声明
第1章 引言
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 废旧有色金属视觉分选研究现状
1.2.2 深度学习视觉识别研究现状
1.2.3 文献总结
1.3 研究内容
第2章 分选系统设计及破碎料图像数据集建立
2.1 破碎料来源
2.2 破碎料图像数据集
2.2.1 单目标识别和多目标识别
2.2.2 破碎料单目标识别数据集
2.2.3 破碎料多目标识别数据集
2.3 分选系统设计
2.4 本章小结
第3章 易混淆破碎料特征分析
3.1 破碎料图像分割
3.2 易混淆破碎料的特点
3.3 破碎料颜色特征
3.3.1 破碎料全局颜色均值
3.3.2 破碎料彩色模型增广
3.3.3 破碎料颜色概率密度特征
3.3.4 破碎料颜色空间分布特征
3.4 破碎料纹理特征
3.5 破碎料特征对比
3.5.1 前馈神经网络分类模型建立
3.5.2 破碎料特征对比实验
3.6 本章小结
第4章 破碎料识别模型的建立
4.1 破碎料单目标识别
4.1.1 深度卷积神经网络模型的建立
4.1.2 归一化对比实验
4.1.3 破碎料单目标识别实验
4.2 破碎料多目标识别
4.2.1 破碎料多目标识别模型的建立
4.2.2 破碎料多目标识别实验
4.3 本章小结
第5章 破碎料识别模型的改进
5.1 小破碎料识别问题及解决方案
5.1.1 多尺寸目标识别模型建立
5.1.2 实验对比分析
5.2 类别不平衡问题及解决方案
5.2.1 分类损失函数的改进
5.2.2 实验对比分析
5.3 漏检问题及解决方案
5.3.1 边界框回归损失函数的改进
5.3.2 实验对比分析
5.4 深度学习识别模型的彩色模型增广
5.4.1 彩色模型增广的识别模型建立
5.4.2 实验对比分析
5.5 针对易混淆破碎料的特征提取与深度学习的组合模型
5.5.1 针对易混淆破碎料的特征提取与深度学习的组合模型建立
5.5.2 实验对比分析
5.6 本章小结
第6章 结论与展望
6.1 结论
6.2 展望
致谢
参考文献
攻读学位期间获得与学位论文相关的科研成果
武汉理工大学;