| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第6-14页 |
| 1.1 研究背景意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-11页 |
| 1.2.1 视觉检测的研究现状 | 第7-10页 |
| 1.2.2 视觉检测面临的主要问题 | 第10-11页 |
| 1.3 研究内容 | 第11页 |
| 1.4 论文组织架构 | 第11-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第2章 表面检测技术相关理论基础研究 | 第14-26页 |
| 2.1 PCB表面缺陷检测的技术分析 | 第14页 |
| 2.1.1 PCB表面缺陷检测定义 | 第14页 |
| 2.1.2 PCB表面缺陷检测关键技术 | 第14页 |
| 2.2 机器视觉表面检测技术 | 第14-16页 |
| 2.2.1 机器视觉表面检测技术的介绍 | 第14-15页 |
| 2.2.2 机器视觉检测系统及其优势 | 第15-16页 |
| 2.3 PCB自动光学检测关键问题 | 第16-24页 |
| 2.3.1 PCB表面缺陷的分类 | 第16-18页 |
| 2.3.2 机器视觉在PCB表面缺陷检测中的应用 | 第18-19页 |
| 2.3.3 几种常见的机器视觉算法 | 第19-23页 |
| 2.3.4 图像处理 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 表面检测算法研究 | 第26-44页 |
| 3.1 双频FTP在表面检测中的应用 | 第26-35页 |
| 3.1.1 基本原理 | 第26-28页 |
| 3.1.2 双频FTP检测模型 | 第28-31页 |
| 3.1.3 计算机模拟及结果 | 第31-35页 |
| 3.2 基于机器视觉的物体阶跃表面检测算法研究与实现 | 第35-43页 |
| 3.2.1 基本原理 | 第36-38页 |
| 3.2.2 实验系统模型搭建与算法测试分析 | 第38-39页 |
| 3.2.3 计算机仿真与分析 | 第39-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 表面缺陷检测的方案提出及试验验证 | 第44-64页 |
| 4.1 机器视觉检测平台 | 第44-48页 |
| 4.2 AOI自动光学检测 | 第48-50页 |
| 4.3 PCB板2D视觉检测 | 第50-63页 |
| 4.3.1 IC引线外观检测 | 第51-55页 |
| 4.3.2 元器件检测 | 第55-59页 |
| 4.3.3 芯片上的光学字符识别与代码读取 | 第59-61页 |
| 4.3.4 焊点与组焊剂检测 | 第61-62页 |
| 4.3.5 外壳外观检测 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 质量优化模型构建 | 第64-76页 |
| 5.1 流程自动化 | 第64-66页 |
| 5.2 检测数据采集 | 第66-68页 |
| 5.3 数据反馈与质量改进 | 第68-74页 |
| 5.4 本章小结 | 第74-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 研究工作总结 | 第76-77页 |
| 6.2 下一步研究工作展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 附录A 在校期间发表的学术论文与研究成果 | 第84-85页 |