摘要:通信行业，计算机行业以及移动电子行业的发展，促成了印刷电路板(PCB)制造行业的蓬勃发展。电子产品向着更薄，更轻，更智能，更便携的方向发展，印刷电路板的制作也追求更高精度，更高密度，更多层次。而PCB制作过程中最常出现的问题就是焊点有严重的缺陷，导致PCB板的功能存在问题，甚至会给整个电子产品带来巨大的损失。所以焊点质量检测越来越重要，传统的方法是人工目检，但是这种方式的缺陷太多。而基于计算机视觉的自动光学检测系统，也就是我们常说的AOI系统能有效提高检测效率和准确率。本课题利用图像特征提取技术建立了一种焊点检测分类方法，通过实际生产中焊点可能出现的的缺陷类型，建立了一个焊点缺陷类型数据库，然后分别用HOG以及LBP特征提取算法提取焊点缺陷的图像特征，然后对不同缺陷类型的焊点进行分类研究。主要研究内容如下：
（1）建立PCB板图像数据库
（2）用HOG算法和LBP算法分别进行焊点特征提取。
（3）构建一个高斯分类器。
关键词：印刷电路板；焊点智能检测；HOG特征提取；LBP特征提取；高斯分类器
目录
摘要
Abstract
1 绪论-1
1.1 本课题的背景及意义-1
1.2 研究历史和现状-2
1.3 本文研究内容-3
1.4 本文组织结构-3
2 相关技术-4
2.1 焊点缺陷图像特征提取-4
2.1.1图像对比算法-4
2.2.2基于神经网络的算法-6
2.2分类器介绍-7
2.2.1高斯过程分类器-8
2.2.2 K-近邻分类器-8
2.2.3贝叶斯分类器-8
2.2.4 决策树分类器-9
3 算法-10
3.1 数据库的构建-10
3.2 图像特征提取-11
3.2.1 LBP特征提取-11
3.2.2 HOG特征提取-12
3.3 构建高斯分类器-15
3.3.1 定义函数-15
3.3.2 计算后验概率分布-16
3.3.3 计算分类概率-17
4仿真实验-18
结 论-19
参考文献-20
致谢-21
