| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 课题研究现状 | 第11-13页 |
| 1.2.1 机器视觉技术 | 第11-12页 |
| 1.2.2 自动光学检测技术 | 第12-13页 |
| 1.3 课题研究目标和意义 | 第13-14页 |
| 1.4 本论文安排 | 第14-16页 |
| 第二章 改进的BP神经网络检测算法 | 第16-31页 |
| 2.1 神经网络算法概述 | 第16-20页 |
| 2.1.1 激励函数 | 第18页 |
| 2.1.2 训练算法 | 第18-19页 |
| 2.1.3 拓扑结构 | 第19-20页 |
| 2.2 经典BP神经网络算法 | 第20-24页 |
| 2.3 改进的BP神经网络算法 | 第24-31页 |
| 2.3.1 灰色关联分析法确定神经网络结构 | 第25-26页 |
| 2.3.2 改进粒子群算法优化网络 | 第26-28页 |
| 2.3.3 GA-PSO-BP算法的性能分析 | 第28-31页 |
| 第三章 改进检测算法在LED芯片晶元缺损检测中的应用 | 第31-50页 |
| 3.1 系统背景介绍与需求分析 | 第31-33页 |
| 3.2 系统整体方案与硬件平台设计 | 第33-37页 |
| 3.3 图像采集方法 | 第37-40页 |
| 3.3.1 扫描拍照方法 | 第37-39页 |
| 3.3.2 实时校轨方法 | 第39-40页 |
| 3.4 芯片识别方法 | 第40-44页 |
| 3.5 多尺度角点特征提取方法 | 第44-47页 |
| 3.6 GA-PSO-BP算法的实现和检测结果分析 | 第47-50页 |
| 3.6.1 基于GA-PSO-BP算法的检测过程实现 | 第47-48页 |
| 3.6.2 检测结果分析 | 第48-50页 |
| 第四章 改进检测算法在货运车厢闭锁状态检测中的应用 | 第50-62页 |
| 4.1 系统背景介绍与需求分析 | 第50-51页 |
| 4.2 系统整体方案与硬件平台设计 | 第51-57页 |
| 4.3 最大类间方差特征提取 | 第57-58页 |
| 4.4 GA-PSO-BP算法的实现和检测结果分析 | 第58-62页 |
| 4.4.1 基于GA-PSO-BP算法的检测过程实现 | 第58-59页 |
| 4.4.2 检测结果分析 | 第59-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的成果 | 第69-70页 |
