深度学习在电力设备耐张线夹缺陷检测中的应用研究

目录

声明

第一章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 研究目标与内容

1.4 论文组织结构

第二章 相关理论基础

2.1.1 人工神经元

2.1.2 激活函数

2.1.3 损失函数

2.1.4 前馈神经网络

2.1.5 反向传播算法

2.2.1 概述

2.2.2 卷积层

2.2.3 池化层

2.2.4 全连接层

2.2.5 Softmax分类器

2.3 优化算法

2.3.1 随机梯度下降

2.3.2 小批量随机梯度下降

2.3.3 动量法

2.4 本章小结

第三章 耐张线夹数据集预处理

3.1 图像数据采集

3.2 缺陷分类介绍

3.3 数据集整理

3.4 数据标准化

3.5 本章小结

第四章 几种卷积神经网络基础模型在应用中的比较分析

4.1 前言

4.2 几种卷积神经网络基础模型原理

4.2.1 AlexNet

4.2.2 VGGNet

4.2.3 GoogLeNet

4.2.4 ResNet

4.2.5 DenseNet

4.3 迁移学习策略应用

4.4 基础模型应用实验

4.4.1 实验环境

4.4.2 数据加载

4.4.3 模型微调与实现

4.4.4 模型训练及测试

4.4.5 结果对比和分析

4.5 本章小结

第五章 一种融合SE模块和密集连接的缺陷检测模型

5.1 前言

5.2 SE模块原理

5.3 SEPreDenseNet设计与实现

5.3.1 模型设计

5.3.2 模型实现

5.4.1 模型训练及测试

5.4.2 结果对比和分析

5.5.1 性能评估指标

5.5.2 综合评估结果

5.6 本章小结

第六章 全文总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献