高密度電路板異常區(qū)域識別方法研究.pdf

1、高密度電路模塊由于具有小型化、密度高、可靠性要求高等特性，以及組裝難度大、產(chǎn)品合格率低、返修率高等一系列問題，對傳統(tǒng)的檢測流程和檢測手段都提出了新的挑戰(zhàn)。目前針對高密度電路的組裝質(zhì)量檢測由于缺乏有效的手段導(dǎo)致檢測難度大、效率低，而單一檢測手段費時費力，效率低下，難于保證及時準確地對故障點進行定位。因此新的檢測手段，正在被越來越多的學(xué)者關(guān)注和研究。
　　本文分析了基于電磁掃描的檢測技術(shù)的關(guān)鍵技術(shù)并重點設(shè)計了異常區(qū)域的識別方法。即利用

2、超復(fù)數(shù)空間的彩色圖像邊緣檢測方法檢測異常區(qū)域的輪廓。首先，利用遺傳算法對 Prewitt算子進行了改進，并將其最優(yōu)算子應(yīng)用于超復(fù)數(shù)空間的彩色圖像邊緣檢測，提高了超復(fù)數(shù)空間彩色圖像邊緣檢測的抗噪能力和檢測結(jié)果的精確度。用該算法對空間閾值圖像進行邊緣提取，進而得到異常區(qū)域；然后根據(jù)閾值圖像的特點對高斯——拉普拉斯塔形分解的圖像融合技術(shù)進行改進，將閾值圖像和設(shè)計文件融為一幅圖像，為后續(xù)的疑似故障元器件的判定提供依據(jù)，并最終完成了疑似故障元器件

3、的判定。
　　理論分析和實驗證明，將電磁掃描技術(shù)引入到高密度電路檢測中具有可行性和有效性，而且本文提出的邊緣檢測算法，能精確、高效地識別異常區(qū)域，同時比常見的灰度圖像邊緣檢測算法和彩色圖像的超復(fù)數(shù)空間邊緣檢測算法保留了更多的有效信息；由圖像融合算法得到的合成圖像不但保留了閾值圖像的彩色特征，而且從合成圖像中可清晰地看到異常區(qū)域內(nèi)的元器件信息，為后續(xù)疑似故障元器件的判定打下了基礎(chǔ)。
　　在后續(xù)的研究工作中，還將優(yōu)化異常區(qū)域的識