基于數(shù)字圖像處理技術(shù)的電子組裝缺陷檢測.pdf

1、隨著電子工業(yè)的發(fā)展，表面組裝技術(shù)逐漸成為了電子組裝工藝的主流技術(shù)。
　　 由于電子組裝質(zhì)量不僅影響到產(chǎn)品的機械性能，而且也影響到產(chǎn)品的電氣性能，因此，對于表面組裝缺陷的檢測也變得越來越重要。
　　 本文首先介紹了表面組裝技術(shù)的特點及主要缺陷類型。闡述了常用的檢測方法及其特點，并將基于數(shù)字圖像處理技術(shù)的自動光學(xué)檢測(AOI)作為研究對象?？偨Y(jié)了目前國內(nèi)外對AOI技術(shù)的研究現(xiàn)狀。
　　 其次，在分析了組裝電路板圖像的

2、特點，以及組裝電路板圖像的主要噪聲類型的基礎(chǔ)之上，本文重點研究了數(shù)字圖像預(yù)處理的方法，實現(xiàn)了對圖像的增強和去噪處理，取得了比較好的效果。同時，提出了基于HIS 顏色模型的圖像定位和校準(zhǔn)方法。通過提取組裝電路板圖像中的定位點，建立坐標(biāo)系，實現(xiàn)了對圖像的定位和校準(zhǔn)。
　　 然后，本文重點介紹了元器件型號錯誤檢測和RCL 元件焊點缺陷檢測的實現(xiàn)過程。對于元器件型號檢測，在分析元器件絲印字符特點的基礎(chǔ)上，闡述了字符圖像預(yù)處理和字符特征提

3、取的方法，并運用BP 神經(jīng)網(wǎng)絡(luò)實現(xiàn)字符識別。對于RCL元件焊點缺陷檢測，在分析了焊點圖像特征并提取了多個圖像特征的基礎(chǔ)上，針對生產(chǎn)實際，提出了一種二階段法的缺陷檢測模型，在第一階段，采用單一特征量通過感知器神經(jīng)網(wǎng)絡(luò)對樣本進(jìn)行檢測，在保證較低的漏檢率下篩選出大多數(shù)的良品。在第二階段，采用多特征并經(jīng)主成分分析(PCA)方法降維處理，通過BP 神經(jīng)網(wǎng)絡(luò)對樣本進(jìn)行多類別分類。通過與傳統(tǒng)的缺陷檢測方法比較，證明二階段方法在檢測的準(zhǔn)確性和效率上都有