第一章 绪论
1.1 课题研究背景与意义
1.2 热轧钢带表面常见缺陷类型
1.3 钢带表面缺陷检测技术的发展和研究现状
1.3.1 传统的缺陷检测技术
1.3.2 基于深度学习的缺陷检测技术
1.4 本文结构安排
第二章 相关理论知识和工作基础
2.1 深度学习概述
2.2 卷积神经网络关键技术
2.2.1 卷积运算
2.2.2 激活函数
2.2.3 池化运算
2.2.4规则化运算
2.2.5 损失函数与反向传播算法
2.3 目标检测关键技术
2.3.1候选框预测
2.3.2 边框回归
2.3.3 数据增强
2.4 本章小结
第三章 基于卷积神经网络的热轧钢带表面缺陷分类
3.1 钢带表面缺陷数据的获取和扩充
3.1.1 数据获取
3.1.2 数据扩充
3.2 改进CNN网络模型
3.3 实验环境的搭建
3.3.1 硬件环境
3.3.2 软件环境
3.4 实验结果分析
3.5 本章小结
第四章 基于改进SSD网络的热轧钢带表面缺陷检测
4.1 SSD算法原理分析
4.2 基于交叉特征融合的SSD结构
4.3 特征融合
4.4 模型训练
4.4.1 先验框设置与匹配
4.4.2 难分样本挖掘（Hard Negative Mining）
4.4.3 损失函数
4.4.4 数据增强
4.5实验验证与分析
4.5.1 实验平台与超参数
4.5.2 实验结果对比
4.6本章小结
总结和展望
参考文献
攻读学位期间获得的科研成果
声明
致谢
