声明
摘要
图目录
1绪论
1.1研究背景及意义
1.2基于机器视觉技术的裂纹检测方法研究现状
1.2.1基于传统图像处理技术的裂纹检测方法
1.2.2基于机器学习技术的裂纹检测方法
1.3论文研究内容及框架
2基于深度学习的图像语义分割基础
2.1卷积神经网络理论基础
2.1.1卷积神经网络基本构成
2.1.2损失函数
2.1.3反向传播算法
2.2芯块表面裂纹图像数据集
2.2.1芯块形貌特征
2.2.2图像采集系统的设计与搭建
2.2.3数据集制作
2.3评价指标
2.4本章小结
3基于全卷积网络的裂纹图像语义分割
3.1全卷积网络结构及特点
3.1.1全卷积化
3.1.2上采样
3.1.3特征融合
3.2经典网络结构的选择
3.2.1 fCN-VGG16
3.2.2FCN-GoogLeNet
3.2.3FCN-ResNet50
3.3实验结果对比及分析
3.3.1实验环境
3.3.2网络训练
3.3.3实验结果分析
3.4本章小结
4改进的全卷积网络方案设计与实验验证
4.1编码器结构的改进方案与实验验证
4.1.1通道维度跨越与下采样
4.1.2金字塔池化
4.1.3通道注意力机制
4.1.4实验结果分析
4.2特征融合方式的改进方案与实验验证
4.2.1改进的跳跃结构
4.2.2特征拼接
4.2.3实验结果分析
4.3FPCDNet网络设计与实验验证
4.3.1FPCDNet网络架构
4.3.2实验结果对比及分析
4.3.3实测分析
4.4本章小结
5总结与展望
5.1本文内容总结
5.2工作展望
参考文献
个人简历、在校期间发表的学术论文与研究成果
致谢
郑州大学;