基于深度学习的电子元件检测算法研究

目录

声明

第一章 绪论

1.1 课题的研究背景及意义

1.2 国内外研究现状

1.2.1 分立电子元件检测方法研究现状

1.2.2 印刷电路板电子元件检测方法研究现状

1.2.3 一般物体分类及目标检测方法研究现状

1.3 本文主要研究内容及组织结构

1.3.1 主要研究内容

1.3.2 文章组织结构及创新之处

第二章 相关工业检测研究概述

2.1 引言

2.2 数据扩充

2.3 特征选择

2.4 检测常用模型

2.4.1 分类模型

2.4.2 目标检测模型

2.5 本章小结

第三章 基于Ipix2pix网络的分立电子元件检测

3.1 引言

3.2 相关GAN模型

3.2.1 生成对抗网络GAN

3.2.2 条件生成对抗网络CGAN

3.2.3 条件生成对抗网络Pix2pix

3.3 提出的方法

3.3.1 基于光照掩膜的条件生成对抗网络（Ipix2pix）

3.3.2 9层CNN分类网络

3.4 算法流程

3.5 实验验证

3.5.1 生成实验

3.5.2 分类实验

3.6 本章小结

第四章 基于YOLO网络的印刷电路板（PCB）目标检测

4.1 引言

4.2 印刷电路板（PCB）图像数据库

4.2.1 电路板图像数据库的采集

4.2.2 电路板图像数据库的标定

4.3 相关YOLO模型介绍

4.3.1 YOLOv1模型

4.3.2 YOLOv2模型

4.3.3 YOLOv3模型

4.4 EC-YOLOv3模型

4.5 实验及结果分析

4.6 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

致谢

攻读学位期间主要科研成果