| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-14页 |
| 1.2.1 图像识别国内研究概况 | 第10-12页 |
| 1.2.2 图像识别国外研究概况 | 第12-14页 |
| 1.3 贴片电阻图像识别流程 | 第14-16页 |
| 1.3.1 贴片电阻识别算法整体流程图设计 | 第14-15页 |
| 1.3.2 常用深度学习框架介绍 | 第15-16页 |
| 1.4 本文主要研究内容及章节安排 | 第16-18页 |
| 第2章 贴片电阻图像预处理 | 第18-26页 |
| 2.1 贴片电阻缺陷分类 | 第18-21页 |
| 2.2 贴片电阻图像的预处理算法流程 | 第21-24页 |
| 2.2.1 贴片电阻识别图像预处理算法详细流程图设计 | 第21-22页 |
| 2.2.2 贴片电阻识别图像预处理算法实验结果 | 第22-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 卷积神经网络相关理论研究 | 第26-38页 |
| 3.1 神经元模型 | 第26-27页 |
| 3.2 BP (BACK PROPAGATION ALGORITHM)反向传播算法 | 第27-31页 |
| 3.3 卷积神经网络原理 | 第31-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 贴片电阻识别卷积神经网络架构设计与实验结果 | 第38-66页 |
| 4.1 三种卷积神经网络架构参数设计 | 第38-43页 |
| 4.1.1 用于贴片电阻识别的卷积神经网络架构设计指导思想 | 第38页 |
| 4.1.2 三种卷积神经网络使用的基本模块 | 第38-40页 |
| 4.1.3 三种卷积神经网络的参数设置及架构模型图 | 第40-43页 |
| 4.2 贴片电阻实验数据及实验环境 | 第43-45页 |
| 4.3 三种卷积神经网络架构贴片电阻识别实验 | 第45-55页 |
| 4.3.1 贴片电阻训练样本数对识别准确率的影响 | 第45-48页 |
| 4.3.2 贴片电阻位置居中、姿态固定的识别实验 | 第48-50页 |
| 4.3.3 贴片电阻位置随机、姿态固定的识别实验 | 第50-52页 |
| 4.3.4 贴片电阻位置、姿态均随机的识别实验 | 第52-55页 |
| 4.4 卷积神经网络与PCA+SVM贴片电阻识别性能对比 | 第55-59页 |
| 4.5 基于卷积神经网络的贴片电阻识别上位机软件 | 第59-62页 |
| 4.6 卷积神经网络模型在实际中的泛化识别准确率测试分析 | 第62-65页 |
| 4.6.1 卷积神经网络模型在实际中泛化应用的前提条件 | 第62页 |
| 4.6.2 卷积神经网络模型在实际中泛化识别准确率 | 第62-65页 |
| 4.7 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第72页 |
