| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 机器视觉系统概述 | 第8-23页 |
| 1.1 机器视觉的国内外发展状况 | 第8页 |
| 1.2 机器视觉系统的基本组成 | 第8-12页 |
| 1.2.1 采集图像的硬件系统 | 第9-11页 |
| 1.2.2 处理图像的软件模块 | 第11-12页 |
| 1.3 机器视觉的常用算法 | 第12-22页 |
| 1.3.1 基本的图像处理算法 | 第12-16页 |
| 1.3.2 基本的分类模型 | 第16-22页 |
| 1.4 本章小结 | 第22-23页 |
| 第二章 SMT钢网的缺陷分析 | 第23-38页 |
| 2.1 SMT钢网缺陷的成因与类型 | 第23-27页 |
| 2.1.1 钢网与缺陷的基本参数 | 第23-25页 |
| 2.1.2 缺陷产生的原因分析 | 第25页 |
| 2.1.3 缺陷的类型与特点 | 第25-27页 |
| 2.2 SMT钢网缺陷的主要检测方法 | 第27-36页 |
| 2.2.1 基于机器视觉的表面缺陷检测算法 | 第28-29页 |
| 2.2.2 使用Gerber文件的差影检测 | 第29-31页 |
| 2.2.3 使用Gerber文件的亚像素边界距离检测 | 第31-36页 |
| 2.3 无Gerber文件的SMT钢网缺陷检测思路 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 SMT钢网图像的预处理与特征提取 | 第38-54页 |
| 3.1 钢网图像的预处理方法 | 第38-41页 |
| 3.1.1 图像拼接技术 | 第38-39页 |
| 3.1.2 图像孔洞分块 | 第39-40页 |
| 3.1.3 图像孔洞内外分割 | 第40-41页 |
| 3.2 钢网孔洞的缺陷特征分析 | 第41-45页 |
| 3.3 钢网图像的特征点提取 | 第45-52页 |
| 3.3.1 基于开闭运算的角点提取 | 第45-47页 |
| 3.3.2 基于边界特征的角点提取 | 第47-50页 |
| 3.3.3 Harris角点提取的结果分析 | 第50-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 特征区域的图像分类技术 | 第54-82页 |
| 4.1 分类模型的基本构建 | 第54-59页 |
| 4.1.1 kNN分类模型构建 | 第55-56页 |
| 4.1.2 SVM分类模型构建 | 第56-58页 |
| 4.1.3 MLP分类模型构建 | 第58-59页 |
| 4.2 基于像素灰度的角点区域分类 | 第59-65页 |
| 4.2.1 基本思路与实现过程 | 第59-61页 |
| 4.2.2 各分类模型的结果与分析 | 第61-65页 |
| 4.3 基于图像特征的角点区域分类 | 第65-78页 |
| 4.3.1 角点区域图像的特征分析 | 第65-71页 |
| 4.3.2 特征向量的归一化与PCA降维处理 | 第71-74页 |
| 4.3.3 各分类模型的结果与分析 | 第74-78页 |
| 4.4 分类模型在标定板上的缺陷检测 | 第78-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第五章 总结与展望 | 第82-85页 |
| 5.1 主要工作与创新点 | 第82-84页 |
| 5.2 后续研究工作展望 | 第84-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-89页 |