| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·机器视觉概述 | 第8-11页 |
| ·表面组装产品检测技术概述 | 第11-14页 |
| ·相关课题研究的现状、成果与展望 | 第14-16页 |
| ·本课题研究工作 | 第16-18页 |
| 第二章 系统总体方案 | 第18-27页 |
| ·光源 | 第18-20页 |
| ·光学镜头 | 第20页 |
| ·图像输入设备 | 第20-23页 |
| ·摄像机 | 第20-22页 |
| ·图像采集卡 | 第22-23页 |
| ·图像预处理 | 第23-24页 |
| ·图像分割 | 第24-27页 |
| ·阈值分割 | 第24-25页 |
| ·边缘分割 | 第25页 |
| ·区域生长法 | 第25-27页 |
| 第三章 特征提取及其方法研究 | 第27-33页 |
| ·特征提取概述 | 第27-28页 |
| ·焊点类别定义 | 第28-29页 |
| ·图像分区 | 第29-30页 |
| ·特征提取 | 第30-32页 |
| ·特征分析 | 第32-33页 |
| 第四章 模式识别及其应用 | 第33-53页 |
| ·神经网络分类器设计 | 第34-44页 |
| ·人工神经网络的特点 | 第35页 |
| ·BP 神经网络概述 | 第35-38页 |
| ·BP 神经网络分类器设计 | 第38-39页 |
| ·BP 神经网络训练 | 第39-44页 |
| ·模式相似性测度 | 第44-46页 |
| ·模板匹配法 | 第44-45页 |
| ·基于类中心的欧式距离法分类 | 第45页 |
| ·夹角余弦距离分类 | 第45-46页 |
| ·基于概率统计的贝叶斯分类器设计 | 第46-48页 |
| ·基于二值数据的贝叶斯分类器 | 第46-47页 |
| ·基于最小错误率的贝叶斯分类器 | 第47页 |
| ·基于最小风险的贝叶斯分类器 | 第47-48页 |
| ·判别函数分类器设计 | 第48-51页 |
| ·判别函数奖惩算法 | 第48-49页 |
| ·LMSE（Least Mean Square Error）算法 | 第49页 |
| ·支持向量机（Support Vector Machine） | 第49-51页 |
| ·分类方法对比 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 实验结果分析 | 第53-58页 |
| ·实验流程 | 第53页 |
| ·实验分析 | 第53-57页 |
| ·分割区域变化对分类结果的影响 | 第53-56页 |
| ·阈值变化（光强变化）对分类的影响 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·本论文完成的工作 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士期间发表的论文 | 第65-66页 |
| 致谢 | 第66-67页 |
| 详细摘要 | 第67-69页 |