| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状及发展趋势 | 第13-15页 |
| 1.3 论文主要工作与章节安排 | 第15-17页 |
| 第2章 深度学习与目标检测 | 第17-30页 |
| 2.1 卷积神经网络基础 | 第17-22页 |
| 2.1.1 卷积 | 第17-18页 |
| 2.1.2 池化 | 第18页 |
| 2.1.3 激活函数 | 第18-20页 |
| 2.1.4 反向传播 | 第20-21页 |
| 2.1.5 批次归一化 | 第21-22页 |
| 2.2 目标检测经典网络模型 | 第22-29页 |
| 2.2.1 R-CNN, SPP-net, Fast R-CNN | 第23-25页 |
| 2.2.2 Faster R-CNN | 第25-27页 |
| 2.2.3 YOLO | 第27-28页 |
| 2.2.4 SSD | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 参考线区域提取 | 第30-42页 |
| 3.1 防止过拟合策略 | 第31-33页 |
| 3.1.1 数据增广 | 第31页 |
| 3.1.2 提前停止 | 第31-32页 |
| 3.1.3 Dropout | 第32-33页 |
| 3.2 深度学习模型实验分析 | 第33-41页 |
| 3.2.1 样本集构建 | 第33-34页 |
| 3.2.2 Faster R-CNN检测结果 | 第34-36页 |
| 3.2.3 YOLO v2检测结果 | 第36-39页 |
| 3.2.4 SSD检测结果 | 第39-40页 |
| 3.2.5 结果对比 | 第40-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 气泡工件倾斜角度估算 | 第42-57页 |
| 4.1 边缘提取 | 第42-50页 |
| 4.1.1 Canny算子 | 第42-44页 |
| 4.1.2 数学形态学 | 第44-45页 |
| 4.1.3 方法分析 | 第45-48页 |
| 4.1.4 Zhang并行边缘细化算法 | 第48-50页 |
| 4.2 直线拟合与倾斜角度估算 | 第50-56页 |
| 4.2.1 霍夫变换 | 第50-52页 |
| 4.2.2 改进的概率霍夫变换 | 第52-53页 |
| 4.2.3 最小二乘法 | 第53页 |
| 4.2.4 倾斜角度估算 | 第53-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第5章 系统结构介绍 | 第57-65页 |
| 5.1 图像采集模块 | 第57-59页 |
| 5.2 图像处理与控制决策 | 第59-62页 |
| 5.2.1 上位机 | 第59页 |
| 5.2.2 软件流程 | 第59-62页 |
| 5.3 传动执行模块 | 第62-63页 |
| 5.4 其他设备 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 论文工作总结 | 第65-66页 |
| 6.2 未来展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者简介 | 第71-72页 |
| 作者在攻读硕士期间发表及录用的论文 | 第72页 |