| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.1.1 PCB的发展 | 第9页 |
| 1.1.2 PCB检测技术 | 第9-11页 |
| 1.2 AOI技术介绍及国内外研究现状 | 第11-14页 |
| 1.2.1 AOI技术简介 | 第11-12页 |
| 1.2.2 AOI技术国内外研究现状 | 第12-14页 |
| 1.3 课题研究意义 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 图像获取以及预处理 | 第16-26页 |
| 2.1 PCB焊点图像获取 | 第16-19页 |
| 2.1.1 图像获取方法介绍 | 第16-17页 |
| 2.1.2 焊点图像读入与存储 | 第17-18页 |
| 2.1.3 焊点图像配准 | 第18-19页 |
| 2.2 焊点图像的灰度化处理 | 第19-21页 |
| 2.2.1 灰度处理方法 | 第20页 |
| 2.2.2 灰度化处理的实现 | 第20-21页 |
| 2.3 焊点图像滤波 | 第21-24页 |
| 2.3.1 均值滤波 | 第21-22页 |
| 2.3.2 高斯滤波 | 第22-23页 |
| 2.3.3 中值滤波 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 焊点形状特征提取方法 | 第26-33页 |
| 3.1 图像分割方法概述 | 第26-28页 |
| 3.1.1 图像分割理论简介 | 第26页 |
| 3.1.2 常用图像分割技术介绍 | 第26-28页 |
| 3.2 基于阈值的焊点图像分割 | 第28-30页 |
| 3.2.1 阈值分割算法介绍 | 第28页 |
| 3.2.2 阈值分割算法实现 | 第28-30页 |
| 3.3 形状特征提取 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 焊点小波特征提取方法 | 第33-47页 |
| 4.1 基于SVM的焊点图像分割 | 第33-40页 |
| 4.1.1 SVM算法理论介绍 | 第33-37页 |
| 4.1.2 基于SVM的焊点图像分割算法实现 | 第37-40页 |
| 4.2 小波变换理论介绍 | 第40-44页 |
| 4.2.1 小波变换简介 | 第40-41页 |
| 4.2.2 二维小波分解 | 第41-43页 |
| 4.2.3 小波基参数以及特性分析 | 第43-44页 |
| 4.3 小波特征提取 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 焊点缺陷识别 | 第47-61页 |
| 5.1 常用的图像识别方法介绍 | 第47-51页 |
| 5.1.1 基于相似度比较的焊点图像识别 | 第47页 |
| 5.1.2 基于BP神经网络算法的焊点图像识别 | 第47-49页 |
| 5.1.3 基于RBF神经网络算法的焊点图像识别 | 第49-50页 |
| 5.1.4 基于支持向量机的焊点图像识别方法 | 第50-51页 |
| 5.2 基于特征聚集度的FCM-RSVM算法 | 第51-55页 |
| 5.2.1 模糊C均值聚类算法原理 | 第51-52页 |
| 5.2.2 基于特征聚集度的FCM-RSVM算法思想 | 第52-53页 |
| 5.2.3 基于特征聚集度的FCM-RSVM算法实现步骤 | 第53-55页 |
| 5.3 实验结果分析 | 第55-60页 |
| 5.3.1 焊点缺陷识别性能检测指标 | 第55页 |
| 5.3.2 电阻电容焊接缺陷识别 | 第55-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 课题研究工作总结 | 第61页 |
| 6.2 进一步展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间发表的学术论文 | 第68页 |