近年來,隨著深度學(xué)習(xí)理論在計算機視覺領(lǐng)域的迅速發(fā)展與不斷成熟,基于深度學(xué)習(xí)的技術(shù)廣泛應(yīng)用在圖像識別檢測的問題上,如鐵軌表面缺陷檢測、玻璃表面缺陷檢測、綠色咖啡豆表面缺陷檢測等。我國經(jīng)濟的快速發(fā)展帶來了大中小城市的汽車使用量快速增長,大量汽車尾氣的排放導(dǎo)致空氣霧霾越來越嚴(yán)重,霧霾天氣讓人們出門不得不佩帶口罩,而且口罩也是醫(yī)生護士的必需品。目前市場上絕大多數(shù)口罩都是采用無紡布來生產(chǎn)的,這種類型的口罩在生產(chǎn)過程中會產(chǎn)生耳帶打結(jié)、耳帶脫落、口罩本體沾染毛發(fā)和污點等缺陷,這些缺陷會影響口罩使用者的正常佩帶和身體健康。目前,口罩生產(chǎn)線上使用的口罩表面缺陷識別檢測方法是傳統(tǒng)的圖像處理方法,這類方法需要人工設(shè)定特征,缺乏通用性和擴展性。為了解決傳統(tǒng)的圖像處理方法存在的缺點,本文采用深度學(xué)習(xí)算法對口罩產(chǎn)品的表面缺陷進行識別檢測。與傳統(tǒng)的圖像處理方法相比,深度學(xué)習(xí)算法的卷積神經(jīng)網(wǎng)絡(luò)無需人為設(shè)定特征算子來提取圖像特征信息,它能夠自動學(xué)習(xí)圖像中有用的特征信息,并將其提取出來。本文主要的研究內(nèi)容如下:1)提出了一種基于遷移學(xué)習(xí)的深度CNN口罩表面缺陷識別算法。該算法對VGG-16模型進行了小幅度調(diào)整,添加了BN... 

【文章來源】：深圳大學(xué)廣東省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

簡單的神經(jīng)網(wǎng)絡(luò)

神經(jīng)元節(jié)點示意圖

卷積神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)圖

【參考文獻】：
期刊論文
[1]基于機器視覺的鋁鑄件表面缺陷自動識別技術(shù)[J]. 鄭曉玲.  黎明職業(yè)大學(xué)學(xué)報. 2018(03)
[2]基于支持向量機的焊縫超聲TOFD缺陷分類識別[J]. 伏喜斌.  無損檢測. 2018(06)
[3]主流深度學(xué)習(xí)框架對比[J]. 加日拉·買買提熱衣木,常富蓉,劉晨,要秀宏.  電子技術(shù)與軟件工程. 2018(07)
[4]基于旋轉(zhuǎn)不變HOG特征的焊縫缺陷類型識別算法[J]. 王璐,王新房.  計算機系統(tǒng)應(yīng)用. 2018(02)
[5]基于模板算子邊緣檢測的圖像二值化算法[J]. 田敬波.  信息技術(shù)與信息化. 2017(09)
[6]基于迭代深度學(xué)習(xí)的缺陷檢測[J]. 李騰飛,秦永彬.  計算機與數(shù)字工程. 2017(06)
[7]深度學(xué)習(xí)框架和加速技術(shù)探討[J]. 余偉豪,李忠,安建琴,宋奕瑤.  軟件. 2017(06)
[8]基于機器視覺的缺陷在線檢測系統(tǒng)的研究[J]. 羅超,高軍,沙豐永,駱飛.  數(shù)字技術(shù)與應(yīng)用. 2016(04)
[9]基于堆疊降噪自動編碼器的膠囊缺陷檢測方法[J]. 王憲保,何文秀,王辛剛,姚明海,錢沄濤.  計算機科學(xué). 2016(02)
[10]一種快速提取植物葉片最小外接矩形算法[J]. 向元平,何燕平,危郁林,梁歡,郭本初.  計算機與現(xiàn)代化. 2016(02)

博士論文
[1]基于機器視覺的農(nóng)田害蟲快速檢測與識別研究[D]. 韓瑞珍.浙江大學(xué) 2014

碩士論文
[1]基于深度學(xué)習(xí)的玻璃缺陷識別方法研究[D]. 甕佳良.中北大學(xué) 2017
[2]基于深度學(xué)習(xí)與SVM的電弧熔積表面缺陷檢測與分類[D]. 鄧星.華中科技大學(xué) 2016
[3]深度學(xué)習(xí)算法在表面缺陷識別中的應(yīng)用研究[D]. 李夢園.浙江工業(yè)大學(xué) 2015



本文編號：3208305