基于机器视觉的电子元器件表面缺陷检测技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 常用表面缺陷检测方法比较 | 第9-10页 |
| 1.3 国内外研究现状和发展趋势 | 第10-12页 |
| 1.3.1 机器视觉技术概论 | 第10-11页 |
| 1.3.2 表面检测的国内外现状与发展趋势 | 第11-12页 |
| 1.4 本论文研究内容及组织框架 | 第12-14页 |
| 第二章 表面缺陷图像预处理算法研究 | 第14-24页 |
| 2.1 图像预处理概述 | 第14-15页 |
| 2.2 图像平滑去噪 | 第15-18页 |
| 2.2.1 空域滤波 | 第15-16页 |
| 2.2.2 频域滤波 | 第16-18页 |
| 2.3 图像增强 | 第18-20页 |
| 2.3.1 直方图处理算法 | 第18-19页 |
| 2.3.2 CLAHE算法 | 第19页 |
| 2.3.3 小波对比度增强算法 | 第19-20页 |
| 2.4 二值化图像处理算法 | 第20-21页 |
| 2.4.1 自适应阈值 | 第20页 |
| 2.4.2 Otsu算法 | 第20-21页 |
| 2.5 图像形态学分析 | 第21-22页 |
| 2.6 本章小结 | 第22-24页 |
| 第三章 表面缺陷提取算法研究 | 第24-34页 |
| 3.1 ROI提取 | 第24-29页 |
| 3.1.1 边缘检测 | 第24-27页 |
| 3.1.2 轮廓表示 | 第27页 |
| 3.1.3 SURF特征点检测 | 第27-29页 |
| 3.2 缺陷提取 | 第29-30页 |
| 3.2.1 图像配准 | 第29页 |
| 3.2.2 字符去除 | 第29-30页 |
| 3.3 Gabor滤波提取划痕缺陷 | 第30-32页 |
| 3.3.1 划痕缺陷的空频特性 | 第30-31页 |
| 3.3.2 Gabor滤波原理 | 第31页 |
| 3.3.3 缺陷特征表示 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章 缺陷特征分类算法研究 | 第34-42页 |
| 4.1 常见分类算法 | 第34-35页 |
| 4.2 基于SVM的表面缺陷分类 | 第35-37页 |
| 4.2.1 SVM算法原理 | 第35-37页 |
| 4.2.2 SVM应用 | 第37页 |
| 4.3 基于CNN的表面缺陷分类 | 第37-41页 |
| 4.3.1 卷积神经网络与手工特征比较 | 第37-38页 |
| 4.3.2 卷积神经网络 | 第38-40页 |
| 4.3.3 网络结构设计 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 表面缺陷检测系统总体设计 | 第42-70页 |
| 5.1 表面缺陷检测系统结构概述 | 第42页 |
| 5.2 表面缺陷检测系统设计 | 第42-43页 |
| 5.3 图像采集系统 | 第43-47页 |
| 5.3.1 相机选型 | 第43-44页 |
| 5.3.2 镜头选型 | 第44-45页 |
| 5.3.3 照明方案设计 | 第45-47页 |
| 5.4 图像处理系统 | 第47-69页 |
| 5.4.1 开发环境 | 第48页 |
| 5.4.2 预处理算法分析与验证 | 第48-55页 |
| 5.4.3 ROI提取算法分析与验证 | 第55-58页 |
| 5.4.4 图像配准与字符去除算法分析与验证 | 第58-60页 |
| 5.4.5 缺陷提取算法分析与验证 | 第60-65页 |
| 5.4.6 缺陷特征表征分析与验证 | 第65-66页 |
| 5.4.7 分类器分析与验证 | 第66-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 课题总结 | 第70-71页 |
| 6.2 研究展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 附录 | 第78-79页 |
