PLCC型元件基于视觉检测的核心算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 研究的目的和意义 | 第11-12页 |
| 1.3 元件检测系统概述 | 第12-13页 |
| 1.4 国内外研究现状 | 第13-16页 |
| 1.4.1 国内研究现状 | 第14-15页 |
| 1.4.2 国外研究现状 | 第15-16页 |
| 1.5 本文主要研究内容及各章节安排 | 第16-18页 |
| 第2章 图像预处理 | 第18-34页 |
| 2.1 引言 | 第18页 |
| 2.2 图像二值化 | 第18-28页 |
| 2.2.1 快速搜索的一维Otsu阈值分割 | 第19-22页 |
| 2.2.2 快速查找表的二维Otsu阈值分割 | 第22-24页 |
| 2.2.3 区域增长的双阈值分割 | 第24-25页 |
| 2.2.4 基于先验标记的分水岭算法分割 | 第25-27页 |
| 2.2.5 二值化实验结果 | 第27-28页 |
| 2.3 轮廓跟踪提取算法 | 第28-33页 |
| 2.3.1 理论基础 | 第28-30页 |
| 2.3.2 提取所有轮廓算法 | 第30-32页 |
| 2.3.3 只提取最外层轮廓算法 | 第32页 |
| 2.3.4 轮廓跟踪实验结果 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 元件参数获取 | 第34-53页 |
| 3.1 引言 | 第34页 |
| 3.2 参数获取概述 | 第34-36页 |
| 3.3 基于凸包理论的最小外接矩形 | 第36-43页 |
| 3.3.1 最小外接矩形算法概述 | 第36-37页 |
| 3.3.2 有序点集的凸包提取算法 | 第37-40页 |
| 3.3.3 改进的旋转法求取凸包的最小外接矩形 | 第40-42页 |
| 3.3.4 最小外接矩形结果 | 第42-43页 |
| 3.4 引脚轮廓筛选 | 第43-44页 |
| 3.5 基于K均值的引脚聚类 | 第44-48页 |
| 3.5.1 初始中心点改进的K均值聚类 | 第44-46页 |
| 3.5.2 基于K均值聚类的引脚分类算法 | 第46-48页 |
| 3.5.3 聚类结果 | 第48页 |
| 3.6 算法结果分析 | 第48-51页 |
| 3.6.1 算法结果 | 第48-50页 |
| 3.6.2 测试分析 | 第50-51页 |
| 3.7 本章小结 | 第51-53页 |
| 第4章 元件位姿及缺陷检测 | 第53-77页 |
| 4.1 引言 | 第53页 |
| 4.2 元件检测概述 | 第53-55页 |
| 4.2.1 位姿检测 | 第53-54页 |
| 4.2.2 缺陷检测 | 第54-55页 |
| 4.3 直接计算法 | 第55-62页 |
| 4.3.1 加权最小二乘算法拟合直线 | 第56-57页 |
| 4.3.2 基于矩阵分解的拟合矩形法 | 第57-60页 |
| 4.3.3 几种直接计算法获取元件位姿 | 第60-61页 |
| 4.3.4 实验结果分析 | 第61-62页 |
| 4.4 模板匹配法 | 第62-69页 |
| 4.4.1 加速归一化积灰度相关匹配算法 | 第62-65页 |
| 4.4.2 基于两次模板匹配的元件检测算法 | 第65-67页 |
| 4.4.3 算法结果 | 第67-69页 |
| 4.5 元件缺陷检测算法 | 第69-73页 |
| 4.5.1 缺陷检测算法流程 | 第69-72页 |
| 4.5.2 检测结果 | 第72-73页 |
| 4.6 算法测试分析 | 第73-75页 |
| 4.7 本章小结 | 第75-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第84-86页 |
| 致谢 | 第86页 |
