| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 机器视觉检测的研究现状 | 第12-13页 |
| 1.2.2 柔性基板缺陷检测的研究现状 | 第13-14页 |
| 1.3 本文的主要工作及结构安排 | 第14-16页 |
| 1.3.1 本文主要工作 | 第14-15页 |
| 1.3.2 本文结构安排 | 第15-16页 |
| 第二章 基于精密显微成像的FICS检测系统总体设计 | 第16-25页 |
| 2.1 FICS检测系统总体结构设计 | 第16-18页 |
| 2.1.1 FICS检测系统的需求分析 | 第16-17页 |
| 2.1.2 FICS检测系统的总体结构 | 第17-18页 |
| 2.2 检测系统的硬件系统设计及改良 | 第18-23页 |
| 2.2.1 针对无贴膜FICS的缺陷检测硬件系统 | 第18-21页 |
| 2.2.2 针对贴膜FICS的缺陷检测硬件系统 | 第21-23页 |
| 2.3 检测系统的软件系统设计 | 第23-24页 |
| 2.3.1 主要物理参数测量模块设计 | 第23页 |
| 2.3.2 缺陷检测模块设计 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 FICS图像预处理与图像分割 | 第25-41页 |
| 3.1 二值图像的构建 | 第25-30页 |
| 3.1.1 基于固定阈值的阈值化 | 第26页 |
| 3.1.2 基于大津法的自适应阈值化 | 第26-27页 |
| 3.1.3 自定义的自适应阈值化 | 第27-30页 |
| 3.2 形态学处理 | 第30-32页 |
| 3.2.1 滤波器的选择 | 第30-31页 |
| 3.2.2 开操作与闭操作的选择 | 第31-32页 |
| 3.3 直线检测与直线拟合 | 第32-39页 |
| 3.3.1 基于霍夫变换的直线检测及拟合算法 | 第32-35页 |
| 3.3.2 自定义的直线检测及拟合算法 | 第35-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 针对无贴膜FICS的缺陷特征提取及判定 | 第41-51页 |
| 4.1 常见基板缺陷类型及特征分析 | 第41-43页 |
| 4.1.1 压痕缺陷 | 第41页 |
| 4.1.2 划痕缺陷 | 第41-42页 |
| 4.1.3 露铜缺陷 | 第42-43页 |
| 4.2 缺陷特征提取及特征参数 | 第43-46页 |
| 4.3 缺陷识别判定 | 第46-49页 |
| 4.3.1 缺陷识别算法流程 | 第46-48页 |
| 4.3.2 缺陷识别算法实验及结论分析 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 针对贴膜FICS的缺陷特征提取及判定 | 第51-57页 |
| 5.1 常见基板缺陷类型及特征分析 | 第51-52页 |
| 5.1.1 气泡缺陷 | 第51页 |
| 5.1.2 折痕缺陷 | 第51-52页 |
| 5.2 缺陷特征提取及特征参数 | 第52-54页 |
| 5.3 缺陷识别判定 | 第54-56页 |
| 5.3.1 缺陷识别算法流程 | 第54-55页 |
| 5.3.2 缺陷识别算法实验及结论分析 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 基于BP神经网络的缺陷分类器优化 | 第57-65页 |
| 6.1 关于BP神经网络及其在分类任务中的应用 | 第57-62页 |
| 6.1.1 BP神经网络 | 第57-61页 |
| 6.1.2 BP神经网络在分类任务中的应用 | 第61-62页 |
| 6.2 基于BP神经网络的缺陷特征参数分析 | 第62-63页 |
| 6.3 实验与分析 | 第63-64页 |
| 6.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附件 | 第72页 |