声明
第1章 绪论
1.1 课题背景及研究意义
1.1.1 课题来源
1.1.2 研究目的及意义
1.2 国内外织物缺陷检测研究现状
1.2.1 传统算法
1.2.2 深度学习算法
1.3 存在的问题与研究内容
1.3.1 存在的问题
1.3.2 研究内容
1.4 论文的结构安排
第2章 织物缺陷数据库及图像增强算法
2.1 复杂光照织物缺陷数据库
2.1.1 TILDA数据库
2.1.2 复杂光照织物缺陷数据库
2.2 图像增强算法
2.2.1 灰度变换法
2.2.2 直方图均衡化算法
2.2.3 Retinex算法
2.2.4 图像增强算法实验分析
2.3 本章小结
第3章 基于优化采样和多维评价的DDPG算法
3.1 DDPG算法
3.1.1 时间差分法
3.1.2 DDPG算法
3.2 基于时间差分法的优化采样算法
3.3 多维评价机制
3.4 实验分析
3.4.1 深度神经网络模型
3.4.2 DDPG-OSPC算法流程
3.4.3 实验数据分析
3.5 本章小结
第4章 基于DDPG算法和循环注意力模型的织物缺陷检测算法
4.1 循环神经网络
4.1.1 循环神经网络
4.1.2 长短期记忆网络
4.2 注意力模型
4.2.1 基于项的注意力模型
4.2.2 基于位置的注意力模型
4.3 循环注意力模型
4.4 基于DDPG算法的循环注意力模型
4.5 任务解耦
4.6 实验分析
4.6.1 DDPG-RAM算法流程
4.6.2 实验数据分析
4.7 本章小结
第5章 总结与展望
5.1 全文总结
5.2 展望
参考文献
致谢
附录