导读:本文包含了自动光学检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:光学,人机界面,图像处理,多线程,隐血,缺陷,视觉。
自动光学检测论文文献综述
王旭,高雪松,毛继禹,张文富,武占英[1]（2019）在《自动光学检测机边缘检测及非整数倍率检测优化》一文中研究指出为提高自动光学检测机(Automated Optical Inspection,AOI)在彩膜面板微观缺陷检测的准确率,本文详细分析了AOI部件构成和检测原理。AOI采用五点比对法对缺陷进行判定,然而当检测区域临近像素有效显示区边界时,五个点中有两个点进入周边黑色区域,不具备参考价值,容易造成错误检测。通过设置边缘屏蔽区域,识别到边缘位置,当检测区域到达边缘时,启动反向比对逻辑,可有效解决这一问题。此外AOI图像传感器(Charge Coupled Device,CCD)在捕捉到图像之后,会把图像按能识别的最低分辨(本文来源于《电子世界》期刊2019年14期）
汪铸杰[2]（2019）在《气浮式自动光学检测系统的电气与运动技术研究》一文中研究指出当前平板显示产业正处于飞速发展时期,人们对平板显示器件的需求越来越高,从智能手表、手机到笔记本电脑、液晶电视,平板显示屏的应用尺寸越来越大。大尺寸液晶面板制造过程复杂,加工精度高,对生产环境的要求很高,产能难以突破。及时发现缺陷,提高面板良率是保证产量的关键,平板显示屏自动光学检测仪器主要用于平板生产过程中的缺陷检测。受平板大型化发展趋势的影响,液晶面板对检测仪器的分辨率、定位精度和稳定性都提出了更高的要求。运动控制系统是仪器的核心,是液晶面板检测流程控制的重要基础。MP2300S作为系统的主控制器,通过M-II总线技术和IO模块、伺服驱动单元置于同一个运动网路中,构成分布式控制系统,实现多轴同步运动控制。采用直线光栅尺作为位置检测反馈装置,与MP2300S、伺服驱动器和电机构成全闭环伺服控制系统,保证系统的定位精度和分辨率。根据仪器工作流程,利用MP720编程软件,采用梯形图程序和运动程序相结合的方式实现液晶面板检测过程的时序控制。梯形图程序负责逻辑控制,运动程序负责电机移动控制。仪器分为正常工作模式和工程模式,正常工作模式用于整机在线连续工作,工程模式用于系统检修和调试。利用工业以太网技术,编写通讯处理程序,实现MP2300S和人机界面的数据交换,为构建网络化控制系统提供基础。(本文来源于《合肥工业大学》期刊2019-04-01）
林晓[3]（2019）在《ITO玻璃自动光学检测系统的控制技术研究》一文中研究指出ITO镀膜玻璃广泛的应用于平板显示、触摸屏、太阳能电池等领域。其产品的质量对其应用于的生产产品有重要的影响。自动光学检测(AOI)系统常用于ITO导电玻璃的缺陷检测,以保证产品质量和指导生产工艺,该系统结构精密,涵盖了机械运动、网络通信、光学成像等各领域。本文针对应用于ITO玻璃检测的AOI系统中的运动控制进行研究。根据整机的功能以运动控制器MP2300S和HUB构建了网络化控制平台,根据系统中各功能模块不同电源规格,设计了检测系统的整体控制电路,以安川公司生产的SGM7J型伺服驱动旋转电机,实现了ITO玻璃的匀速拖动和对中,为图像处理系统的高精度扫描奠定了基础;基于MPE软件,编写PLC梯形图程序和运动控制程序实现整机AOI的完全控制;以工业平板电脑PPC-3120构建了人机界面,基于MFC和Windows多线程技术开发人机界面,实现了与运动控制器通讯,实现远程服务功能,通过客户端,可实现整机的远程监控。对编制的软件和研制的硬件系统进行了联机测试,通过对测试数据的处理和分析得出:软件实现了AOI系统的时序控制和运动控制;辊子电机速度运动平稳,对中装置基本满足其功能。(本文来源于《合肥工业大学》期刊2019-04-01）
申志杰[4]（2019）在《人体粪便隐血检测试剂卡光学图像自动分类技术的研究》一文中研究指出作为检验科常规的检验项目,粪便常规检查在临床检验中具有重要的地位。目前,粪便隐血检测仍然采用人工处理加读卡的方式,该方式具有效率低和容易造成污染等缺点。随着智能分类技术的发展,医学检测自动化已经成为现代医学检验的发展趋势。本文对粪便隐血检测试剂卡的自动分类技术进行研究。依托于全自动粪便常规分析仪,通过摄像头获取粪便隐血检测试剂卡图像,将图像处理技术和机器学习技术相结合用于试剂卡的自动分类。本文的主要工作如下:首先,对粪便隐血检测试剂卡的光学图像进行人工标记,根据反应线(T线)颜色浅深将其标记为阴性、弱阳性或阳性以及一个[0,10]之间的分数。然后对图像进行预处理。试剂卡在实际使用过程中存在被粪便污染的情况,通过对多种图像分割方法进行对比,本文采用阈值和频率域相结合的方式对光学图像进行分割,并且使用LAB颜色空间模型进行辅助验证,准确提取出试剂卡图像中的反应区域;其次,研究了试剂卡反应区的特征提取和选择,通过对试剂卡反应区的图像和基本特征进行分析,得出单一的图像基本特征不符合直接作为试剂卡的分类依据,故本文提出将纹理特征和颜色特征相结合的特征作为试剂卡分类的依据。最后,对支持向量机的多分类算法和回归算法进行了讨论。将提取到的特征向量进行处理,分成训练集和测试集。将训练集送入支持向量机中训练调整参数,并通过验证集对训练的模型进行验证,得到参数最优的分类模型。使用测试集对得到的分类模型进行测试得到最终实验结果。提出使用回归模型对数据进行打分,得到更精确的分类结果,辅助医生更准确的判断和掌握病人的实际情况。本文研究的特点在于需要自动分类的粪便隐血检测试剂卡光学图像背景复杂,且试剂卡分类为多分类问题,分类边界处无明显界限,由于污染的情况导致图像无明显可区分的特征。实验结果表明,本文的方法对粪便隐血检测试剂卡光学图像的自动分类准确率达到了98.4%,单卡平均检测速度为0.69 s,满足了临床检验的要求。目前该技术已在国内部分医院投入临床使用阶段。(本文来源于《电子科技大学》期刊2019-04-01）
章国艺[5]（2018）在《多光谱超高速光学系统在自动光学检测设备中的应用》一文中研究指出自动光学检测(Automatic Optic Inspection,缩写AOI)技术是一种基于光学原理来对检测对象进行检测的技术,它利用光学手段获取被检测物的图像,一般通过传感器(如摄像机)获取被检测物的照明图像,并将其数字化、然后以某种方法进行对比、分析、检测和判断,相当于将人工目视检测自动化、智能化。由于AOI检测设备效率高、快速及可重复性好,AOI技术被广泛应用于工业生产品质、宇宙探测、生物医学成像检测,军警指纹对比及字(本文来源于《2018中国高端SMT学术会议论文集》期刊2018-11-14）
肖可[6]（2018）在《基于图像处理技术的工业自动光学检测研究》一文中研究指出在智能电子设备的日益小型化、易携带、多功能化的发展趋势下,设备中的电子元器件逐渐趋于微型化和密集化,线路的复杂度和集成度也在不断提高,这就给自动化生产中的产品质量检测环节带来了极大挑战。而自动光学检测作为一种快速、无接触、高效的工业检测方法被广泛应用于如芯片、液晶屏、印刷电路板、精密组装等大批量工业生产线上的产品质量检测,因此对其进行研究具有重要的学术意义和实用价值。在工业自动光学检测中主要存在两大类问题:1.待测工件分类问题;2.待测工件中检测缺陷、零部件等对象的检出问题。本论文以自动光学检测技术中的核心部分:光学图像获取以及图像处理分析算法为主要研究内容。从图像集获取及预处理、低层次特征提取、高层次信息提取、目标识别及分类四个方面,针对TFT液晶屏面板中的集成电子线路分类和桥接线路中导电粒子检测两个项目进行了深入分析及研究,研究主要内容如下:1.针对存在着复杂形态元件以及随机形态缺陷的集成电子线路图像按照其是否具有数字背景进行分类。首先使用仿射变换、亮度调整、引入噪声等方法,将230张大小为2048*2048的集成线路图像集扩充为1840张大小为136*136的局部线路图像,其中包含1360张经手工标注类别的图像。然后对扩充后的图像集进行去均值、归一化、白化等预处理,由于其降低了不同光照强度的影响,同时还降低了像素间的相关性以及数据冗余度,因此使后续分类的准确率提高了约6%。之后通过设置不同结构和参数下的对比实验,分析得出最佳的特征提取及分类网络。实验结果表明,当使用方向梯度直方图和堆栈式降噪自编码网络进行初步的特征提取以及深层的特征学习后,在缩小训练集的情况下图像的分类准确率达到约98%,查全率、F-score及马修斯相关系数分别达到约96%、98%以及97%。2.针对桥接线路中的周期性纹理背景下导电粒子数量、大小以及位置分布的检测,提出了一种结合像素灰度值与灰度统计信息的高精度检测方法,解决了面板桥接线路中粒子密度较大区域的粒子相连或重迭问题。在对光源及光照度场进行分析后,构造高通滤波器对图像的不均匀低频光照度场进行抑制,然后为了减少噪声和纹理背景对导电粒子检测的干扰,同时使图像中的粒子细节得到增强并且与背景间的对比度显着增大,对图像进行平滑滤波以及卷积滤波增强等预处理,之后使用局部阈值分割结合形态学运算的方法、基于支持向量机的SIFT特征点聚类方法、以及结合像素灰度值与灰度统计信息的基于等价二进制模式图像的k均值聚类方法分别对导电粒子的数量、位置和面积进行检测实验。使用以上叁种方法对获得的98张桥接线路图像中的导电粒子进行检测,漏检率分别约为20%、12%以及8%,其中第二种方法存在约6%的误检率。(本文来源于《厦门大学》期刊2018-06-30）
卢荣胜,吴昂,张腾达,王永红[7]（2018）在《自动光学(视觉)检测技术及其在缺陷检测中的应用综述》一文中研究指出以智能制造业表面缺陷在线自动检测为应用背景,系统地综述了自动光学(视觉)检测(以下统称自动光学检测,AOI)技术。内容涉及AOI技术的基本原理、光学成像方法、系统集成关键技术、图像处理与缺陷分类方法等。对AOI系统集成中的关键技术,如视觉照明技术、大视场高速成像技术、分布式高速图像处理技术、精密传输和定位技术和网络化控制技术等进行了概述;对表面缺陷AOI主要光学成像方法的基本光学原理、功能和应用场合进行了总结;对表面缺陷检测中的图像处理、缺陷几何特征定义、特征识别与分类算法进行了系统阐述,重点介绍了周期纹理表面缺陷图像中的纹理背景去除方法,复杂和随机纹理表面缺陷的深度学习检测、识别与分类方法。(本文来源于《光学学报》期刊2018年08期）
郑扬,谭胡心[8]（2018）在《生物组织玻片光学自动检测仪开发》一文中研究指出为了满足医疗病理部门对重要的组织玻片影像的扫描采集,完善病理信息的存储与分类管理,开发出生物组织光学自动化检测仪器。该设备通过NI软硬设备的有效整合,利用线性CCD摄像机自动连续摄取组织影像,通过提出的叁点逼近自动对焦技术,实现自动对焦搜索。利用图形比对技术及色彩滤片,将连续拍摄的组织重迭的影像完整缝合,且影像经过色彩校正后,获取不失真的组织细胞影像。实验结果表明,该生物组织检测仪器能够自动快速对焦,每两张组织影像间的平均缝合时间为0.35 s,采集的组织影像满足试验或临床的要求。(本文来源于《控制工程》期刊2018年05期）
李洋[9]（2018）在《平板显示屏自动光学检测系统人机界面软件开发》一文中研究指出平板显示屏自动光学检测系统用于液晶面板制造工艺中的缺陷检测,该系统精密复杂,集成了光学成像、机械运动、电气控制、计算机编程、网络通信等诸多领域。目前,国内企业在技术、性能、市场占有率等指标上均不敌于国外产商,在国内液晶面板的建设高潮和制造业转型升级背景下,本项目所开发的人机界面程序实际应用于平板检测系统设备,有助于推动平板检测系统研究高端化、制造本土化、应用国产化的发展进程。根据纵向分层横向分块的软件构架,本系统采用“触摸屏上位机+PLC下位机”的结构,充分发挥上位机的运算处理和下位机的运动控制能力。将人机界面的软件开发划分为交互模块、通信模块、控制模块,使本系统高内聚、低耦合、可重用、易维护、能扩展。基于MFC的对话框应用程序开发模式,使用NI控件作为控制按钮,根据通用的人机界面设计方式,开发符合工业现场的人机操作界面。该界面针对不同的使用者设计差异化的功能模式界面。采用CAsyncSocket类作为软件通信接口,实现叁种不同通信协议的数据交流。人机界面与下位机安川运动控制器MP2300S采用扩展MEMOBUS协议,人机界面与图像处理单元采用自定义的通信协议,人机界面与远程监控单元使用TCP/IP通信协议。虽然协议繁多,编程要求较高,但保持了通信的灵活性。制定上位机与下位机的控制接口,包括图像处理单元的指令解析和命令转换,完成上位机对系统运行的可靠控制。采用多线程多缓冲区的编程技术,结合自定义Windows消息,实现线程同步,保证该复杂系统的有序高效运行。通过对平板检测系统工作原理分析,设计并实现各个模块的功能,最终发布平板检测系统的人机界面软件。经过现场安装运行调试,表明该软件运行稳定,操作流畅,基本实现了系统控制的预期目标。(本文来源于《合肥工业大学》期刊2018-04-01）
陈祥[10]（2018）在《磁性材料表观缺陷自动光学检测算法的研究与实现》一文中研究指出磁性材料因其特殊的物理特性,广泛应用在现代工业生产制造中。全世界每天都会生产大量的磁材零件。磁材表面的缺陷将会大大的降低磁材的性能。对磁性材料表观缺陷进行检测是保证磁性材料品质的重要方法。目前国内厂商采取的人工目测方式极大限制了行业的发展。少数厂商采用的检测设备由于检测效率低下,难以满足实际生产的需要。有必要对磁性材料表观检测进行进一步的研究。针对磁性材料表观缺陷的自动光学检测,本文提出一套基于机器视觉的磁材表观缺陷检测算法,研究的主要内容有:(1)自适应目标区域定位技术的研究。针对磁性材料因为镀层材质、镀层厚度,镀膜工艺等差异导致的分割定位难问题,本文提出一种自适应遍历法分割方法来定位目标区域。该方法首先进行自适应遍历法进行图像分割,通过遍历阈值,找到一个合适的阈值区间,最终取该区间中某点的值为分割阈值。然后通过与模板信息对比来判断定位的区域是否为当前批次的磁材。该方法能够兼容所有材质的磁材,鲁棒性高,分割效果比一般的分割算法好。(2)磁材边缘缺陷检测算法的研究。本文综合比较了叁种方法,第一种方法为模板匹配,利用事先准备的模板与当前工件进行图像相减,得到其差图,实验证明模板匹配容易检测出缺边、缺角的磁材。第二种方法是凹点搜索法,通过利用在轮廓上寻找凹点的方法,找到的大的凹点即为磁材的磕边部分。第叁种方法是凸包检测法,通过求外轮廓的凸包,再将外轮廓所包围的图形和外轮廓凸包的图形相减,这样直接得到其缺陷部分。本文还对图像相减部分提出了优化方法。实验结果表明,凸包检测法算法运行稳定,检测微小缺陷能力更强。本文还分析了各种方法优缺点,并最终采用结合模板匹配和凸包算法的方法,实现了对于边缘缺陷高准确度、高效检测。(3)磁材面上缺陷检测算法的研究。本文提出一种基于二维Gabor滤波的缺陷提取方法,通过构建多方向多尺度法Gabor滤波核,然后将各个滤波结果综合分析,利用掩膜处理和形态学开运算去除图像边缘和噪声干扰,最终得到缺陷信息。该方法很好解决了因磁材图像表面背景复杂而导致的检测困难的问题。(4)算法的加速与优化。本文分别采用多线程、OpenMP和CUDA对算法进行加速。通过实验对比,最终选择CUDA加速,检测时间降为未加速前1/4,时间控制在65 ms以内,满足实时检测需求。经过批量测试,本文的算法在边缘缺陷检测的漏检率和误检率从10%左右降低到1%以下。磁材面上缺陷漏检率和误检率从15%左右降低到2%以下。算法满足实际应用的要求。(本文来源于《电子科技大学》期刊2018-04-01）
自动光学检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
当前平板显示产业正处于飞速发展时期,人们对平板显示器件的需求越来越高,从智能手表、手机到笔记本电脑、液晶电视,平板显示屏的应用尺寸越来越大。大尺寸液晶面板制造过程复杂,加工精度高,对生产环境的要求很高,产能难以突破。及时发现缺陷,提高面板良率是保证产量的关键,平板显示屏自动光学检测仪器主要用于平板生产过程中的缺陷检测。受平板大型化发展趋势的影响,液晶面板对检测仪器的分辨率、定位精度和稳定性都提出了更高的要求。运动控制系统是仪器的核心,是液晶面板检测流程控制的重要基础。MP2300S作为系统的主控制器,通过M-II总线技术和IO模块、伺服驱动单元置于同一个运动网路中,构成分布式控制系统,实现多轴同步运动控制。采用直线光栅尺作为位置检测反馈装置,与MP2300S、伺服驱动器和电机构成全闭环伺服控制系统,保证系统的定位精度和分辨率。根据仪器工作流程,利用MP720编程软件,采用梯形图程序和运动程序相结合的方式实现液晶面板检测过程的时序控制。梯形图程序负责逻辑控制,运动程序负责电机移动控制。仪器分为正常工作模式和工程模式,正常工作模式用于整机在线连续工作,工程模式用于系统检修和调试。利用工业以太网技术,编写通讯处理程序,实现MP2300S和人机界面的数据交换,为构建网络化控制系统提供基础。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自动光学检测论文参考文献
[1].王旭,高雪松,毛继禹,张文富,武占英.自动光学检测机边缘检测及非整数倍率检测优化[J].电子世界.2019
[2].汪铸杰.气浮式自动光学检测系统的电气与运动技术研究[D].合肥工业大学.2019
[3].林晓.ITO玻璃自动光学检测系统的控制技术研究[D].合肥工业大学.2019
[4].申志杰.人体粪便隐血检测试剂卡光学图像自动分类技术的研究[D].电子科技大学.2019
[5].章国艺.多光谱超高速光学系统在自动光学检测设备中的应用[C].2018中国高端SMT学术会议论文集.2018
[6].肖可.基于图像处理技术的工业自动光学检测研究[D].厦门大学.2018
[7].卢荣胜,吴昂,张腾达,王永红.自动光学(视觉)检测技术及其在缺陷检测中的应用综述[J].光学学报.2018
[8].郑扬,谭胡心.生物组织玻片光学自动检测仪开发[J].控制工程.2018
[9].李洋.平板显示屏自动光学检测系统人机界面软件开发[D].合肥工业大学.2018
[10].陈祥.磁性材料表观缺陷自动光学检测算法的研究与实现[D].电子科技大学.2018
论文知识图
![系统及其在SMT生产线中的应用[23]](http://image.cnki.net/GetImage.ashx?id=1013320375.nh0003&suffix=.jpg)
