基于迁移学习的TFT-LCD缺陷智能识别系统研制与应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景、目的与意义 | 第9-10页 |
| 1.3 TFT-LCD制程及缺陷简介 | 第10-12页 |
| 1.4 AOI系统国内外研究现状 | 第12-14页 |
| 1.5 缺陷分类算法研究现状 | 第14-15页 |
| 1.6 本文研究内容与章节安排 | 第15-17页 |
| 2 视觉系统设计 | 第17-29页 |
| 2.1 系统总体框架 | 第17-19页 |
| 2.2 视觉系统构成 | 第19-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 光学建模分析与优化 | 第29-48页 |
| 3.1 视觉系统整体分析 | 第29-30页 |
| 3.2 背光出射模型 | 第30-31页 |
| 3.3 TFT-LCD透射模型 | 第31-33页 |
| 3.4 镜头成像模型 | 第33-40页 |
| 3.5 相机传感器响应模型 | 第40-43页 |
| 3.6 视觉系统优化实验 | 第43-47页 |
| 3.7 本章小结 | 第47-48页 |
| 4 在线缺陷识别算法研究 | 第48-65页 |
| 4.1 缺陷智能识别系统算法流程 | 第48-49页 |
| 4.2 OSC-TL在线缺陷识别算法框架 | 第49-51页 |
| 4.3 基于深度学习和迁移学习的特征提取 | 第51-60页 |
| 4.4 OSC-TL训练过程 | 第60-63页 |
| 4.5 OSC-TL识别过程 | 第63-64页 |
| 4.6 本章小结 | 第64-65页 |
| 5 系统软件设计 | 第65-73页 |
| 5.1 软件需求分析 | 第65-67页 |
| 5.2 软件总体设计 | 第67-68页 |
| 5.3 软件接口设计 | 第68-70页 |
| 5.4 软件界面设计 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 6 系统在线识别实验 | 第73-84页 |
| 6.1 实验环境及数据 | 第73-74页 |
| 6.2 算法性能验证实验 | 第74-81页 |
| 6.3 系统在线识别实验 | 第81-83页 |
| 6.4 本章小结 | 第83-84页 |
| 7 总结与展望 | 第84-86页 |
| 7.1 全文总结 | 第84-85页 |
| 7.2 工作展望 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-90页 |
