應用機器視覺搭配類神經網路對CCD sensor作影像對位之研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：114

、訪客IP：18.117.186.153

姓名

許得政(Hsu Te Cheng) 查詢紙本館藏

畢業系所

機械工程學系在職專班

論文名稱

應用機器視覺搭配類神經網路對CCD sensor作影像對位之研究
(Application of machine vision with neural network to alignment for CCD sensor)

相關論文

★ 應用於車身號碼打刻機之號碼辨識	★ 複合式掌紋識別系統
★ 圓形偵測在OLED Panel 檢測上的應用	★ MLCC薄膜厚度即時線上影像檢測技術之研發
★ 全自動微鑽針影像檢測系統之研究	★ 應用類神經網路預測COG製程對於中小尺寸TFT-LCD產生之應力狀態
★ 應用機器視覺系統檢測高滲透壓刀輪切割 TFT-LCD 玻璃後斷面之研究	★ 低成本輕量化機械手臂之研究
★ 應用在同軸電纜加工之雷射光斑導引機構設計與分析	★ 表面電漿波共振-非旋轉方式的新機構設計理論
★ 網路協同式機械設計系統研發	★ 軟膠囊自動辨識系統
★ 心電訊號之擷取與分析	★ 盲人圖樣感知輔助裝置之研發設計
★ 非旋轉式表面電漿共振儀之改良與實現	★ 可攜式無線心電訊號擷取器之設計

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

一個好的光學成像系統必須建立在沒有像差的基準上，而會造成像差的原因有許多種，其中最常發生的原因是無法對焦於同一光軸上的任一點，各相機系統廠為解決此項問題大多利用雷射準直儀，作為鏡片及CCD Sensor的平行對位校正，但此類型的設備較為昂貴。
目前機器視覺的技術已發展成熟，廣泛的應用在各產業界中，其中不乏使用在對位技術方面，本研究係經由影像切割將背景與檢測樣本作區分後，在進行行距間的量測判定，利用兩組CCD分別架設於機台的上側與前側，計算出樣本XYZ軸的平行度與間距是否與設計值相同，並透過類神經網路的學習過程，將判定的準確率接近至百分之百，使其數位相機的像差問題，可獲得有效的改善。

摘要(英)

A good optical imaging system must be established benchmarks in the absence of aberration ,The reasons can cause many types of aberration ,which is the most common reason for not focusing on any point on the same optical axis ,The ODM(Own Designing & Manufacturing) factory of DSC(Digital Still Camera) to solve the problem mostly use the laser on the favorite ,as the lens and the CCD Sensor parallel alignment correction ,However ,this type of equipment is more expensive.
Currently ,machine vision technology has been developed ,Widely application in all works of life and always can be find in technology of location alignment ,This paper is research how to measurement space ,after Image segmentation to distinguish between background and test samples ,using two CCD and set up at the working platforms top side and front side ,Calculate the Parallelism and spacing of sample XYZ axis is same or not with the design value ,through the learning process of Artificial neural network ,let error rate will be close to design values as low as ,and aberrations problem of digital camera could be improved.

關鍵字(中)

★ 機器視覺
★ 影像處理
★ 類神經網路

關鍵字(英)

★ Machine Vision
★ Image processing
★ ANN

論文目次

摘要 ………………………………………………………………… I
Abstract ………………………………………………………………… II
誌謝 ………………………………………………………………… III
目錄 ………………………………………………………………… IV
圖目錄 ………………………………………………………………… V
表目錄 ………………………………………………………………… VII
第一章緒論 …………………………………………………………… 1
1.1 前言 …………………………………………………………… 1
1.2 研究動機及目的 ……………………………………………… 5
1.3 文獻回顧 ……………………………………………………… 6
1.4 論文架構 ……………………………………………………… 6
第二章機器視覺與影像處理 ………………………………………… 8
2.1 機器視覺應用 ………………………………………………… 8
2.2 機器視覺架構 ………………………………………………… 8
2.2.1 光源種類 ……………………………………………………… 9
2.2.2 影像擷取卡 …………………………………………………… 11
2.3 影像處理 ……………………………………………………… 12
2.3.1 影像前處理 …………………………………………………… 12
2.3.2 影像切割 ……………………………………………………… 13
2.3.3 二值化 ………………………………………………………… 13
2.3.4 自動閥值 ……………………………………………………… 14
2.3.5 影像濾波 ……………………………………………………… 14
2.3.6 邊緣強化 ……………………………………………………… 16
2.4 影像形態學 …………………………………………………… 18
第三章類神經網路 …………………………………………………… 21
3.1 類神經網路簡介 ……………………………………………… 21
3.2 類神經網路原理 ……………………………………………… 24
3.2.1 人工神經元 …………………………………………………… 25
3.2.2 轉移函數 ……………………………………………………… 26
3.3 倒傳遞類神經網路 …………………………………………… 28
3.4 倒傳遞類神經網路演算法 …………………………………… 29
第四章研究主題與實驗方法暨探討 ………………………………… 32
4.1. CCD Sensor與Plate元件樣本對位說明 …………………… 35
4.1.1 鏡頭量測焦距校正 ………………………………………… 36
4.2 影像對位程式實作 …………………………………………… 37
4.2.1 雷射對位與機器視覺對位之比較 …………………………… 44
4.3 倒傳遞網路環境設定………………………………………… 45
4.4 倒傳遞網路訓練 …………………………………………… 47
4.5 倒傳遞類神經網路的限制與注意事項 ……………………… 51
第五章結論與未來展望 ……………………………………………… 53
5.1 結論 …………………………………………………………… 53
5.2 未來展望 ……………………………………………………… 53
參考文獻 ……………………………………………………………………… 55

參考文獻

[1]邵穗鵬，“光學透鏡系統實例設計與評估”，國立中央大學機械工程研究所
碩士論文，2004.
[2]蔡孟頎，“倒傳遞類神經網路於多腳位元件影像對位最佳化之研究”，國立
中央大學機械工程研究所碩士論文，2008.
[3]丁志文，“影像處理於SMD元件定位之應用”，國立台灣科技大學電機工程
研究所碩士論文，2002.
[4]蔡典霖，“應用機械視覺於印刷電路板表面元件之檢測”，國立清華大學機
械工程研究所碩士論文，2004.
[5]陳靜怡，“影像處理及類神經網路於微細胞核自動計數之應用”，元智大學資訊管理學系碩士論文，2005.
[6]席友亮、李芳繁，“以機器視覺分級文心蘭切花之研究”，農業機械學刊，2001.
[7]黃敏峰，“人臉追蹤法應用於監控系統之研究”，國立成功大學電機工程學系碩士論文，2003.
[8]陳昭彰，“運用機器視覺於液晶面板上液晶量之檢測”，國立成功大學工程科學系碩士論文，2007.
[9]陳子超“表面黏著元件之自動光學檢測”，國立清華大學動力機械工程學系碩士論文，2003.
[10] J.J.Hopfielf and D.W.Tank,“Neural Compotation of Decisions in Optimization Problem＂,Biological Cybernetiv,Vol.33,pp.533-543,
1986.
[11] N.Baba,“A New Approach for Finding the Global Minimum of Error
Function of Neural Networks＂,Neural Network,Vol.2,pp.367-373.
[12] Yolanda.M.Pirez and Dilip.Sarkar,“Back-Propagation Algorithm with
Controlled Oscillation of Weights＂,Neural Networks,IEEE International Conference on,Vol.1,pp.21-26.
[13] R.C.Gonzales and R.E.Woods,“Digital image processing＂, Addison-
Wesley,1992.
[14] E.K. Teoh, D.P. Mital, B.W. Lee and L.K. Wee,“Automated Visual Inspection of Surface Mount PCBs＂,Industrial Electronics Society,16th Annual Conference of IEEE , Vol. 1, pp. 576-580, 1990.
[15] D.Nguyen and B.Widrow,“Improving the Learning Speed of 2-Layer Neural Network by Choosing Initial Values of the Adaptive Weights＂,Proc.of IJCNN,San Diego,California,Vol.3,pp.22-26.
[16] C.Y.Chang,et al.,“ Using a two-layer competitive hopfield neural network for semiconductor wafer defect detection. Paper presented＂,International Conference on Automation Science and Engineering, Edmonton, Canada,2005.
[17] 黃世揚、吳明哲等人，“Visual Basic 6.0學習範本”，文魁資訊股份有
限公司，2004。
[18] 羅華強，“類神經網路—MATLAB的應用”，高立圖書有限公司，2008。

指導教授

黃衍任(Yean-ren Hwang)

審核日期

2010-11-4

推文