玻璃生產(chǎn)過程中會產(chǎn)生諸如氣泡、癤瘤和夾雜等不同類型的不利缺陷,玻璃缺陷準(zhǔn)確識別的研究有助于改進(jìn)生產(chǎn)技術(shù),提高玻璃質(zhì)量。缺陷特征的提取直接決定了缺陷類型識別的準(zhǔn)確率,但是當(dāng)前方法中的特征選取很大程度上依靠經(jīng)驗和運(yùn)氣,并且需要大量的時間進(jìn)行調(diào)節(jié)。本文采用基于深度學(xué)習(xí)的特征提取技術(shù),以實現(xiàn)多樣性的缺陷類型的準(zhǔn)確識別,主要工作如下:1).在分析深度學(xué)習(xí)的基本理論的基礎(chǔ)上,重點研究了前饋神經(jīng)網(wǎng)絡(luò)、堆棧自編碼網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)三類深度學(xué)習(xí)模型結(jié)構(gòu)以及訓(xùn)練算法。構(gòu)建了常見的玻璃缺陷類型的樣本數(shù)據(jù)庫。2).采用前饋神經(jīng)網(wǎng)絡(luò)、堆棧自編碼網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)與SoftMax分類器相結(jié)合的缺陷識別算法,實現(xiàn)了玻璃缺陷類型的識別,研究了缺陷識別時間、準(zhǔn)確率與網(wǎng)絡(luò)結(jié)構(gòu)之間的關(guān)系。根據(jù)對比結(jié)果,選取了卷積神經(jīng)網(wǎng)絡(luò)作為玻璃缺陷類型識別的深度學(xué)習(xí)網(wǎng)絡(luò)。3).針對卷積神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時參數(shù)調(diào)節(jié)困難、易陷入局部最優(yōu)值等問題,采取無監(jiān)督學(xué)習(xí)和遺傳算法相結(jié)合的方式對卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法進(jìn)行改進(jìn),從訓(xùn)練樣本中隨機(jī)選取一部分局部圖像塊并進(jìn)行ZCA白化處理,構(gòu)建一個自編碼器并利用遺傳算法強(qiáng)大的全局尋優(yōu)能力對自編碼器初始權(quán)值進(jìn)行優(yōu)化,然... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 玻璃缺陷識別方法的發(fā)展和國內(nèi)外現(xiàn)狀
        1.2.2 深度學(xué)習(xí)在圖像領(lǐng)域的發(fā)展與研究現(xiàn)狀
    1.3 本文研究內(nèi)容及安排
第二章 基于深度學(xué)習(xí)的玻璃缺陷識別方法
    2.1 研究目標(biāo)
    2.2 研究方法評價標(biāo)準(zhǔn)
    2.3 玻璃缺陷數(shù)據(jù)庫的建立
    2.4 研究方案設(shè)計
    2.5 實驗環(huán)境
    2.6 本章小結(jié)
第三章 玻璃缺陷的深度學(xué)習(xí)網(wǎng)絡(luò)的確定
    3.1 SoftMax分類器基本理論
        3.1.1 Logistic回歸
        3.1.2 SoftMax回歸
    3.2 基于前饋神經(jīng)網(wǎng)絡(luò)的玻璃缺陷識別
        3.2.1 前饋神經(jīng)網(wǎng)絡(luò)基本理論
        3.2.2 實驗方法
        3.2.3 實驗結(jié)果及分析
    3.3 基于堆棧自編碼網(wǎng)絡(luò)的玻璃缺陷識別
        3.3.1 堆棧自編碼網(wǎng)絡(luò)基本理論
        3.3.2 實驗方法
        3.3.3 實驗結(jié)果及分析
    3.4 基于卷積神經(jīng)網(wǎng)絡(luò)的玻璃缺陷識別
        3.4.1 卷積神經(jīng)網(wǎng)絡(luò)基本理論
        3.4.2 實驗方法
        3.4.3 實驗結(jié)果及分析
    3.5 實驗結(jié)果對比分析
    3.6 本章小結(jié)
第四章 卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)方法研究
    4.1 圖像白化
        4.1.1 PCA白化和ZCA白化
        4.1.2 ZCA白化處理圖像
    4.2 遺傳算法優(yōu)化自編碼器
        4.2.1 遺傳算法及實現(xiàn)細(xì)節(jié)介紹
        4.2.2 遺傳算法優(yōu)化自編碼器初始權(quán)值
    4.3 改進(jìn)型卷積神經(jīng)網(wǎng)絡(luò)對玻璃缺陷識別
    4.4 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文及所取得的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)在錨桿錨固類型識別中的應(yīng)用[J]. 鄭海青,張玉,孫曉云.  濟(jì)南大學(xué)學(xué)報(自然科學(xué)版). 2020(01)

博士論文
[1]基于紅外熱成像的北方居住建筑外墻熱阻辨識方法[D]. 陳琳.哈爾濱工業(yè)大學(xué) 2020
[2]普適計算環(huán)境下人體行為識別及情景感知研究[D]. 牛曉鵬.北京科技大學(xué) 2018



本文編號：3002297