| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题的研究背景及研究意义 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·数字图像处理技术在国内外应用现状 | 第10-11页 |
| ·PCB 板图像特征提取技术的发展现状 | 第11-12页 |
| ·智能识别模式在国内外发展现状 | 第12-13页 |
| ·课题的内容结构和整体安排部署 | 第13-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 基于显微视觉的焊点缺陷识别实验平台 | 第16-22页 |
| ·实验系统基本组成条件 | 第16-17页 |
| ·显微视觉系统软硬件组成 | 第17-20页 |
| ·CCD 摄像机 | 第17-18页 |
| ·显微视觉系统 | 第18-19页 |
| ·图像采集卡 | 第19页 |
| ·主机软硬件设备配置分析介绍 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 基于显微图像分析的焊点特征提取 | 第22-34页 |
| ·一次图像采集 | 第22-23页 |
| ·PCB 板焊点缺陷噪声分类及分析 | 第23-24页 |
| ·内部噪声 | 第23页 |
| ·外部噪声 | 第23-24页 |
| ·PCB 焊点图像预处理 | 第24-28页 |
| ·图像直方图及其灰度修正 | 第24-26页 |
| ·Wiener 平滑滤波处理 | 第26-28页 |
| ·基于 OSTU 的图像分割 | 第28-29页 |
| ·基于区域生长的图像分割 | 第29-32页 |
| ·区域生长基本原理 | 第29-31页 |
| ·图像区域生长分割仿真实验 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 基于显微图像的焊点多源特征提取 | 第34-52页 |
| ·二次图像采集 | 第34-35页 |
| ·基于灰度共生矩阵（GLCM）的纹理特征参数的提取 | 第35-42页 |
| ·灰度共生矩阵（GLCM）基本原理 | 第35-36页 |
| ·灰度共生矩阵（GLCM）实验分析 | 第36-39页 |
| ·灰度共生矩阵（GLCM）特征参数性质 | 第39页 |
| ·灰度共生矩阵（GLCM）特征参数的提取及分析 | 第39-42页 |
| ·多尺度的小波变换图像能量提取 | 第42-47页 |
| ·小波变换基本概念 | 第42-43页 |
| ·小波多尺度方向能量计算 | 第43-45页 |
| ·小波多尺度方向能量提取 | 第45-47页 |
| ·焊点特征几何形状参数的提取 | 第47-51页 |
| ·几何特征提取分析 | 第47-49页 |
| ·实验分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于 BP 神经网络的质量检测 | 第52-68页 |
| ·神经网络原理 | 第52-56页 |
| ·神经网络的基本概念 | 第52-53页 |
| ·神经网络学习过程 | 第53-56页 |
| ·传统 BP 神经网络存在的缺点及其原因 | 第56页 |
| ·BP 神经网络的一些改进算法 | 第56-58页 |
| ·附加动量项法 | 第56-57页 |
| ·变学习速率下降法 | 第57页 |
| ·共轭梯度算法 | 第57页 |
| ·LM 算法 | 第57-58页 |
| ·BP 神经网络的选择与设计 | 第58-60页 |
| ·网络层数 | 第58-59页 |
| ·隐含层的设计 | 第59页 |
| ·学习效率的选择 | 第59-60页 |
| ·网络误差 | 第60页 |
| ·实验部分 | 第60-65页 |
| ·神经网络结构 | 第60-61页 |
| ·神经网络的实验误差曲线图 | 第61-65页 |
| ·验证多方法并用的必要性 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| ·结论 | 第68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 附录 作者在攻读硕士学位期间发表的论文目录 | 第74页 |