基于视觉的ECM电子器件的识别及检测

论文摘要

计算机视觉作为自动化的眼睛,近年来取得了令人瞩目的发展,也正广泛地应用于从医学图像处理到遥感图像处理,从工业检测到文件处理的各个方面。尤其是在工业检测中计算机视觉已经越来越引起人们的重视,逐步形成了一种新的检测技术——计算机视觉检测(Automated VisualInspection。AVI)技术。AVI技术是一种很有发展前途的自动检测技术,可以实现智能化、柔性、快速和低成本的检测目标,它是以计算机视觉方法为基础,综合运用图像处理、模式识别以及人工智能等技术的非接触检测方法。其基本原理是通过对计算机视觉系统得到的被测目标图像进行分析,从而得到所需要的测量信息,并根据已有的先验知识,判断被测目标是否符合规范。ECM电子器件识别系统就是计算机视觉检测技术的应用实例。该系统采用了摄像机作为信息采集设备,可在远距离以非接触方式对被测器件进行识别,并且在识别的同时可以对被测器件进行智能化检测。相比于人工检测,不仅提高了劳动效率,而且降低了生产成本,减轻了劳动者的工作强度。 本文介绍了ECM电子器件识别系统的研制过程和实际测试结果。首先介绍了计算机视觉的基本概念和发展状况,并介绍了图像分析、图像处理和模式识别的基本概念和方法。其次介绍了系统的组成与功能,从软件和硬件两个方面对系统的研制过程和实现方法进行了详细介绍。并着重介绍了颜色直方图法以及在系统实现的过程中所用到的其它算法。最后对系统进行了分析总结,并提出了今后有待改进的问题。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 计算机视觉的基本概念和发展状况
• 1.1.1 计算机视觉的发展历程
• 1.1.2 Marr的计算视觉理论
• 1.1.3 计算机视觉的现状和发展前景
• 1.2 计算机视觉在工业部门中的应用
• 1.2.1 计算机检测技术
• 1.2.2 工业视觉系统的发展
• 1.2.3 工业视觉系统的特点
• 1.2.4 工业视觉系统的性能指标
• 1.3 计算机视觉系统的体系结构
• 1.4 本文研究的主要内容和意义
• 1.4.1 本文的主要研究工作
• 1.4.2 本文的研究意义
• 1.4.3 本文内容安排
• 第二章 相关研究领域
• [12-17]'>2.1 图像处理^[12-17]
• [12-17]'>2.2 图像分析^[12-17]
• [18-22]'>2.3 模式识别^[18-22]
• 第三章 ECM电子器件识别系统
• 3.1 ECM电子器件识别系统概述
• 3.2 ECM电子器件识别系统硬件组成
• 3.2.1 ECM电子器件识别系统硬件组成概述
• 3.2.2 图像输入设备
• 3.2.3 计算机主机
• 3.2.4 图像输出设备
• 3.3 ECM电子器件识别系统软件组成
• 3.3.1 ECM电子器件识别系统软件组成概述
• 3.3.2 人机交互界面
• 3.3.3 视频显示
• 3.3.4 视频参数设置
• 3.3.5 器件识别
• 3.3.6 器件检测
• 第四章 ECM电子器件识别系统中的算法介绍
• 4.1 颜色直方图
• 4.1.1 颜色直方图的定义
• [23-24]'>4.1.2 颜色直方图的特点^[23-24]
• 4.1.3 传统的颜色直方图
• 4.1.4 颜色直方图距离的度量方法（[28-29]）
• 4.1.5 本系统采用的颜色直方图法
• 4.2 中值滤波
• 4.3 Hough变换
• 4.4 数学形态学运算
• 4.4.1 腐蚀
• 4.4.2 膨胀
• 4.4.3 开、闭运算
• 4.4.4 细化
• 4.5 边缘检测
• 4.6 孤立点滤波
• 第五章 实验分析
• 5.1 照明系统的改进
• 5.2 识别方法的改进
• 5.2.1 HSV模型空间
• 5.2.2 RGB到HSV的转换
• 5.2.3 颜色空间的量化
• 第六章 结论与展望
• 附录
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文
• 学位论文评阅及答辩情况表