基于深度学习的铝型材表面瑕疵识别技术研究

目录

声明

致谢

摘要

1．1引言

1．2金属材料表面瑕疵识别研究现状

1．2．1国内外瑕疵识别系统研究现状

1．2．2国内外表面瑕疵识别算法研究现状

1．3研究意义和研究内容

1．3．1研究意义

1．3．2研究内容

1．4文章组织结构

2．1深度学习概述

2．2深度卷积神经网络

2．2．1卷积层

2．2．2池化层

2．2．3 softmax回归层

2．2．4损失函数

2．2．5训练过程

2．2．6网络参数

2．3实验环境搭建

2．4本章小结

第3章基于卷积神经网络的铝型材表面瑕疵分类技术

3．1引言

3．2瑕疵分类数据集介绍

3．3瑕疵分类网络

3．3．1选用卷积神经网络的分析

3．3．2迁移学习

3．3．3瑕疵分类网络结构

3．4训练瑕疵分类卷积神经网络

3．4．1数据处理与增强

3．4．2在线训练瑕疵分类网络

3．5结果讨论与分析

3．5．1训练过程中Loss和Precision分析

3．5．2卷积核分析

3．5．3特征图像分析

3．5．4显著图分析

3．5本章小结

第4章基于深度神经网络的铝型材表面瑕疵检测

4．1引言

4．2铝型材表面瑕疵数据集

4．2．1瑕疵数据集获取

4．2．2数据集统计分析

4．3瑕疵检测深度卷积神经网络

4．3．1铝材表面瑕疵特征提取框架

4．3．2区域建议网络

4．3．3感兴趣区域池化

4．3．4网络整体结构

4．4多尺度瑕疵检测网络

4．4．1特征金字塔

4．4．2多尺度瑕疵检测网络

4．4．3特征图像比较

4．5实验分析

4．5．1评价指标

4．5．2实验细节

4．5．3实验结果及分析

4．6本章总结

5．1全文总结

5．2工作展望

参考文献