基于机器视觉的显示屏缺陷检测系统研发
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背娥及课题来源 | 第11-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 机器视觉的研究现状 | 第13-14页 |
| 1.3.2 显示屏缺陷像素检测技术现状 | 第14-15页 |
| 1.3.3 重复纹理背景的消除及缺陷检测现状 | 第15-16页 |
| 1.4 研究内容介绍 | 第16-19页 |
| 第二章 基于机器视觉的OLED屏缺陷检测系统搭建 | 第19-33页 |
| 2.1 缺陷检测系统的总体框架 | 第19-21页 |
| 2.2 图像采集系统的硬件构成及软件开发 | 第21-27页 |
| 2.2.1 工业相机选型 | 第21-22页 |
| 2.2.2 FS5000GE摄像头参数 | 第22-23页 |
| 2.2.3 iPORT图像采集软件介绍 | 第23-25页 |
| 2.2.4 基于VC++的图像系统操作界面开发 | 第25-27页 |
| 2.3 检测平台的硬件构成及其运动控制系统 | 第27-31页 |
| 2.3.1 检测平台的参数 | 第28-29页 |
| 2.3.2 检测平台运动控制系统开发 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 检测系统中的图像处理算法研究 | 第33-45页 |
| 3.1 OLED图像与缺陷分析 | 第33-34页 |
| 3.2 数字图像处理的基本概念 | 第34-35页 |
| 3.3 OLED图像校正预处理 | 第35-38页 |
| 3.3.1 几何校正 | 第35-36页 |
| 3.3.2 灰度校正 | 第36-38页 |
| 3.4 图像分割 | 第38-44页 |
| 3.4.1 边缘检测法 | 第39-41页 |
| 3.4.2 阈值分割法 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于Gabor及FCM的缺陷检测改进算法 | 第45-59页 |
| 4.1 基于Gabor法的图像粗分割 | 第45-49页 |
| 4.2 ROI获取 | 第49-52页 |
| 4.3 面向图像精细分割的改进FCM法 | 第52-57页 |
| 4.3.1 FCM分割算法 | 第52-55页 |
| 4.3.2 FCM的改进算法 | 第55-57页 |
| 4.4 二值图像的去噪处理 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 OLED屏缺陷检测系统的开发与验证 | 第59-73页 |
| 5.1 基于VC++的缺陷检测软件系统开发 | 第59-63页 |
| 5.1.1 软件结构及开发过程 | 第59-60页 |
| 5.1.2 系统软件界面 | 第60-62页 |
| 5.1.3 软件操作流程 | 第62-63页 |
| 5.2 OLED显示屏在线检测原理及应用 | 第63-67页 |
| 5.2.1 缺陷检测的处理步骤 | 第63-66页 |
| 5.2.2 缺陷检测系统的应用 | 第66-67页 |
| 5.3 OLED样品检测结果 | 第67-70页 |
| 5.4 实验结果效果评价 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 结论与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-81页 |
| 致谢 | 第81页 |
