类模型设计与实现 | 第49-54页 |
| 5.1 模型建立 | 第49-50页 |
| 5.2 模型仿真 | 第50-53页 |
| 5.2.1 实验样本 | 第50-51页 |
| 5.2.2 实验结果分析 | 第51-53页 |
| 5.3 本章小结 | 第53-54页 |
| 6 接地网腐蚀程度分类系统的设计 | 第54-58页 |
| 6.1 分类系统整体框架 | 第54-55页 |
| 6.2 分类系统各功能模块 | 第55-57页 |
| 6.2.1 数据加载 | 第55-56页 |
| 6.2.2 模型建立 | 第56-57页 |
| 6.2.3 模型测试 | 第57页 |
| 6.3 本章小结 | 第57-58页 |
| 7 总结与展望 | 第58-60页 |
| 7.1 总结 | 第58-59页 |
| 7.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |