| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 引言 | 第8-13页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 机器视觉识别与检测的应用和研究现状 | 第9-11页 |
| 1.3 研究意义 | 第11-12页 |
| 1.4 论文的主要内容 | 第12-13页 |
| 第2章 LED芯片图像预处理 | 第13-22页 |
| 2.1 概述 | 第13页 |
| 2.2 灰度化 | 第13-14页 |
| 2.3 灰度直方图 | 第14-15页 |
| 2.4 图像滤波 | 第15-18页 |
| 2.5 二值化 | 第18-19页 |
| 2.6 形态学处理 | 第19-20页 |
| 2.7 边缘检测 | 第20-21页 |
| 2.8 本章小结 | 第21-22页 |
| 第3章 LED芯片识别和产品检测系统硬件设计 | 第22-30页 |
| 3.1 概述 | 第22-23页 |
| 3.2 硬件选型 | 第23-24页 |
| 3.3 相机标定 | 第24-29页 |
| 3.3.1 相机标定原理 | 第25-27页 |
| 3.3.2 标定实验 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 LED芯片位姿识别 | 第30-40页 |
| 4.1 概述 | 第30-31页 |
| 4.2 LED芯片位姿识别图像处理方案 | 第31页 |
| 4.3 LED芯片正负极性识别 | 第31-33页 |
| 4.4 LED芯片位姿角度识别 | 第33-38页 |
| 4.4.1 基于Hough变换的LED芯片位姿识别 | 第34-35页 |
| 4.4.2 基于形态学的LED芯片位姿识别 | 第35-37页 |
| 4.4.3 基于角点检测的LED芯片位姿识别 | 第37-38页 |
| 4.5 算法测试 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第5章 LED产品检测 | 第40-51页 |
| 5.1 概述 | 第40-41页 |
| 5.2 深度学习框架Caffe与SSD算法 | 第41-42页 |
| 5.3 检测系统算法设计 | 第42-45页 |
| 5.3.1 SSD对LED芯片的检测 | 第42-44页 |
| 5.3.2 目标检测区域的结果判断 | 第44-45页 |
| 5.4 数据集的制作与模型训练 | 第45-49页 |
| 5.4.1 训练模型的实验条件 | 第45页 |
| 5.4.2 检测图像数据集的制作与扩充 | 第45-48页 |
| 5.4.3 网络的训练 | 第48-49页 |
| 5.5 算法测试 | 第49-50页 |
| 5.6 本章小结 | 第50-51页 |
| 第6章 LED芯片识别和产品检测系统软件设计 | 第51-56页 |
| 6.1 概述 | 第51页 |
| 6.2 软件系统整体架构与开发环境 | 第51-52页 |
| 6.3 软件功能模块介绍 | 第52-55页 |
| 6.4 本章小结 | 第55-56页 |
| 第7章 总结与展望 | 第56-58页 |
| 7.1 总结 | 第56-57页 |
| 7.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间的研究成果 | 第63页 |