發(fā)布時(shí)間：2022-08-07 18:00

　　隨著工業(yè)生產(chǎn)效率的不斷提升,對(duì)工業(yè)產(chǎn)品的檢測(cè)標(biāo)準(zhǔn)也越來越嚴(yán)格。傳統(tǒng)圖像處理方法通�；陬A(yù)先設(shè)計(jì)好的特征提取器,通過不斷調(diào)整參數(shù)來優(yōu)化檢測(cè)結(jié)果,對(duì)紋理復(fù)雜的工業(yè)圖像檢測(cè)效果較差。而深度學(xué)習(xí)通過對(duì)大量樣本進(jìn)行訓(xùn)練學(xué)習(xí),得到的特征能夠更好地表征數(shù)據(jù)集的本質(zhì)信息,更有利于表面缺陷的分類與檢測(cè),為目前傳統(tǒng)算法中存在的誤檢率高、準(zhǔn)確率低等問題提供了新的解決思路。本文提出了基于GAN和Faster R-CNN的工業(yè)圖像分類與檢測(cè)算法、基于YOLOv2的工業(yè)圖像分類與檢測(cè)算法。研究內(nèi)容主要包括以下幾個(gè)方面:（1）研究了工業(yè)圖像分類與檢測(cè)問題,設(shè)計(jì)了基于深度學(xué)習(xí)的工業(yè)圖像分類與檢測(cè)系統(tǒng)。系統(tǒng)主要包括圖像采集子系統(tǒng)、電機(jī)驅(qū)動(dòng)與控制、數(shù)據(jù)處理與人機(jī)交互和機(jī)器人協(xié)調(diào)控制四部分。通過相機(jī)拍攝工業(yè)圖像,使用深度學(xué)習(xí)算法判斷圖像中是否存在缺陷,并統(tǒng)計(jì)缺陷類型及位置信息,實(shí)現(xiàn)工業(yè)圖像的實(shí)時(shí)分類與檢測(cè),在輸出控制部分引入機(jī)器人技術(shù),通過機(jī)械臂將有缺陷的工業(yè)品進(jìn)行分揀,從而提高產(chǎn)品質(zhì)量。（2）提出基于GAN和Faster R-CNN的工業(yè)圖像分類與檢測(cè)算法。針對(duì)工業(yè)圖像采集過程中存在缺陷樣本分布不均,數(shù)量匱乏和類型單一等... 

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題來源
    1.2 課題研究背景及意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 工業(yè)圖像分類與檢測(cè)算法研究現(xiàn)狀
        1.3.2 深度學(xué)習(xí)研究現(xiàn)狀及發(fā)展動(dòng)態(tài)
    1.4 論文章節(jié)安排
2 研究對(duì)象與系統(tǒng)方案設(shè)計(jì)
    2.1 研究對(duì)象及需求分析
        2.1.1 無紡布口罩
        2.1.2 色織物
        2.1.3 紐扣
    2.2 系統(tǒng)整體方案
        2.2.1 圖像采集子系統(tǒng)
        2.2.2 圖像采集部件選型
        2.2.3 電機(jī)驅(qū)動(dòng)和控制
        2.2.4 機(jī)器人協(xié)調(diào)控制系統(tǒng)
    2.3 本章小結(jié)
3 基于GAN和 Faster R-CNN的工業(yè)圖像分類與檢測(cè)
    3.1 GAN和 Faster R-CNN網(wǎng)絡(luò)結(jié)構(gòu)
    3.2 生成對(duì)抗網(wǎng)絡(luò)擴(kuò)充樣本
        3.2.1 生成對(duì)抗網(wǎng)絡(luò)
        3.2.2 生成對(duì)抗網(wǎng)絡(luò)設(shè)計(jì)
    3.3 Faster R-CNN提取缺陷區(qū)域
        3.3.1 RPN網(wǎng)絡(luò)
        3.3.2 多任務(wù)損失函數(shù)
        3.3.3 Softmax分類器
        3.3.4 非極大值抑制算法
    3.4 實(shí)驗(yàn)與分析
    3.5 本章小結(jié)
4 基于YOLOv2 的工業(yè)圖像分類與檢測(cè)
    4.1 YOLOv2 網(wǎng)絡(luò)結(jié)構(gòu)
        4.1.1 一體化檢測(cè)方案
        4.1.2 損失函數(shù)的設(shè)計(jì)
    4.2 模型優(yōu)化
        4.2.1 批正則化
        4.2.2 高分辨率分類器
        4.2.3 固定錨卷積
        4.2.4 直接定位預(yù)測(cè)
    4.3 實(shí)驗(yàn)與分析
        4.3.1 數(shù)據(jù)集預(yù)處理
        4.3.2 訓(xùn)練模型
        4.3.3 測(cè)試結(jié)果及分析
    4.4 本章小結(jié)
5 系統(tǒng)軟件設(shè)計(jì)
    5.1 開發(fā)工具介紹
        5.1.1 數(shù)據(jù)標(biāo)記工具
        5.1.2 集成開發(fā)工具
    5.2 用戶人機(jī)交互界面
        5.2.1 軟件設(shè)計(jì)方案
        5.2.2 系統(tǒng)界面設(shè)計(jì)
        5.2.3 數(shù)據(jù)標(biāo)記界面
    5.3 實(shí)驗(yàn)結(jié)果
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 課題展望
參考文獻(xiàn)
作者攻讀學(xué)位期間發(fā)表學(xué)術(shù)論文清單
致謝



本文編號(hào)：3670785