三维灰度矩阵图像识别及零样本分类算法研究

发布时间：2021-10-18 15:47

　　钢板的生产质量好坏一直是企业尤为关心的问题,它不仅关乎到企业的经济效益和产品影响力,更是对其下游制造业起到决定性作用。但是在现实生产环节中成品钢板难免会出现有缺陷的不良品,如果将这些带缺陷产品投放市场,将会带来巨大的损失。据统计,国内钢材产品中质量异议事件60%以上来自于钢材表面缺陷造成,因此,在钢板的生产过程中对其表面进行缺陷检查是至关重要的。目前大多数中小型钢板制造商对钢板表面缺陷的检测仍采用人工目测或闪频光检测,但是,这些方法要么易发生漏检、错检,检测效率不高;要么维护成本昂贵,无法实现普及。为此,鉴于计算机视觉技术和深度学习研究日益成熟,以钢板表面缺陷检测识别技术为研究对象,分析现有计算机视觉技术和深度学习在钢板表面缺陷检测中的优势与不足,通过设计、改进算法模型提升缺陷检测与识别的效率。主要研究内容如下:提出一种基于三维灰度矩阵的图像分割算法,用于解决现有的图像分割技术运用在灰度结构复杂,目标边缘模糊的钢板缺陷图像中仍然存在识别效率低,过分割现象明显等问题。首先结合图像灰度矩阵的空间特征构建三维灰度矩阵;然后引入半类间方差改进克里金插值算法,绘制三维灰度矩阵的等值线图;接着构建... 

【文章来源】：江西理工大学江西省

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究内容及创新点
    1.3 论文结构安排
第二章 研究基础及研究现状
    2.1 钢板缺陷的种类与成因
    2.2 钢板表面检测的主要方法
    2.3 基于图像分割的表面检测技术
    2.4 零样本学习发展简述
    2.5 本章小结
第三章 三维灰度矩阵的钢板表面缺陷分割
    3.1 研究背景概述
    3.2 基础理论分析
        3.2.1 矩阵的三维变换
        3.2.2 克里金插值算法
    3.3 基于三维灰度矩阵的图像分割算法
        3.3.1 构建三维灰度矩阵
        3.3.2 绘制三维灰度矩阵对应等值线
        3.3.3 建立等值线拓扑关系树
        3.3.4 遍历拓扑关系树寻找目标轮廓
    3.4 三维灰度矩阵图像分割算法总流程
    3.5 实验结果与性能分析
        3.5.1 实现效果定性分析
        3.5.2 实验效果定量分析
    3.6 本章小结
第四章 零样本学习的图像识别
    4.1 零样本学习的起源
        4.1.1 理论研究背景
        4.1.2 工程领域应用
    4.2 零样本学习的技术架构
    4.3 零样本学习模型建立
        4.3.1 直推式零样本学习
        4.3.2 归纳式零样本学习
    4.4 基于零样本学习的图像识别技术
        4.4.1 视觉特征提取
        4.4.2 语义特征提取
        4.4.3 视觉-语义映射
    4.5 基于零样本学习图像识别的性能分析
        4.5.1 评估数据集简介
        4.5.2 性能评估指标
        4.5.3 传统零样本学习VS泛化零样本学习
        4.5.4 主流模型性能对比分析
        4.5.5 技术特征与挑战
    4.6 本章小结
第五章 钢板缺陷种类的零样本分类
    5.1 研究背景概述
    5.2 基础理论分析
        5.2.1 直推式学习理论
        5.2.2 泛化实验设置
    5.3 基于钢板缺陷强化特征的直推式学习模型
        5.3.1 钢板缺陷基础特征网络
        5.3.2 钢板缺陷强化特征网络
        5.3.3 钢板缺陷语义特征网络
        5.3.4 多源特征嵌入网络
        5.3.5 分类器设计
        5.3.6 模型优化
    5.4 钢板缺陷分类识别模型总体设计
    5.5 实验结果与性能分析
    5.6 本章小结
第六章 总结与展望
    6.1 研究内容总结
    6.2 未来工作展望
参考文献
致谢
攻读学位期间的研究成果



本文编号：3443064