基于机器视觉的FLIP CHIP芯片检测与定位算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题背景及研究的目的和意义 | 第9-12页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 研究的目的和意义 | 第10-12页 |
| 1.2 芯片检测与定位视觉系统概述 | 第12-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.3.1 国外研究现状 | 第15-16页 |
| 1.3.2 国内研究现状 | 第16-17页 |
| 1.4 本文主要研究内容及各章节安排 | 第17-19页 |
| 第2章 芯片图像预处理 | 第19-34页 |
| 2.1 引言 | 第19页 |
| 2.2 图像光照不均匀校正 | 第19-24页 |
| 2.2.1 基于直方图均衡化的光照不均匀校正 | 第20-22页 |
| 2.2.2 基于概率统计的光照不均匀校正 | 第22-24页 |
| 2.3 图像二值化 | 第24-29页 |
| 2.3.1 自适应迭代法 | 第25-26页 |
| 2.3.2 最大类间方差法 | 第26-29页 |
| 2.4 形态学操作 | 第29-33页 |
| 2.4.1 腐蚀与膨胀 | 第30-31页 |
| 2.4.2 开操作与闭操作 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 芯片图像特征提取 | 第34-58页 |
| 3.1 引言 | 第34页 |
| 3.2 轮廓提取与筛选 | 第34-40页 |
| 3.2.1 图像轮廓提取 | 第34-37页 |
| 3.2.2 图像轮廓筛选 | 第37-40页 |
| 3.3 基于灰度相似性的方法 | 第40-46页 |
| 3.3.1 区域生长 | 第41-43页 |
| 3.3.2 区域的分离与聚合 | 第43-44页 |
| 3.3.3 基于灰度相似性方法的实现 | 第44-46页 |
| 3.4 基于灰度不连续性的方法 | 第46-56页 |
| 3.4.1 经典的微分边缘检测算法 | 第47-52页 |
| 3.4.2 Canny边缘检测算法 | 第52-55页 |
| 3.4.3 基于灰度不连续性方法的实现 | 第55-56页 |
| 3.5 本章小结 | 第56-58页 |
| 第4章 芯片缺陷检测与位姿获取 | 第58-73页 |
| 4.1 引言 | 第58页 |
| 4.2 芯片焊球数据获取 | 第58-60页 |
| 4.3 芯片的检测与定位算法 | 第60-66页 |
| 4.3.1 芯片的缺陷检测 | 第61-64页 |
| 4.3.2 芯片的位姿获取 | 第64-66页 |
| 4.4 算法测试 | 第66-72页 |
| 4.4.1 算法的鲁棒性测试 | 第67-70页 |
| 4.4.2 算法的通用性测试 | 第70-72页 |
| 4.5 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第79-81页 |
| 致谢 | 第81页 |
