首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

计算机视觉技术在PCB板精密检测中的应用研究

摘要第6-8页
ABSTRACT第8-9页
第一章 绪论第12-19页
    1.1 课题背景及意义第12-13页
    1.2 课题要求及国内外研究现状第13-16页
        1.2.1 PCB板检测研究现状第13-14页
        1.2.2 计算机视觉相关技术研究现状第14-16页
    1.3 本论文的主要工作和创新点第16-19页
第二章 PCB板计算机视觉检测第19-34页
    2.1 PCB板检测系统框架第19-20页
    2.2 检测系统硬件搭建第20-24页
        2.2.1 相机的选型第21-22页
        2.2.2 照明系统的设计第22-23页
        2.2.3 相机接口和图像存储格式第23页
        2.2.4 检测系统运动控制第23-24页
    2.3 PCB板检测系统流程第24-34页
        2.3.1 检测系统的标定第25-28页
        2.3.2 图像平滑、滤波与增强第28-34页
第三章 PCB图像边缘检测第34-55页
    3.1 图像边缘检测第34-39页
        3.1.1 图像边缘检测概念第34-35页
        3.1.2 传统边缘检测算子第35-39页
    3.2 蚁群算法边缘检测第39-49页
        3.2.1 蚁群算法第39-40页
        3.2.2 ACO-PSO算法边缘检测第40-44页
        3.2.3 ACO-PSO边缘检测实验第44-49页
    3.3 亚像素边缘检测第49-55页
        3.3.1 图像插值算法第50-51页
        3.3.2 基于插值的亚像素边缘检测第51页
        3.3.3 PCB板亚像素边缘检测第51-55页
第四章 基于图像匹配的PCB检测第55-64页
    4.1 图像匹配技术第55-59页
        4.1.1 图像匹配与图像变换第55-58页
        4.1.2 图像匹配的分类第58-59页
    4.2 基于灰度的模板匹配第59-61页
        4.2.1 序贯相似度检测法第59-60页
        4.2.2 互相关法第60页
        4.2.3 交互信息法第60-61页
    4.3 特征点匹配第61-64页
        4.3.1 SIFT特征点匹配第61-62页
        4.3.2 SURF特征点匹配第62-64页
第五章 PCB检测的软件系统第64-68页
第六章 总结与展望第68-70页
    6.1 本文总结第68-69页
    6.2 前景与展望第69-70页
参考文献第70-76页
攻读硕士学位期间发表的学术论文及取得的相关科研成果第76-77页
致谢第77-78页

论文共78页,点击 下载论文
上一篇:泰安肥城煤矿安全隐患排查管理信息系统设计与实现
下一篇:青岛市移动公司大客户管理系统设计与实现