基于神經(jīng)網(wǎng)絡(luò)的PCB板焊點(diǎn)顯微圖像質(zhì)量檢測技術(shù)研究.pdf

1、PCB板生產(chǎn)過程中，難免產(chǎn)生一些焊點(diǎn)缺陷，且隨著電子元器件朝著精細(xì)化方向發(fā)展，其越來越細(xì)微的缺陷也使電子產(chǎn)品質(zhì)量的穩(wěn)定可靠性面臨困境。目前學(xué)術(shù)界提出許多切實(shí)可行的方法解決PCB板焊點(diǎn)缺陷問題，以智能神經(jīng)網(wǎng)絡(luò)圖像識別模式引人注目，因此本文基于現(xiàn)有的實(shí)驗(yàn)設(shè)備條件下設(shè)計(jì)一套實(shí)用高效的顯微圖像焊點(diǎn)缺陷檢測系統(tǒng)。
　　首先，在基于實(shí)驗(yàn)?zāi)康牡幕A(chǔ)上，對實(shí)驗(yàn)設(shè)備如顯微鏡、CCD攝像機(jī)、輔助光源、圖像采集卡等硬件設(shè)備和主機(jī)設(shè)備的軟件設(shè)施進(jìn)行了一定

2、的介紹分析。
　　然后，在分析噪聲來源基礎(chǔ)上對圖像進(jìn)行預(yù)處理和特征提取。對顯微圖像進(jìn)行一定灰度修正、wiener濾波等圖像預(yù)處理消除圖像的噪聲影響，再分別采用OSTU圖像分割和區(qū)域生長分割技術(shù)將焊點(diǎn)核心特征從背景中提取出來，為下文圖像幾何特征提取做好鋪墊。
　　再者，圖像識別模式成敗與否關(guān)鍵因素之一在于圖像的數(shù)據(jù)提取是否得當(dāng)。本文基于圖像紋理特征提取灰度共生矩陣(GLCM)的二階矩、熵、對比度、相關(guān)度四個(gè)特征值，再利用小波多

3、尺度統(tǒng)計(jì)圖像的高頻區(qū)域多方向能量，再次結(jié)合圖像幾何特征提取出圖像的若干幾何參數(shù)。聯(lián)合三種方法的特征參數(shù)共同作為神經(jīng)網(wǎng)絡(luò)輸入節(jié)點(diǎn)信息。
　　最后本文介紹傳統(tǒng)神經(jīng)網(wǎng)絡(luò)和改良神經(jīng)網(wǎng)絡(luò)算法數(shù)學(xué)推導(dǎo)驗(yàn)算過程，綜合權(quán)衡分析二者之間的利弊，選擇最適宜PCB板焊點(diǎn)缺陷檢測系統(tǒng)的LM算法作為最終的算法訓(xùn)練函數(shù)。依據(jù)輸入輸出參數(shù)設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)，在選取大量離散特征數(shù)據(jù)代入神經(jīng)網(wǎng)絡(luò)檢驗(yàn)其識別能力，實(shí)驗(yàn)結(jié)果顯示分類效果良好。最后對第四章三種特征提取方法的兩兩