| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题背景及意义 | 第7-8页 |
| ·课题背景 | 第7页 |
| ·课题意义 | 第7-8页 |
| ·课题研究现状 | 第8-10页 |
| ·研究目的 | 第10-11页 |
| ·本文研究的主要内容 | 第11-13页 |
| 第二章 硅晶片检测系统的硬件架构与检测流程设计 | 第13-21页 |
| ·检测系统硬件设计 | 第13-15页 |
| ·检测系统总体设计 | 第13-14页 |
| ·机械结构设计 | 第14-15页 |
| ·视觉系统硬件选型 | 第15-17页 |
| ·相机选型 | 第15页 |
| ·光学镜头选型 | 第15-16页 |
| ·光源的设计 | 第16-17页 |
| ·检测流程设计 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于 Canny 算子和图像配准的缺陷检测 | 第21-31页 |
| ·边缘检测算子 | 第21-25页 |
| ·Robert 边缘算子 | 第21页 |
| ·Sobel 边缘算子 | 第21-22页 |
| ·高斯-拉普拉斯算子 | 第22页 |
| ·Canny 边缘算子 | 第22-23页 |
| ·文中采用的边缘检测方法 | 第23-25页 |
| ·特征图像匹配 | 第25-28页 |
| ·图像的初步配准 | 第26页 |
| ·图像的精确配准 | 第26-28页 |
| ·缺陷识别检测 | 第28-29页 |
| ·缺陷检测系统分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 硅晶片表面颜色特征的选取 | 第31-39页 |
| ·图像特征 | 第31-32页 |
| ·图像特征的分类 | 第31页 |
| ·特征提取的原则 | 第31页 |
| ·特征的评价标准 | 第31-32页 |
| ·色彩模型 | 第32-34页 |
| ·RGB 模型 | 第32-33页 |
| ·HSI 模型 | 第33页 |
| ·彩色坐标变换 | 第33-34页 |
| ·硅晶片颜色特征的选取 | 第34-38页 |
| ·硅晶片生产工艺要求 | 第34-35页 |
| ·HSI 模型特征选取 | 第35-37页 |
| ·分区域直方图特征提取 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于 MGSA-SVM 的色差检测分类系统 | 第39-55页 |
| ·支持向量机 | 第39-40页 |
| ·支持向量机分类思想 | 第39页 |
| ·最佳分类超平面 | 第39-40页 |
| ·核函数 | 第40页 |
| ·引力搜索算法及其改进 | 第40-47页 |
| ·标准引力搜索算法 | 第41-42页 |
| ·GSA 和 PSO 粒子记忆性分析 | 第42-43页 |
| ·算法改进分析 | 第43-44页 |
| ·测试及分析 | 第44-47页 |
| ·基于 MGSA 的特征选择和参数优化协同进化 | 第47-49页 |
| ·SVM 的参数寻优 | 第47页 |
| ·分类器的特征选择 | 第47-48页 |
| ·分类器特征选择和参数优化协同进化 | 第48-49页 |
| ·基于 MGSA-SVM 的太阳能硅晶片分类试验 | 第49-53页 |
| ·MGSA-SVM 算法 | 第49-50页 |
| ·数据集的特征量 | 第50-51页 |
| ·SVM 分类精度的计算方法 | 第51页 |
| ·实验评价的方法 | 第51页 |
| ·实验参数设置以及实验评价 | 第51-53页 |
| ·颜色检测系统分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 主要结论与展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者在攻读硕士学位期间发表的论文 | 第63页 |