隨著社會經(jīng)濟的不斷發(fā)展,人們對商品的成分、產(chǎn)地、生產(chǎn)日期及有效期等信息格外關(guān)注,而記錄這些重要信息的正是商品的標(biāo)簽。標(biāo)簽在印刷過程中,受到各種因素的影響,導(dǎo)致一些質(zhì)量問題,如多印、少印等引起的點缺陷、線缺陷、面缺陷。因此,標(biāo)簽質(zhì)量檢測顯得尤為重要。本文根據(jù)實際使用需求,開發(fā)了一套基于改進的AlexNet標(biāo)簽缺陷檢測系統(tǒng)。該系統(tǒng)能有效避免由人工主觀因素導(dǎo)致的錯檢、漏檢等問題,提高了檢出率,達到保證標(biāo)簽質(zhì)量的目的。1)研究了卷積神經(jīng)網(wǎng)絡(luò)和Caffe深度學(xué)習(xí)框架等標(biāo)簽缺陷檢測的基本理論。在此基礎(chǔ)上,結(jié)合檢測需求給出了標(biāo)簽缺陷檢測系統(tǒng)的總體設(shè)計方案,主要包括需求分析、技術(shù)路線實現(xiàn)、硬件設(shè)備的研究、軟件模塊設(shè)計等。2)在研究主成分分析法（Principal Component Analysis,PCA）和支持向量機（Support Vector Machine,SVM）的基礎(chǔ)上,提出了基于PCA-SVM的標(biāo)簽缺陷檢測算法。通過對數(shù)據(jù)集進行歸一化處理,并將其輸入到模型中訓(xùn)練獲取最優(yōu)化參數(shù),從而完成檢測模型的構(gòu)建。實驗結(jié)果表明,該算法無需進行圖像的預(yù)處理和復(fù)雜模板的制作,實現(xiàn)方法簡單,適應(yīng)性強。3)... 

【文章來源】：南京信息工程大學(xué)江蘇省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

單神經(jīng)元網(wǎng)絡(luò)圖

南京信息工程大學(xué)碩士學(xué)位論文3,1( ) ( ) ( )Tw b i iih x f W x f W x b （2-1其中，W 是權(quán)值，b 是偏置， f :R R被稱之為“激活函數(shù)”。激活函加快了網(wǎng)絡(luò)的學(xué)習(xí)速度，尤其在進行大量數(shù)據(jù)訓(xùn)練時優(yōu)勢更加明顯。其原因要是卷積神經(jīng)網(wǎng)絡(luò)的線性模型表達能力不足，而非線性模型表達能力強，加激活函數(shù)可以引入非線性因素，提高網(wǎng)絡(luò)的表達能力。常用的激活函數(shù)有ReL函數(shù)1f =max(0,x)、 sigmoid 函數(shù)12(1 )xf e 和雙曲正切函 數(shù)（ Tanh3f tanh( x)，如圖 2.2 所示。

圖 2.2 所示。圖 2.2 激活函數(shù)圖像知，sigmoid 和 tanh 函數(shù)在 x 極大或者極小時很容易飽和，而 ReLUs 函數(shù)是一種非線性飽和快很多[27]。絡(luò)由多個單神經(jīng)元以分層的方式組合而成，圖。由圖可知，該網(wǎng)絡(luò)包含輸入層、輸出層和

【參考文獻】：
期刊論文
[1]基于深度學(xué)習(xí)的標(biāo)簽缺陷檢測系統(tǒng)應(yīng)用[J]. 李致金,李培秀,朱超.  現(xiàn)代電子技術(shù). 2019(07)
[2]卷積神經(jīng)網(wǎng)絡(luò)中激活函數(shù)的一種改進[J]. 劉小文,郭大波,李聰.  測試技術(shù)學(xué)報. 2019(02)
[3]基于Caffe深度學(xué)習(xí)框架的標(biāo)簽缺陷檢測應(yīng)用研究[J]. 李培秀,李致金,韓可,朱超.  中國電子科學(xué)研究院學(xué)報. 2019(02)
[4]一種改進型卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法[J]. 張斌,王強.  成都信息工程大學(xué)學(xué)報. 2019(01)
[5]工業(yè)過程故障診斷的FDKICA-PCA方法[J]. 張靜,朱菲菲,劉佳興,王江濤.  哈爾濱理工大學(xué)學(xué)報. 2018(06)
[6]基于Caffe深度學(xué)習(xí)框架的車牌數(shù)字字符識別算法研究[J]. 歐先鋒,向燦群,郭龍源,涂兵,吳健輝,張國云.  四川大學(xué)學(xué)報(自然科學(xué)版). 2017(05)
[7]基于改進多類支持向量機的印刷缺陷檢測[J]. 胡方尚,郭慧.  華東理工大學(xué)學(xué)報(自然科學(xué)版). 2017(01)
[8]適用于多接口CCD相機的圖像采集軟件設(shè)計與實現(xiàn)[J]. 張娜,沈建宏,朱斌.  電子技術(shù)與軟件工程. 2016(14)
[9]基于多GPU的深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法[J]. 顧乃杰,趙增,呂亞飛,張致江.  小型微型計算機系統(tǒng). 2015(05)
[10]基于邊緣與非邊緣分開處理的印刷品缺陷檢測[J]. 馬鵬,韓震宇,鄒龍飛,蘭云.  計測技術(shù). 2015(01)

博士論文
[1]基于深度學(xué)習(xí)的手語識別技術(shù)研究[D]. 黃杰.中國科學(xué)技術(shù)大學(xué) 2018
[2]彩色印刷品視覺檢測相關(guān)算法研究[D]. 郭軒.華中科技大學(xué) 2010

碩士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的多通道圖像超分辨方法[D]. 李金航.南京理工大學(xué) 2018
[2]基于深度學(xué)習(xí)的自然場景中交通標(biāo)志識別研究[D]. 譚兆麟.華南理工大學(xué) 2018
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類算法研究[D]. 溫煌璐.新疆大學(xué) 2018
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法研究[D]. 黃莉芝.西南交通大學(xué) 2018
[5]卷積網(wǎng)絡(luò)算法研究及其在圖像分類中的應(yīng)用[D]. 邱詩潔.東南大學(xué) 2018
[6]基于深度學(xué)習(xí)的圖片驗證碼識別算法研究[D]. 張樂樂.青島科技大學(xué) 2018
[7]基于深度學(xué)習(xí)的知乎標(biāo)題的多標(biāo)簽文本分類[D]. 張闖.北京交通大學(xué) 2018
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的多標(biāo)簽圖像分類[D]. 蘇越.吉林大學(xué) 2018
[9]基于深度學(xué)習(xí)的自然場景圖像文本檢測[D]. 黃家冕.西安電子科技大學(xué) 2018
[10]基于深度學(xué)習(xí)的車牌識別技術(shù)研究[D]. 耿文輝.西安電子科技大學(xué) 2018



本文編號：3240021