基于机器视觉的印刷电路板缺陷检测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 PCB彩色图像的预处理 | 第13-37页 |
| 2.1 色彩空间的选择 | 第13-18页 |
| 2.1.1 RGB色彩空间的局限性 | 第15页 |
| 2.1.2 CIE L*a*b*色彩空间的优点 | 第15-18页 |
| 2.2 双边滤波降噪 | 第18-21页 |
| 2.3 目标区域分割 | 第21-28页 |
| 2.3.1 色彩空间阈值分割法 | 第21-23页 |
| 2.3.2 形态学边缘检测分割法 | 第23-25页 |
| 2.3.3 K-均值聚类分割法 | 第25-28页 |
| 2.4 实验结果及分析 | 第28-35页 |
| 2.4.1 双边滤波降噪效果 | 第28-32页 |
| 2.4.2 分割算法效果对比 | 第32-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第3章 基于梯度信息的缺陷特征提取 | 第37-51页 |
| 3.1 PCB的典型缺陷 | 第37-39页 |
| 3.2 缺陷区域像素的梯度方向分布 | 第39-43页 |
| 3.3 信息熵 | 第43-44页 |
| 3.4 邻域梯度方向信息熵 | 第44-46页 |
| 3.5 实验验证 | 第46-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 基于局部二值模式的缺陷特征提取 | 第51-59页 |
| 4.1 局部二值模式特征 | 第51-54页 |
| 4.2 缺陷区域像素的局部二值模式分析 | 第54-55页 |
| 4.3 改进的局部二值模式 | 第55页 |
| 4.4 实验验证 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 PCB缺陷特征的识别检测 | 第59-71页 |
| 5.1 支持向量机分类器 | 第59-63页 |
| 5.1.1 特征向量的构建 | 第61页 |
| 5.1.2 分类器的设计 | 第61-63页 |
| 5.1.3 分类器的训练 | 第63页 |
| 5.2 缺陷区域的定位 | 第63-64页 |
| 5.3 缺陷检测实验结果 | 第64-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 结论 | 第71-73页 |
| 6.1 结论 | 第71-72页 |
| 6.2 工作展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间的研究成果 | 第80页 |
