空間輻射是危害航天器穩(wěn)定運(yùn)行的重要因素,目前一直通過(guò)地面加速試驗(yàn)和效應(yīng)等效相結(jié)合的方式研究空間輻射對(duì)敏感元器件造成的輻射損傷,為此需要重離子加速器同相關(guān)檢測(cè)設(shè)備配合,開(kāi)展地面模擬試驗(yàn)對(duì)航天元器件進(jìn)行檢測(cè)。但由于加速器終端用于模擬檢測(cè)的配套設(shè)備不完善甚至不具備,制約了抗輻射檢測(cè)技術(shù)的發(fā)展。為此開(kāi)展基于蘭州重離子加速器的輔助設(shè)備研究,結(jié)合計(jì)算機(jī)技術(shù)和自動(dòng)化技術(shù)提出電路板自動(dòng)光照檢測(cè)系統(tǒng)。首先,基于電路板光照檢測(cè)系統(tǒng)的檢測(cè)流程,設(shè)計(jì)檢測(cè)系統(tǒng)的系統(tǒng)架構(gòu)和各個(gè)功能模塊劃分,為后續(xù)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)構(gòu)筑藍(lán)圖。其次,針對(duì)各個(gè)異構(gòu)設(shè)備間的互聯(lián)互通,基于OPC UA的信息建模規(guī)則,建立機(jī)器人信息模型,構(gòu)建異構(gòu)設(shè)備通信系統(tǒng),并根據(jù)具體硬件設(shè)備研究工程實(shí)現(xiàn)過(guò)程。然后,針對(duì)輻射環(huán)境下待檢測(cè)芯片的坐標(biāo)采集問(wèn)題,結(jié)合SLIC超像素和One Cut圖像分割,提出了SLIC-OneCut芯片識(shí)別與定位算法,并采用與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的方式,解決了待檢測(cè)芯片的識(shí)別與定位問(wèn)題。其中提出利用SLIC超像素算法加速OneCut圖像分割過(guò)程來(lái)實(shí)現(xiàn)傳統(tǒng)意義下的基于圖像分割的芯片定位。針對(duì)深度學(xué)習(xí)模型的構(gòu)建過(guò)程,制作了電路板圖像數(shù)據(jù)...

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 空間輻射及其檢測(cè)的研究現(xiàn)狀
        1.2.2 OPC UA的研究現(xiàn)狀
        1.2.3 圖像分割算法的研究現(xiàn)狀
        1.2.4 組態(tài)監(jiān)控軟件的研究現(xiàn)狀
    1.3 論文研究?jī)?nèi)容
    1.4 論文組織架構(gòu)
第2章 電路板自動(dòng)光照檢測(cè)系統(tǒng)設(shè)計(jì)
    2.1 基于OPC的異構(gòu)設(shè)備通信系統(tǒng)
    2.2 基于單目相機(jī)的機(jī)器視覺(jué)系統(tǒng)
    2.3 基于組態(tài)的檢測(cè)控制系統(tǒng)
    2.4 本章小結(jié)
第3章 基于OPC的異構(gòu)設(shè)備通信系統(tǒng)
    3.1 OPC UA關(guān)鍵技術(shù)
    3.2 OPC UA規(guī)范
    3.3 基于OPC UA的信息模型
    3.4 異構(gòu)系統(tǒng)實(shí)現(xiàn)
        3.4.1 桁架機(jī)器人
        3.4.2 ABB機(jī)器人
    3.5 本章小結(jié)
第4章 基于圖像分割的芯片定位
    4.1 基于SLIC的超像素合并
        4.1.1 Lab色彩模型
        4.1.2 SLIC算法
        4.1.3 超像素合并
    4.2 前景與背景后處理
    4.3 One Cut圖像分割
    4.4 矩形擬合
    4.5 實(shí)驗(yàn)驗(yàn)證
        4.5.1 不同的SLIC區(qū)域尺度
        4.5.2 不同的交互式圖割算法
    4.6 本章小結(jié)
第5章 基于CNN的芯片定位
    5.1 數(shù)據(jù)集制作以及預(yù)處理
    5.2 數(shù)據(jù)增強(qiáng)
        5.2.1 基于Augmentor的數(shù)據(jù)增強(qiáng)
        5.2.2 基于Instaboost的數(shù)據(jù)增強(qiáng)
    5.3 基于CNN的圖像分割模型
        5.3.1 基于Mask R-CNN的圖像分割
        5.3.2 基于YOLACT的圖像分割
    5.4 圖像分割算法的評(píng)估標(biāo)準(zhǔn)
        5.4.1 執(zhí)行時(shí)間
        5.4.2 內(nèi)存占用
        5.4.3 精確度
        5.4.4 其他標(biāo)準(zhǔn)
    5.5 實(shí)驗(yàn)驗(yàn)證
        5.5.1 深度學(xué)習(xí)模型的部署
        5.5.2 圖像分割算法的評(píng)估
    5.6 本章小結(jié)
第6章 基于單目相機(jī)的機(jī)器視覺(jué)系統(tǒng)
    6.1 相機(jī)標(biāo)定
    6.2 坐標(biāo)轉(zhuǎn)換
    6.3 芯片的識(shí)別與定位
    6.4 本章小結(jié)
第7章 基于組態(tài)的檢測(cè)控制系統(tǒng)
    7.1 基于KingView的組態(tài)
    7.2 同異構(gòu)設(shè)備間的通信
    7.3 同機(jī)器視覺(jué)系統(tǒng)的通信
    7.4 本章小結(jié)
第8章 結(jié)論與展望
    8.1 總結(jié)
    8.2 遇到的問(wèn)題
    8.3 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果



本文編號(hào)：3746982