超声引线微焊点图像识别与分类
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.0 课题来源 | 第9页 |
| 1.1 课题研究的背景与意义 | 第9-11页 |
| 1.2 课题研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 课题主要研究内容 | 第14-17页 |
| 第2章 硬件平台及控制软件 | 第17-26页 |
| 2.1 硬件平台构建 | 第17-19页 |
| 2.1.1 运动控制部分硬件 | 第18页 |
| 2.1.2 机器视觉部分硬件 | 第18-19页 |
| 2.2 图形控制软件构建 | 第19-25页 |
| 2.2.1 工业相机的操作与图像显示模块 | 第20-23页 |
| 2.2.2 LED光源控制模块 | 第23-24页 |
| 2.2.3 运动控制模块 | 第24页 |
| 2.2.4 控制软件的整体界面 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 焊点图像的定位与提取算法 | 第26-38页 |
| 3.1 焊点图像提取算法的基本原理 | 第26-33页 |
| 3.1.1 空间滤波 | 第26-29页 |
| 3.1.2 直方图均衡化 | 第29-30页 |
| 3.1.3 Canny边缘检测 | 第30-32页 |
| 3.1.4 图像形态学闭运算 | 第32页 |
| 3.1.5 图像金字塔 | 第32-33页 |
| 3.2 金属焊点的提取算法 | 第33-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第4章 焊点图像的分类算法 | 第38-59页 |
| 4.1 主成分分析对焊点图像进行特征提取 | 第38-48页 |
| 4.1.1 主成分分析的数学原理 | 第38-42页 |
| 4.1.2 PCA之前的数据集处理 | 第42-43页 |
| 4.1.3 使用PCA对数据集进行图像重构 | 第43-47页 |
| 4.1.4 使用PCA对数据集进行可视化 | 第47-48页 |
| 4.2 使用支持向量机对焊点图像进行分类 | 第48-58页 |
| 4.2.1 支持向量机的数学原理 | 第48-53页 |
| 4.2.2 Gauss-RBF核函数 | 第53-54页 |
| 4.2.3 支持向量机的训练过程 | 第54-56页 |
| 4.2.4 支持向量机的训练结果 | 第56-58页 |
| 4.3 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的论文及其它结果 | 第66-68页 |
| 致谢 | 第68页 |
