声明
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 传统目标检测算法
1.2.2 基于深度学习的目标检测算法
1.2.3 焊点检测算法
1.3 论文主要内容与章节安排
第2章 深度学习理论
2.1 人工神经网络
2.1.1 神经元
2.1.2 感知机
2.1.3 多层神经网络
2.1.4 激活函数
2.1.5 优化算法
2.2 卷积神经网络
2.3 常见的卷积神经网络
2.3.1 LeNet-5 卷积神经网络
2.3.2 AlexNet 卷积神经网络
2.3.3 VGG 卷积神经网络
2.3.4 Inception 系列
2.3.5 ResNet 卷积神经网络
2.3.6 DenseNet 卷积神经网络
2.4 目标检测算法常用概念及评价指标
2.5 本章小结
第3章 基于传统图像处理的白车身焊点检测方法
3.1 焊点图像预处理
3.1.1 图像灰度化
3.1.2 图像滤波
3.1.3 边缘提取算法
3.2 基于霍夫圆变换的焊点定位
3.3 本章小结
第4章 基于 YOLO 的焊点检测算法
4.1 YOLO 目标检测算法
4.1.1 YOLOv1
4.1.2 YOLOv2
4.1.3 YOLOv3
4.2 白车身焊点数据集
4.2.1 数据集制作
4.2.2 K-means 候选框聚类
4.3 YOLOv2 改进方法
4.3.1 卷积结构改进
4.3.2 损失函数改进
4.4 改进方法的检测结果及对比分析
4.5 本章小结
总结与展望
1 研究总结
2 课题展望
参考文献
附录 A 攻读学位期间所发表的学术论文目录
致 谢
湖南大学;