| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究的背景与意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 机器视觉检测技术发展现状 | 第9-11页 |
| 1.2.1 机器视觉检测技术 | 第9页 |
| 1.2.2 机器视觉技术国外发展现状 | 第9-10页 |
| 1.2.3 机器视觉技术国内发展现状 | 第10-11页 |
| 1.3 电子元器件形状质量检测模型 | 第11-13页 |
| 1.3.1 机器视觉质量检测模型 | 第11-12页 |
| 1.3.2 构建电子元器件的形状质量检测模型 | 第12-13页 |
| 1.4 主要研究内容和章节安排 | 第13-14页 |
| 第2章 电子元器件图像预处理技术研究 | 第14-24页 |
| 2.1 图像畸变原理 | 第14-15页 |
| 2.2 图像畸变校正 | 第15-20页 |
| 2.2.1 摄像机成像过程 | 第15-17页 |
| 2.2.2 张正友标定算法 | 第17-20页 |
| 2.3 图像去噪 | 第20-22页 |
| 2.3.1 图像噪声模型 | 第20-21页 |
| 2.3.2 电子元器件图像滤波算法 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 基于深度学习理论的电子元器件检测与识别 | 第24-40页 |
| 3.1 目标检测方法概述 | 第24-26页 |
| 3.1.1 图像匹配方法 | 第24-25页 |
| 3.1.2 基于深度学习理论的方法 | 第25-26页 |
| 3.2 基于深度学习的目标检测算法相关知识 | 第26-31页 |
| 3.2.1 卷积神经网络(CNN) | 第26-30页 |
| 3.2.2 R-CNN | 第30页 |
| 3.2.3 其它目标检测方法 | 第30-31页 |
| 3.3 基于YOLO网络的电子元器件检测与识别算法 | 第31-38页 |
| 3.3.1 YOLO网络目标检测算法原理 | 第31-34页 |
| 3.3.2 网络结构 | 第34-35页 |
| 3.3.3 网络训练 | 第35-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于图像配准的电子元器件质量判定 | 第40-50页 |
| 4.1 电子元器件的图像配准 | 第40-44页 |
| 4.1.1 图像配准简介 | 第40-42页 |
| 4.1.2 基于傅立叶变换的电子元器件图像配准 | 第42-44页 |
| 4.2 电子元器件图像阈值分割 | 第44-48页 |
| 4.2.1 双峰阈值分割法 | 第45页 |
| 4.2.2 迭代阈值法 | 第45-46页 |
| 4.2.3 大津算法(OSTU) | 第46-47页 |
| 4.2.4 电子元器件图像阈值分割 | 第47-48页 |
| 4.3 电子元器件缺陷分离和质量判定 | 第48-49页 |
| 4.3.1 缺陷分离 | 第48-49页 |
| 4.3.2 质量判定 | 第49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 电子元器件质量检测实验及软件系统实现 | 第50-72页 |
| 5.1 实验对象 | 第50-51页 |
| 5.2 图像采集平台 | 第51-53页 |
| 5.3 电子元器件图像预处理实验 | 第53-55页 |
| 5.3.1 畸变校正实验 | 第53-55页 |
| 5.3.2 图像滤波实验 | 第55页 |
| 5.4 电子元器件检测识别实验 | 第55-60页 |
| 5.4.1 数据增强 | 第55-56页 |
| 5.4.2 检测识别实验 | 第56-58页 |
| 5.4.3 改进前后对比实验 | 第58-59页 |
| 5.4.4 模型鲁棒性检测 | 第59-60页 |
| 5.5 电子元器件配准实验 | 第60-63页 |
| 5.5.1 配准算法性能分析 | 第60-62页 |
| 5.5.2 电子元器件图像配准 | 第62-63页 |
| 5.6 电子元器件质量检测实验 | 第63-68页 |
| 5.6.1 缺陷分离 | 第63-64页 |
| 5.6.2 缺陷面积确定 | 第64-65页 |
| 5.6.3 阈值确定 | 第65-66页 |
| 5.6.4 质量检测实验 | 第66-68页 |
| 5.7 检测方法适应性验证 | 第68页 |
| 5.8 软件系统实现 | 第68-70页 |
| 5.9 本章小结 | 第70-72页 |
| 第6章 总结与展望 | 第72-76页 |
| 6.1 主要工作总结 | 第72-73页 |
| 6.2 主要创新点 | 第73页 |
| 6.3 不足与展望 | 第73-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 附录 | 第82-83页 |
| 附录A 在学期间发表的学术论文与研究成果 | 第82-83页 |