基于卷积神经网络的PCB缺陷检测技术研究

目录

声明

致谢

第一章 绪论

1.1 课题研究背景与意义

1.2 PCB缺陷检测国内外研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 卷积神经网络发展历程

1.4 论文主要内容及结构

第二章 基于传统图像处理的PCB缺陷检测

2.1检测流程概述

2.2 PCB图像采集与预处理

2.2.1 图像滤波处理

2.2.2 图像锐化处理

2.3 PCB图像配准

2.3.1 SIFT特征点

2.3.2 图像配准算法

2.3.3 单应性矩阵计算与优化

2.4 PCB图像缺陷检测算法

2.4.1 PCB裸板孔洞检测

2.4.2 PCB裸板导线缺陷检测

2.5 本章小结

第三章 卷积神经网络相关基础知识

3.1 神经网络

3.1.1 BP神经网络

3.1.2 卷积神经网络

3.2 改善深层神经网络

3.2.1 Regularization正则化

3.2.2 Dropout层

3.2.3 Batch Normalization层

3.2.4 损失函数优化算法

3.3 本章小结

第四章 基于卷积神经网络的PCB缺陷检测

4.1 PCB缺陷 差分定位

4.1.1 图像二值化

4.1.2 缺陷轮廓边缘定位

4.2 PCB缺陷数据集制作

4.3 设计PCB识别网络

4.3.1 改进AlexNet网络模型

4.3.2 改进VGGNet网络模型

3.3.3 改进GoogleNet网络模型

4.3.4 改进ResNet网络模型

4.4 网络训练与PCB缺陷测试

4.4.1 Pytorch网络框架

4.4.3 迁移学习

4.4.2 搭建网络与训练

4.4.3 ResNet-34网络参数优化训练

4.5 本章小结

第五章 应用软件设计与测试

5.1 深度学习模型转换

5.2 PCB缺陷检测软件设计需求和开发环境

5.2.1 设计需求分析

5.2.2 软件开发环境

5.3 PCB缺陷检测软件应用设计

5.3.1 软件工作流程

5.3.2 软件功能模块设计

5.4.1 实验结果

5.4.2 实验结果分析

5.5 本章小结

第六章 总结与展望

6.1 工作总结

6.2 工作展望

参考文献

读硕士学位期间的学术活动及成果情况