紙張、板材以及各類卡片煙標等薄片型產(chǎn)品的準確計數(shù)對相關企業(yè)的成本控制有著十分重要的意義,但由于這類薄片產(chǎn)品通常數(shù)量龐大、種類繁多,早期的人工計數(shù)和物理計數(shù)法由于效率低誤差大而無法大規(guī)模使用,傳統(tǒng)圖像處理算法雖然提高了疊層薄片計數(shù)的自動化程度,但面對常見的薄片厚度不一、粘連、破損和低對比度等問題,這類算法由于只能利用疊層圖像的單一特征,因而無法做到多種疊層薄片的兼容計數(shù)。針對這些檢測難題,本文設計基于卷積神經(jīng)網(wǎng)絡的語義分割方法,通過對分割后的薄片疊層圖像進行連通區(qū)域計數(shù)獲得薄片數(shù)量。該方法通過獲取更大的上下文信息來得到更加準確的分割結果,繼而得到疊層薄片更加準確的數(shù)量,有效解決了困擾傳統(tǒng)圖像處理算法計數(shù)的諸多問題。本文具體內(nèi)容如下:（1）針對傳統(tǒng)圖像處理的薄片疊層計數(shù)中存在的問題,結合相關理論和薄片疊層成像特點,提出并實現(xiàn)利用深度卷積神經(jīng)網(wǎng)絡的方法對薄片圖像進行先分割后計數(shù)的方案。（2）結合薄片條紋分布的特征,用小圖訓練、全圖測試的方法對薄片疊層端面圖像進行分割,配合以多種數(shù)據(jù)增強方式,極大減小了需要標注的訓練集數(shù)據(jù)規(guī)模,使得模型的訓練和測試更加高效可行。（3）基于暫無相關數(shù)據(jù)集可用的現(xiàn)... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

不同用途中的薄片

疊層薄片計數(shù)方法分類針對疊層薄片的計數(shù)需求由來已久，現(xiàn)今也有相對應的許多計數(shù)方法，總結

傳統(tǒng)計數(shù)方法

【參考文獻】：
期刊論文
[1]基于反卷積特征學習的圖像語義分割算法[J]. 鄭菲,孟朝暉,郭闖世.  計算機系統(tǒng)應用. 2019(01)
[2]多工位圖像拼接的超高疊層薄片計數(shù)儀器開發(fā)[J]. 曹三,趙宏,甄小剛,肖昌炎.  電子測量與儀器學報. 2018(08)
[3]低對比度疊層薄片的機器視覺計數(shù)測量方法[J]. 肖昌炎,邱華林,趙宏,曹三,蔣仕龍.  湖南大學學報(自然科學版). 2018(04)
[4]最小曲率法與峰值檢測相結合的紙張計數(shù)算法[J]. 邱華林,肖昌炎,蔣仕龍.  電子測量與儀器學報. 2017(09)
[5]深度學習在目標視覺檢測中的應用進展與展望[J]. 張慧,王坤峰,王飛躍.  自動化學報. 2017(08)
[6]基于U-Net網(wǎng)絡的肺部CT圖像分割算法[J]. 袁甜,程紅陽,陳云虹,張海榮,王文軍.  自動化與儀器儀表. 2017(06)
[7]基于DCNN的圖像語義分割綜述[J]. 魏云超,趙耀.  北京交通大學學報. 2016(04)
[8]基于序的空間金字塔池化網(wǎng)絡的人群計數(shù)方法[J]. 時增林,葉陽東,吳云鵬,婁錚錚.  自動化學報. 2016(06)
[9]基于區(qū)域劃分的多特征紋理圖像分割[J]. 趙泉華,高郡,李玉.  儀器儀表學報. 2015(11)
[10]用于疊層紙張圖像分析計數(shù)的快速直線增長算法[J]. 楊碩,彭雙,肖昌炎.  計算機應用與軟件. 2015(09)

博士論文
[1]基于機器學習的目標跟蹤技術研究[D]. 陳東成.中國科學院研究生院(長春光學精密機械與物理研究所) 2015

碩士論文
[1]基于視覺結構模型的多目標語義分割[D]. 程榮亮.青島科技大學 2018
[2]基于深度卷積神經(jīng)網(wǎng)絡的圖像語義分割[D]. 馬驍.中國科學院大學(中國科學院光電技術研究所) 2018
[3]交通場景圖像的語義標注方法研究[D]. 郭呈呈.江南大學 2018
[4]面向疊層薄紙計數(shù)的圖像拼接與線檢測算法研究[D]. 甄小剛.湖南大學 2016
[5]煙標疊層數(shù)量機器視覺檢測儀的研究與開發(fā)[D]. 朱海斌.湖南大學 2013
[6]基于機器視覺的煙標質(zhì)量檢測及其計數(shù)系統(tǒng)[D]. 鄭光.華中科技大學 2007



本文編號：3585504