發(fā)布時間：2021-10-30 17:41

　　隨著3C領(lǐng)域中通信行業(yè)迅速興起,智能手機在人們的生活中越來越重要,手機廠商為了提高自己的產(chǎn)品競爭力,手機主板上的手機部件也越來越緊密,高精度的手機制造業(yè)也面臨著更多的挑戰(zhàn)。針對檢測在手機主板上高精度的手機部件是否焊接在正確的區(qū)域內(nèi),以及相應(yīng)區(qū)域位置上,焊接的部件種類是否正確,傳統(tǒng)的檢測方法已經(jīng)不能滿足要求。近年來,大規(guī)模GPU并行運算的發(fā)展使利用深度學(xué)習(xí)解決計算機視覺中的問題成為可能。利用計算機視覺技術(shù)檢測手機部件所在位置是否符合工業(yè)要求,即可以避免傳統(tǒng)接觸式檢測的碰撞和人工目檢的主觀性,又可以用較低的成本完成檢測,并且利用計算機視覺技術(shù)檢測,具有較高的魯棒性和準確性,無需針對每次檢測都重新編程。因此,利用計算機視覺實現(xiàn)手機部件的目標區(qū)域檢測在手機生產(chǎn)過程中越來越重要。通過研究神經(jīng)網(wǎng)絡(luò)和近年提出的目標檢測算法,本文提出了利用計算機視覺檢測手機部件目標區(qū)域的算法。該算法根據(jù)SSD模型低層特征圖語義信息不足,設(shè)計了新的融合結(jié)構(gòu),降低了參數(shù)量,豐富了特征圖的邊緣信息和語義信息。針對特征圖多次反卷積會增加噪聲信息,將SSD模型特征圖劃分三段做分段反卷積與淺層特征層融合。為加強模型對小目標的檢測... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院沈陽計算技術(shù)研究所)遼寧省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

面向手機部件的目標區(qū)域檢測算法的設(shè)計與實現(xiàn)103)PCA/白化：其主要目的是通過相關(guān)性函數(shù)，降低輸入數(shù)據(jù)維度，去掉冗余維度，加快訓(xùn)練速度，減小模型的復(fù)雜度。如圖2.3去相關(guān)與白化效果圖。圖2.2去均值與歸一化效果圖Figure2.2De-meanandnormalizedrenderings圖2.3去相關(guān)與白化效果圖Figure2.3De-correlationandwhiteningrenderings2.1.2卷積計算層這一層是卷積神經(jīng)網(wǎng)絡(luò)最重要的一層，卷積神經(jīng)網(wǎng)絡(luò)的名字也由此而來。卷積操作受到生物學(xué)中視覺結(jié)構(gòu)的啟發(fā)，在數(shù)學(xué)函數(shù)領(lǐng)域是一種積分運算，卷積運算的定義如公式（2.1）。(,)=(,)(,)=∑(,)(,)…（2.1）其中代表濾波器，和分別為卷積核的長寬，代表圖像中卷積核所對應(yīng)的像素窗口。濾波器對圖像進行滑動窗口操作，將窗口內(nèi)的圖像與濾波器相乘之后相加，

面向手機部件的目標區(qū)域檢測算法的設(shè)計與實現(xiàn)103)PCA/白化：其主要目的是通過相關(guān)性函數(shù)，降低輸入數(shù)據(jù)維度，去掉冗余維度，加快訓(xùn)練速度，減小模型的復(fù)雜度。如圖2.3去相關(guān)與白化效果圖。圖2.2去均值與歸一化效果圖Figure2.2De-meanandnormalizedrenderings圖2.3去相關(guān)與白化效果圖Figure2.3De-correlationandwhiteningrenderings2.1.2卷積計算層這一層是卷積神經(jīng)網(wǎng)絡(luò)最重要的一層，卷積神經(jīng)網(wǎng)絡(luò)的名字也由此而來。卷積操作受到生物學(xué)中視覺結(jié)構(gòu)的啟發(fā)，在數(shù)學(xué)函數(shù)領(lǐng)域是一種積分運算，卷積運算的定義如公式（2.1）。(,)=(,)(,)=∑(,)(,)…（2.1）其中代表濾波器，和分別為卷積核的長寬，代表圖像中卷積核所對應(yīng)的像素窗口。濾波器對圖像進行滑動窗口操作，將窗口內(nèi)的圖像與濾波器相乘之后相加，

【參考文獻】：
期刊論文
[1]深層卷積神經(jīng)網(wǎng)絡(luò)的目標檢測算法綜述[J]. 張澤苗,霍歡,趙逢禹.  小型微型計算機系統(tǒng). 2019(09)
[2]基于深度學(xué)習(xí)的目標檢測算法綜述[J]. 吳雨露,張德賢.  信息與電腦(理論版). 2019(12)
[3]基于改進SSD的行人檢測方法[J]. 邢浩強,杜志岐,蘇波.  計算機工程. 2018(11)
[4]基于天文觀測的相機標定及姿態(tài)測量技術(shù)研究[J]. 戴東凱,王省書,胡春生,焦宏偉.  光學(xué)學(xué)報. 2012(03)
[5]印刷電路板瑕疵檢測與分類算法[J]. 陳曉輝,劉曉軍.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2010(07)
[6]PCB測試方法綜述[J]. 蔡希彪,趙悅,唐毅謙.  遼寧工學(xué)院學(xué)報. 2004(04)
[7]PCB瑕疵圖象實時視覺檢測方法的研究[J]. 劉尚軍,程憲平.  計算機工程與應(yīng)用. 2002(16)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的視覺定位系統(tǒng)的設(shè)計與實現(xiàn)[D]. 甘露.中國科學(xué)院大學(xué)(中國科學(xué)院沈陽計算技術(shù)研究所) 2019
[2]基于機器視覺的PCB元器件檢測方法研究[D]. 王志國.中北大學(xué) 2019
[3]基于機器視覺的爐前PCB貼裝器件缺陷檢測[D]. 韓博軒.哈爾濱工業(yè)大學(xué) 2018
[4]手機電池的尺寸測量和外觀缺陷檢測[D]. 王盼.哈爾濱工業(yè)大學(xué) 2016
[5]基于雙目立體視覺的物體深度信息提取系統(tǒng)研究[D]. 劉維.中南大學(xué) 2009
[6]基于圖像處理與機器視覺的手機軟板缺陷檢測的研究[D]. 曹申.中南大學(xué) 2007
[7]PCB數(shù)字圖像檢測與識別研究[D]. 高湘玲.西南交通大學(xué) 2002



本文編號：3467147