致谢 | 第5-7页 |
摘要 | 第7-9页 |
ABSTRACT | 第9-11页 |
第1章 绪论 | 第20-35页 |
1.1 课题背景及意义 | 第20-21页 |
1.2 直拉式单晶硅的发展和现状 | 第21-28页 |
1.2.1 单晶硅液位检测的现状和不足 | 第23-25页 |
1.2.2 单晶硅直径检测的现状和不足 | 第25-28页 |
1.3 机器视觉的发展及国内外应用概述 | 第28-30页 |
1.4 机器视觉在单晶硅生产应用中的关键技术 | 第30-31页 |
1.5 课题目标和主要研究内容 | 第31-35页 |
1.5.1 课题来源 | 第31页 |
1.5.2 论文研究目标及主要内容 | 第31-35页 |
第2章 单晶硅液位检测光路设计与直径检测原理优化 | 第35-49页 |
2.1 引言 | 第35页 |
2.2 常见的光路设计及原理 | 第35-39页 |
2.3 单晶硅液位检测光路设计和检测原理 | 第39-43页 |
2.3.1 光路设计 | 第39-41页 |
2.3.2 检测原理 | 第41-42页 |
2.3.3 钼片平面 | 第42-43页 |
2.4 单晶硅直径检测光路设计和检测原理 | 第43-47页 |
2.4.1 检测原理 | 第44-46页 |
2.4.2 同心椭圆的中心线性质 | 第46-47页 |
2.5 本章小结 | 第47-49页 |
第3章 高温高质量图像获取技术 | 第49-65页 |
3.1 引言 | 第49页 |
3.2 高温高质量图像标准 | 第49-51页 |
3.3 机器视觉系统硬件设计技术 | 第51-54页 |
3.4 单晶硅液位视觉检测系统的硬件设计 | 第54-62页 |
3.4.1 相机与镜头的选型 | 第55-56页 |
3.4.2 高温物体的辐射特性与激光图像SNR模型 | 第56-59页 |
3.4.3 窄带滤光片的选型 | 第59页 |
3.4.4 隔热玻璃和机械支架 | 第59-61页 |
3.4.5 图像工作站 | 第61-62页 |
3.5 图像质量验证 | 第62-64页 |
3.6 本章小结 | 第64-65页 |
第4章 椭圆检测技术 | 第65-82页 |
4.1 引言 | 第65页 |
4.2 椭圆检测算法综述 | 第65-70页 |
4.3 一种结合参数降维与随机HOUGH变换的椭圆检测算法 | 第70-78页 |
4.3.1 椭圆中心坐标求解 | 第71-73页 |
4.3.2 椭圆旋转角度、长轴与短轴求解 | 第73-78页 |
4.4 实验分析 | 第78-81页 |
4.4.1 仿真实验 | 第78-80页 |
4.4.2 真实图像实验 | 第80-81页 |
4.5 本章小结 | 第81-82页 |
第5章 高温目标边缘检测技术 | 第82-96页 |
5.1 引言 | 第82页 |
5.2 边缘检测算法综述 | 第82-88页 |
5.2.1 像素级边缘检测算法 | 第82-85页 |
5.2.2 亚像素级边缘检测算法 | 第85-88页 |
5.3 高温图像中的光晕现象 | 第88-90页 |
5.4 基于轮廓形状和SIGMOID拟合的亚像素边缘检测算法 | 第90-95页 |
5.4.1 轮廓法线上像素灰度分布 | 第90-92页 |
5.4.2 Sigmoid函数拟合 | 第92-94页 |
5.4.3 亚像素边缘检测流程 | 第94-95页 |
5.5 本章小结 | 第95-96页 |
第6章 机器视觉在单晶硅生产中的应用 | 第96-112页 |
6.1 引言 | 第96页 |
6.2 单晶硅液位视觉检测系统 | 第96-104页 |
6.2.1 实验对象和技术指标 | 第96-97页 |
6.2.2 检测软件实现 | 第97-98页 |
6.2.3 液面波动处理 | 第98-100页 |
6.2.4 精度测试实验 | 第100-103页 |
6.2.5 稳定性实验 | 第103-104页 |
6.3 单晶硅直径视觉检测系统 | 第104-111页 |
6.3.1 实验对象和技术指标 | 第104页 |
6.3.2 图像处理流程 | 第104-107页 |
6.3.3 检测软件实现 | 第107-108页 |
6.3.4 精度对比实验 | 第108-110页 |
6.3.5 稳定性测试 | 第110-111页 |
6.4 本章小结 | 第111-112页 |
第7章 总结和展望 | 第112-116页 |
7.1 全文内容总结 | 第112-113页 |
7.2 论文创新点 | 第113-114页 |
7.3 工作展望 | 第114-116页 |
参考文献 | 第116-126页 |
作者简历及在攻读博士学位期间的主要科研成果 | 第126-127页 |