声明
目 录
1 绪 论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 传统缺陷检测技术研究现状
1.2.2 深度学习缺陷检测技术研究现状
1.3.1 研究内容
1.3.2 结构安排
1.5 本章小结
2 水工隧洞缺陷图像采集系统
2.1 隧洞机器人巡检系统
2.1.1 系统整体结构
2.1.2 系统硬件结构
2.1.3 系统软件结构
2.2 水工隧洞缺陷图像采集与处理系统
2.2.1 水工隧洞图像采集系统
2.2.2 水工隧洞图像处理系统
2.3 本章小结
3 水工隧洞图像预处理
3.1 隧洞图像数据准备
3.1.1 数据增广技术
3.1.2 图像增强
3.2 基于深度学习的隧洞图像去噪
3.2.1 算法结构
3.2.2 评价指标及降噪结果
3.3 数据标注
3.4 本章小结
4 表面缺陷检测网络模型研究与设计
4.1 基于卷积神经网络的图像分类
4.1.1 卷积神经网络
4.1.2 深度学习框架
4.1.3 基于数据驱动技术的图像分割
4.2 基于全卷积网络缺陷像素级检测
4.2.1 Clique团块
4.2.2 全卷积网络结构
4.3 基于二阶段深度卷积神经网络缺陷检测
4.3.1 算法设计
4.3.2 二阶段网络结构
4.4 水工隧洞缺检测评价指标
4.5 本章小结
5 实验验证与结果分析
5.1 缺陷检测实验平台
5.2 基于全卷积神经网络缺陷检测实验
5.2.1 网络模型训练
5.2.2 不同实验参数影响
5.2.3 实验结果分析
5.3 基于二阶段网络缺陷检测实验
5.3.1 网络模型训练
5.3.2 不同实验参数的影响
5.3.3 实验结果分析
5.4 缺陷图像量化分析
5.4.2 缺陷图像细化
5.4.2 缺陷宽度获取算法
5.4.3 实验结果
5.5 本章小结
总结与展望
致 谢
参考文献
攻读学位期间取得的研究成果
西南科技大学;