在工業(yè)生產(chǎn)領(lǐng)域,運(yùn)用光學(xué)圖像實(shí)現(xiàn)工件表面的缺陷檢測(cè)已經(jīng)較為普遍。本課題研究對(duì)象為手機(jī)屏幕,某手機(jī)維修廠家需要對(duì)手機(jī)屏幕的表面缺陷進(jìn)行自動(dòng)化檢測(cè),然而傳統(tǒng)的圖像處理方法難以適應(yīng)手機(jī)這樣復(fù)雜多樣的表面情況。因此本課題嘗試探索一種基于深度學(xué)習(xí)的檢測(cè)復(fù)雜表面缺陷的方法,希望對(duì)其它工件的檢測(cè)也產(chǎn)生一些啟發(fā)。本文基于此需求與目標(biāo),主要工作如下:分析了課題的具體任務(wù)需求并制定了系統(tǒng)的總體設(shè)計(jì)方案,本課題采用光學(xué)圖像進(jìn)行研究,一個(gè)完整的缺陷檢測(cè)系統(tǒng)包括圖像采集模塊,圖像預(yù)處理模塊以及缺陷檢測(cè)模塊,這三個(gè)模塊最終組合在一個(gè)界面平臺(tái)中,本文對(duì)這四個(gè)部分展開(kāi)了論述,重點(diǎn)圍繞缺陷檢測(cè)部分。本文選擇了合適的光源與攝像頭,搭建了圖像的采集系統(tǒng)。圖像處理部分選擇了基于邊緣的分割算法提取感興趣區(qū)域（Region Of Interest,ROI）;選用了直方圖均衡化的算法進(jìn)行圖像增強(qiáng)。缺陷檢測(cè)部分選用了語(yǔ)義分割網(wǎng)絡(luò),課題先采用了經(jīng)典的U-Net網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn)。本文重點(diǎn)研究了小目標(biāo)分割問(wèn)題,即缺陷部分占比過(guò)小而分割困難的問(wèn)題,制定了特別的損失函數(shù)方案,采用了focal-loss與tversky-loss的組合,定制了特別的... 

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
        1.1.1 課題背景
        1.1.2 課題研究的目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于傳統(tǒng)機(jī)器視覺(jué)技術(shù)的缺陷檢測(cè)研究現(xiàn)狀
        1.2.2 基于機(jī)器學(xué)習(xí)的缺陷檢測(cè)研究現(xiàn)狀
    1.3 國(guó)內(nèi)外文獻(xiàn)綜述的簡(jiǎn)析
        1.3.1 表面缺陷檢測(cè)的研究成果
        1.3.2 表面缺陷檢測(cè)技術(shù)存在的問(wèn)題
    1.4 本文主要研究?jī)?nèi)容
第2章 手機(jī)屏幕缺陷檢測(cè)系統(tǒng)總體方案的設(shè)計(jì)
    2.1 手機(jī)屏幕缺陷檢測(cè)的任務(wù)分析
    2.2 手機(jī)屏幕缺陷檢測(cè)的工作方案設(shè)計(jì)
        2.2.1 圖像采集系統(tǒng)的方案設(shè)計(jì)
        2.2.2 圖像預(yù)處理方案設(shè)計(jì)
        2.2.3 卷積神經(jīng)網(wǎng)絡(luò)搭建的方案設(shè)計(jì)
    2.3 本章小結(jié)
第3章 缺陷分割網(wǎng)絡(luò)的搭建與訓(xùn)練
    3.1 數(shù)據(jù)集的準(zhǔn)備
    3.2 卷積神經(jīng)網(wǎng)絡(luò)的組成結(jié)構(gòu)
    3.3 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
        3.3.1 訓(xùn)練平臺(tái)的搭建
        3.3.2 評(píng)估標(biāo)準(zhǔn)的確定
        3.3.3 損失函數(shù)的確定
        3.3.4 正則化處理
        3.3.5 網(wǎng)絡(luò)的初始化
        3.3.6 優(yōu)化器的選擇
        3.3.7 網(wǎng)絡(luò)的訓(xùn)練
    3.4 本章小結(jié)
第4章 改進(jìn)的缺陷分割網(wǎng)絡(luò)方案設(shè)計(jì)
    4.1 分類網(wǎng)絡(luò)的設(shè)計(jì)
        4.1.1 經(jīng)典分類網(wǎng)絡(luò)簡(jiǎn)介
        4.1.2 分類網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)
    4.2 語(yǔ)義分割網(wǎng)絡(luò)的設(shè)計(jì)
        4.2.1 Attention機(jī)制
        4.2.2 Attention U-Net
    4.3 復(fù)合網(wǎng)絡(luò)的設(shè)計(jì)
    4.4 網(wǎng)絡(luò)的訓(xùn)練
        4.4.1 損失函數(shù)的確定
        4.4.2 正則化處理
        4.4.3 網(wǎng)絡(luò)的訓(xùn)練
    4.5 本章小結(jié)
第5章 缺陷檢測(cè)系統(tǒng)界面平臺(tái)的搭建與實(shí)驗(yàn)驗(yàn)證
    5.1 缺陷檢測(cè)系統(tǒng)界面平臺(tái)的搭建
    5.2 缺陷檢測(cè)系統(tǒng)的實(shí)驗(yàn)驗(yàn)證
        5.2.1 檢測(cè)效果驗(yàn)證
        5.2.2 檢測(cè)速度驗(yàn)證
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]手機(jī)屏幕產(chǎn)業(yè)與技術(shù)發(fā)展研究[J]. 趙茜,許云林,陳昱琦.  農(nóng)村經(jīng)濟(jì)與科技. 2019(04)
[2]一種基于混沌特性的磁瓦表面缺陷視覺(jué)提取方法[J]. 杜柳青,佘騁南,余永維.  儀器儀表學(xué)報(bào). 2013(11)
[3]硅太陽(yáng)能電池視覺(jué)檢測(cè)方法研究[J]. 張舞杰,李迪,葉峰.  計(jì)算機(jī)應(yīng)用. 2010(01)
[4]LED光源的應(yīng)用及前景[J]. 吳淑梅,霍彥明.  燈與照明. 2008(03)
[5]自適應(yīng)Canny算子邊緣檢測(cè)技術(shù)[J]. 李牧,閆繼紅,李戈,趙杰.  哈爾濱工程大學(xué)學(xué)報(bào). 2007(09)
[6]直方圖均衡化在圖像處理中的應(yīng)用[J]. 任艷斐.  科技信息. 2007(04)
[7]用帶約束的最小二乘法擬合平面圓曲線[J]. 劉元朋,張定華,桂元坤,李永奇.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2004(10)
[8]基于數(shù)學(xué)形態(tài)學(xué)的圖像處理[J]. 劉勍,張久文,溫志賢,張步達(dá).  天水師范學(xué)院學(xué)報(bào). 2004(02)
[9]圖像分割方法綜述[J]. 羅希平,田捷,諸葛嬰,王靖,戴汝為.  模式識(shí)別與人工智能. 1999(03)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的工件表面缺陷檢測(cè)系統(tǒng)[D]. 梁智聰.浙江大學(xué) 2018
[2]基于機(jī)器視覺(jué)的手機(jī)金屬板表面缺陷檢測(cè)技術(shù)研究[D]. 張劉赟.浙江大學(xué) 2018
[3]基于Gabor與區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的晶圓表面多尺度缺陷檢測(cè)技術(shù)研究[D]. 劉明明.浙江大學(xué) 2018
[4]基于機(jī)器視覺(jué)的USB插頭表面缺陷檢測(cè)技術(shù)研究[D]. 劉雙春.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所) 2017
[5]復(fù)雜背景下光滑物體表面的缺陷檢測(cè)技術(shù)研究[D]. 喬爽.華中科技大學(xué) 2016
[6]基于機(jī)器視覺(jué)的手機(jī)隔板劃痕檢測(cè)研究[D]. 宋迪.湘潭大學(xué) 2014



本文編號(hào)：3685908