基于全卷积网络的核燃料芯块表面裂纹检测算法研究

目录

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