基于机器视觉的FPC表面缺陷检测研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 机器视觉在表面缺陷检测的研究现状 | 第12-13页 |
| 1.2.1 机器视觉的发展状况 | 第12页 |
| 1.2.2 机器视觉检测技术 | 第12-13页 |
| 1.3 FPC表面检测方法的现状 | 第13-14页 |
| 1.4 主要研究内容和论文结构 | 第14-17页 |
| 1.4.1 主要研究内容 | 第14-15页 |
| 1.4.2 论文结构 | 第15-17页 |
| 2 FPC表面缺陷检测系统的方案设计 | 第17-27页 |
| 2.1 FPC表面质量缺陷检测系统总体结构设计 | 第17-18页 |
| 2.2 检测系统工艺流程设计 | 第18-20页 |
| 2.3 系统重要硬件选型 | 第20-26页 |
| 2.3.1 照明光源的选择 | 第20-23页 |
| 2.3.2 工业相机选型 | 第23-25页 |
| 2.3.3 镜头选型 | 第25-26页 |
| 2.3.4 计算机选型 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 FPC图像预处理与图像分割 | 第27-42页 |
| 3.1 FPC表面缺陷定义与分类 | 第27-28页 |
| 3.2 FPC表面图像预处理 | 第28-33页 |
| 3.2.1 颜色的表达及转化 | 第28-32页 |
| 3.2.2 图像的平滑滤波 | 第32-33页 |
| 3.3 基于边缘检测与区域生长的ROI图像分割 | 第33-41页 |
| 3.3.1 边缘检测 | 第34-37页 |
| 3.3.2 形态学处理 | 第37-38页 |
| 3.3.3 Hough变换 | 第38-39页 |
| 3.3.4 区域生长 | 第39页 |
| 3.3.5 图像分割算法流程 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 FPC表面特征提取与缺陷检测 | 第42-57页 |
| 4.1 特征提取与缺陷检测总体方案设计 | 第42-43页 |
| 4.1.1 图像缺陷检测算法流程设计 | 第42页 |
| 4.1.2 缺陷检测总体思路 | 第42-43页 |
| 4.2.缺陷检测及特征提取 | 第43-47页 |
| 4.2.1 基于颜色特征的缺陷提取 | 第43-44页 |
| 4.2.2 基于纹理特征的缺陷提取 | 第44页 |
| 4.2.3 基于Blob分析的图像特征提取 | 第44-45页 |
| 4.2.4 基于区域特征的缺陷提取 | 第45-46页 |
| 4.2.5 基于形状特征的缺陷提取 | 第46-47页 |
| 4.3 标准模版创建 | 第47页 |
| 4.4 FPC表面缺陷检测 | 第47-56页 |
| 4.4.1 本质性缺陷检测 | 第48-51页 |
| 4.4.2 潜在缺陷检测 | 第51-54页 |
| 4.4.3 FPC表面缺陷模式识别 | 第54-56页 |
| 4.5.本章小结 | 第56-57页 |
| 5 表面缺陷检测软件开发 | 第57-65页 |
| 5.1 检测系统软件设计需求与软件开发环境 | 第57-58页 |
| 5.1.1 缺陷检测软件的设计需求分析 | 第57页 |
| 5.1.2 软件的开发环境 | 第57-58页 |
| 5.2 软件设计模块划分与流程图 | 第58-59页 |
| 5.3 缺陷检测软件功能模块设计与开发 | 第59-63页 |
| 5.3.1 缺陷检测流程设计 | 第59-60页 |
| 5.3.2 人机交互界面设计 | 第60-63页 |
| 5.4 软件测试实验 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 工作展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间发表的学术论文 | 第71-73页 |
| 致谢 | 第73页 |
