第一章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 玻璃缺陷检测系统及传统缺陷识别方法研究现状
1.2.2 深度学习及缺陷识别方法的研究现状
1.3 论文主要工作及章节安排
第二章 玻璃缺陷图像获取及其预处理
2.1玻璃缺陷检测系统
2.1.1检测原理
2.1.2检测系统构成
2.2玻璃缺陷图像预处理
2.2.1玻璃缺陷的成因与类型
2.2.2条带噪声分析
2.2.3基于直方图匹配的条带噪声去除
2.2.4基于形态学平均滤波的条带噪声去除
2.2.5基于带阻滤波器的条带噪声滤除
2.2.6分段线性变换
2.3 本章小结
第三章 基于深度学习网络的玻璃缺陷类型识别
3.1 玻璃缺陷数据库的构建
3.2 卷积神经网络
3.3 基于卷积神经网络的玻璃缺陷识别
3.4 本章小结
第四章 基于多通道集成卷积神经网络的玻璃缺陷识别
4.1 基于集成卷积神经网络的玻璃缺陷识别
4.1.1白化处理过程
4.1.2 稀疏自编码器
4.1.3 稀疏自编码结果
4.1.4 KSVD算法
4.1.5 基于集成卷积神经网络的玻璃缺陷识别结果
4.2 基于多通道集成卷积神经网络的玻璃缺陷识别
4.2.1 玻璃缺陷图像增强
4.2.2 基于多通道集成卷积神经网络的玻璃缺陷识别
4.3 本章小结
第五章 总结与展望
5.1 论文工作总结
5.2 研究展望
参考文献
攻读硕士学位期间发表的论文及研究成果
致谢