1 绪 论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 目标检测技术研究现状
1.2.2 无损检测技术研究现状
1.2.3 基于图像的铸件缺陷检测研究现状
1.3 课题来源
1.4 课题主要研究内容
1.5 论文结构安排
1.6 本章小结
2 铸件缺陷DR 图像数据集构建及预处理
2.1.1 货运列车转向架结构
2.1.2 铸钢摇枕和侧架结构
2.2.1 铸件缺陷 DR图像预处理
2.2.2 铸件缺陷 DR图像数据增强
2.3.1 缺陷标注形式
2.3.2 缺陷标注实现
2.4 本章小结
3 基于YOLOv3 网络模型结构的研究与分析
3.1 引言
3.2 卷积神经网络
3.3 YOLOv3 网络结构分析
3.3.1 YOLOv3的工作原理及流程
3.3.2 YOLOv3网络整体结构
3.3.3 Darknet-53网络结构
3.3.4 残差网络结构
3.3.5 YOLOv3网络多尺度输出预测
3.4 网络输出特征图的预测分析
3.5 YOLOv3 损失函数
3.6 本章小结
4 基于YOLOv3_134 网络模型的铸件缺陷识别
4.1 引言
4.2.1 K-means 均值聚类算法
4.2.2 K-means++聚类算法及其在应用上的改进
4.3 针对缺陷检测模块的改进
4.3.1 引入双密度卷积层结构
4.3.2 增加模型预测尺度
4.4 针对网络模型性能的优化
4.5.1 实验设备与环境
4.5.2 模型评价指标
4.6.1 训练方法
4.6.2 训练实验过程
4.7 对比实验结果与分析
4.7.1 基于训练过程中损失函数值曲线变化的对比实验
4.7.2 基于对小目标检测敏感度的对比实验
4.7.3 基于迭代次数与平均精确度均值关系对比实验
4.7.4 基于验证改进策略有效性的对比实验
4.7.5 基于分析不同模型检测结果的对比实验
4.8 本章小结
5 基于YOLOv3_134 网络的铸件缺陷检测系统实现
5.1 铸件缺陷检测系统任务需求
5.2.1 客户端用户界面设计
5.2.2 服务器端检测系统部署
5.3 铸件缺陷检测系统设计实现
5.4 本章小结
6 总结与展望
6.1 论文总结
6.2 课题展望
参考文献
附录
A. 作者在攻读学位期间发表的论文专利
B. 作者在攻读学位期间参与的科研项目
C. 学位论文数据集
致谢
重庆大学;