| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-27页 |
| 1.1 研究背景和意义 | 第14-22页 |
| 1.1.1 触控LCD模组的生产工艺 | 第15-17页 |
| 1.1.2 触控面板的集成工艺 | 第17-18页 |
| 1.1.3 触控面板的制备工艺 | 第18-20页 |
| 1.1.4 研究智能检测技术的现实意义 | 第20-22页 |
| 1.2 ACF粒子检测技术国内外研究现状 | 第22-23页 |
| 1.2.1 人工目视检查 | 第22页 |
| 1.2.2 自动光学检测技术 | 第22-23页 |
| 1.3 ITO电路缺陷检测技术国内外研究现状 | 第23-25页 |
| 1.3.1 人工目视+通电检测 | 第23-24页 |
| 1.3.2 自动光学检测技术 | 第24-25页 |
| 1.4 论文主要研究内容 | 第25-27页 |
| 2 ACF导电粒子检测算法设计与实验分析 | 第27-46页 |
| 2.1 检测难点分析 | 第27-28页 |
| 2.2 整体AOI方案设计 | 第28-30页 |
| 2.3 基于U-ResNet的检测算法 | 第30-33页 |
| 2.3.1 热度图回归 | 第30-31页 |
| 2.3.2 U-ResNet | 第31-32页 |
| 2.3.3 热度图后处理 | 第32-33页 |
| 2.4 ACF粒子数据集制作 | 第33-34页 |
| 2.5 模型训练 | 第34-37页 |
| 2.5.1 损失函数定义 | 第34-35页 |
| 2.5.2 损失曲线 | 第35-37页 |
| 2.6 准确率与召回率分析 | 第37-40页 |
| 2.6.1 准确率与召回率定义 | 第37-38页 |
| 2.6.2 准确率-召回率曲线 | 第38-39页 |
| 2.6.3 对准确率与召回率的权衡 | 第39-40页 |
| 2.7 漏检与过检情形分析 | 第40-42页 |
| 2.7.1 数据标注误差 | 第41页 |
| 2.7.2 特征提取产生的误差 | 第41-42页 |
| 2.7.3 误差对结果的影响 | 第42页 |
| 2.8 与传统方法的比较 | 第42-44页 |
| 2.8.1 定性比较 | 第43-44页 |
| 2.8.2 定量比较 | 第44页 |
| 2.9 运行时间分析 | 第44-45页 |
| 2.10 实验结果小结 | 第45-46页 |
| 3 ITO电路图案的短路缺陷检测算法设计与实验分析 | 第46-59页 |
| 3.1 ITO电路图案短路缺陷检测的难点分析 | 第46-48页 |
| 3.2 基于黑色隔离带端点定义的短路缺陷 | 第48-50页 |
| 3.3 基于深度学习的短路缺陷检测算法设计 | 第50-52页 |
| 3.3.1 端点检测与ACF粒子检测的异同 | 第50页 |
| 3.3.2 整体算法设计 | 第50-52页 |
| 3.4 端点数据集制作 | 第52-53页 |
| 3.5 模型预训练 | 第53-54页 |
| 3.5.1 损失函数 | 第53页 |
| 3.5.2 损失曲线 | 第53-54页 |
| 3.6 准确率和召回率分析 | 第54-56页 |
| 3.6.1 准确率-召回率曲线 | 第55页 |
| 3.6.2 最佳准确率与召回率 | 第55-56页 |
| 3.7 检测效果分析 | 第56-57页 |
| 3.7.1 图像边缘的误差 | 第56页 |
| 3.7.2 表面污染的干扰 | 第56-57页 |
| 3.7.3 特征提取产生的误差 | 第57页 |
| 3.8 算法运行时间评估 | 第57-58页 |
| 3.9 实验结果小结 | 第58-59页 |
| 4 结论和展望 | 第59-61页 |
| 4.1 本文工作总结 | 第59-60页 |
| 4.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者简历 | 第65页 |