基于图像处理的PCB焊接缺陷检测技术分析及研究
发布时间：2021-06-13 18:26
随着近些年来电子行业的不断发展,电子产品作为一种随处可见的消费类产品,其更新换代越发的频繁,越来越轻薄、便捷的电子产品,对于产能及产品质量的要求也逐渐提高。作为电子产品的核心——印刷线路板（Prited Circuit Board,PCB）具备高集成度,高密度的等性能的同时也要求其在生产中拥有高效率、高质量。对于PCB板的检测也成为了电子制造业非常重视的问题。这种大环境下,传统的人工检测由于存在着检测速度慢且易漏检等弊端,无法满足日益加大的需求,因此研究自动光学检测技术（Automatic Optic Inspection,AOI）如何通过较低成本达到高效、精准、快速地对贴片线路板进行检测有着重要的意义。因此本文设计了一种基于图像处理的PCB缺陷检测系统,主要研究内容如下:1.将对图像进行预处理操作,将采集到的彩色图像进行灰度化处理,减小运算的复杂度;对比并分析现有的去噪算法的优缺点,选取非局部均值滤波算法与小波阈值算法对含噪图像进行去噪处理;采用一种新型的限制对比度的自适应直方图均衡化来对去噪后的图像进行增强处理;对图片进行边缘检测,用于后续的某种缺陷种类检测需求。2.通过Hough...
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
论文组织结构图
第2章 相关技术概述目前对 PCB 板进行缺陷检测主要有人工检测、电气检测和机器视觉检，人工检测工作繁琐、耗时长而且准确率低；电气检测则是在 PCB 板基完成后对其通电进行检测，这种检测方式在一些情况下会损坏线路板，本的增加。因此，本章主要对已经采用过 SMT 工艺流程后的 PCB 板焊检测系统进行设计，该系统在工作过程中涉及了光学成像[28]、图像采集[处理、电气控制等技术，实现了智能化的 PCB 焊接缺陷检测，解决了传工检测耗费时间长准确率低的问题。该检测系统可以分为硬件平台和软件平台两个部分，硬件平台主要是些基础硬件设备对待测 PCB 板进行图像采集工作，大体包括三个单元制单元、光照单元和相机采集单元；软件平台是本文研究的重点，主要将采集到的图像传到计算机上，并对图像进行处理和检测以得到检测结统结构框图如图 2-1 所示。硬件平台 软件平台
哈尔滨理工大学工学硕士学位论文描采集待检测的 PCB 板图像，然后再通过软件算法等对采集到的图像进得到缺陷信息，而硬件平台的作用就是用来实现图像采集功能的。如果台的选择不恰当，可能会使采集到的图像模糊或者含有噪声，对接下来处理过程造成影响，例如耗费的时间增加、准确度降低甚至于无法实现目的，由此可知 PCB 检测的速度和精度取决于图像采集单元的速度、质准确性，图像采集直接关系着整个系统的性能。为满足实际生产工作中和高准确率的要求，下面对个单元模块进行具体设计。运动控制单元设计传统的人工检测或具有定位功能的检测系统对运动控制单元的要求并至可能并不需要具备运动控制单元，但是本文研究 PCB 缺陷检测系统实自动化检测，由于采集图像所使用的相机位置是固定的，因此就需要运单元将待检测的 PCB 板移动至相机采集位置，以实现对待测 PCB 板的位。因此对运动控制单元有很高的精度要求。
【参考文献】：
期刊论文
[1]改进的Canny算子在裂缝检测中的应用[J]. 赵芳,周旺辉,陈岳涛,彭红春. 电子测量技术. 2018(20)
[2]自动光学(视觉)检测技术及其在缺陷检测中的应用综述[J]. 卢荣胜,吴昂,张腾达,王永红. 光学学报. 2018(08)
[3]基于改进的小波阈值图像去噪算法研究[J]. 殷青松,戴曙光. 软件导刊. 2018(01)
[4]一种新的小波阈值去噪算法研究[J]. 周建,向北平,倪磊,艾攀华. 机械设计与研究. 2017(06)
[5]基于牙科X光片的多种直方图均衡化图像增强对比[J]. 闫凯文. 光学仪器. 2017(06)
[6]一种改进的非局部均值图像去噪算法[J]. 祝严刚,张桂梅. 计算机工程与应用. 2017(18)
[7]基于均衡化的SMT设备快速换产研究[J]. 徐文杰. 电子机械工程. 2017(03)
[8]基于梯度方向信息熵的印刷电路板缺陷检测[J]. 李云峰,李晟阳. 中国机械工程. 2017(06)
[9]基于机器视觉的PCB板缺陷检测系统关键技术研究[J]. 王玉萍,郭峰林. 科技通报. 2017(01)
[10]AOI技术在PCB缺陷检测中的设计与实现[J]. 郭民,王蕊. 测控技术. 2016(12)
博士论文
[1]微电子产品视觉检测中关键技术研究[D]. 陈世哲.哈尔滨工业大学 2006
硕士论文
[1]基于机器视觉的PCB裸板质量检测系统研究[D]. 吴良溢.湖北工业大学 2018
[2]基于图像处理的微小元件端面裂纹及缺陷检测算法的研究[D]. 李慧娴.郑州大学 2018
[3]基于几何相似性的图像超分辨深度学习方法[D]. 胡卫东.大连理工大学 2017
[4]基于机器视觉的贴片元件焊点缺陷检测[D]. 尹丙桥.广东工业大学 2017
[5]基于机器视觉的药品缺陷检测方法与实验研究[D]. 王野.北京工业大学 2017
[6]基于图像的PCB板缺陷检测技术及应用[D]. 熊昊.重庆理工大学 2017
[7]基于图像处理技术的AOI系统的研究[D]. 全正相.浙江理工大学 2017
[8]基于机器视觉的焊点缺陷检测算法研究[D]. 陈玉.广东工业大学 2015
[9]空间摄像机高速滤波器的并行结构设计与实现[D]. 马利.西安电子科技大学 2015
[10]基于机器视觉的数控排齿机齿片检测研究[D]. 李传武.江南大学 2014
本文编号：3228078
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
论文组织结构图
第2章 相关技术概述目前对 PCB 板进行缺陷检测主要有人工检测、电气检测和机器视觉检，人工检测工作繁琐、耗时长而且准确率低；电气检测则是在 PCB 板基完成后对其通电进行检测，这种检测方式在一些情况下会损坏线路板，本的增加。因此，本章主要对已经采用过 SMT 工艺流程后的 PCB 板焊检测系统进行设计，该系统在工作过程中涉及了光学成像[28]、图像采集[处理、电气控制等技术，实现了智能化的 PCB 焊接缺陷检测，解决了传工检测耗费时间长准确率低的问题。该检测系统可以分为硬件平台和软件平台两个部分，硬件平台主要是些基础硬件设备对待测 PCB 板进行图像采集工作，大体包括三个单元制单元、光照单元和相机采集单元；软件平台是本文研究的重点，主要将采集到的图像传到计算机上，并对图像进行处理和检测以得到检测结统结构框图如图 2-1 所示。硬件平台 软件平台
哈尔滨理工大学工学硕士学位论文描采集待检测的 PCB 板图像，然后再通过软件算法等对采集到的图像进得到缺陷信息，而硬件平台的作用就是用来实现图像采集功能的。如果台的选择不恰当，可能会使采集到的图像模糊或者含有噪声，对接下来处理过程造成影响，例如耗费的时间增加、准确度降低甚至于无法实现目的，由此可知 PCB 检测的速度和精度取决于图像采集单元的速度、质准确性，图像采集直接关系着整个系统的性能。为满足实际生产工作中和高准确率的要求，下面对个单元模块进行具体设计。运动控制单元设计传统的人工检测或具有定位功能的检测系统对运动控制单元的要求并至可能并不需要具备运动控制单元，但是本文研究 PCB 缺陷检测系统实自动化检测，由于采集图像所使用的相机位置是固定的，因此就需要运单元将待检测的 PCB 板移动至相机采集位置，以实现对待测 PCB 板的位。因此对运动控制单元有很高的精度要求。
【参考文献】：
期刊论文
[1]改进的Canny算子在裂缝检测中的应用[J]. 赵芳,周旺辉,陈岳涛,彭红春. 电子测量技术. 2018(20)
[2]自动光学(视觉)检测技术及其在缺陷检测中的应用综述[J]. 卢荣胜,吴昂,张腾达,王永红. 光学学报. 2018(08)
[3]基于改进的小波阈值图像去噪算法研究[J]. 殷青松,戴曙光. 软件导刊. 2018(01)
[4]一种新的小波阈值去噪算法研究[J]. 周建,向北平,倪磊,艾攀华. 机械设计与研究. 2017(06)
[5]基于牙科X光片的多种直方图均衡化图像增强对比[J]. 闫凯文. 光学仪器. 2017(06)
[6]一种改进的非局部均值图像去噪算法[J]. 祝严刚,张桂梅. 计算机工程与应用. 2017(18)
[7]基于均衡化的SMT设备快速换产研究[J]. 徐文杰. 电子机械工程. 2017(03)
[8]基于梯度方向信息熵的印刷电路板缺陷检测[J]. 李云峰,李晟阳. 中国机械工程. 2017(06)
[9]基于机器视觉的PCB板缺陷检测系统关键技术研究[J]. 王玉萍,郭峰林. 科技通报. 2017(01)
[10]AOI技术在PCB缺陷检测中的设计与实现[J]. 郭民,王蕊. 测控技术. 2016(12)
博士论文
[1]微电子产品视觉检测中关键技术研究[D]. 陈世哲.哈尔滨工业大学 2006
硕士论文
[1]基于机器视觉的PCB裸板质量检测系统研究[D]. 吴良溢.湖北工业大学 2018
[2]基于图像处理的微小元件端面裂纹及缺陷检测算法的研究[D]. 李慧娴.郑州大学 2018
[3]基于几何相似性的图像超分辨深度学习方法[D]. 胡卫东.大连理工大学 2017
[4]基于机器视觉的贴片元件焊点缺陷检测[D]. 尹丙桥.广东工业大学 2017
[5]基于机器视觉的药品缺陷检测方法与实验研究[D]. 王野.北京工业大学 2017
[6]基于图像的PCB板缺陷检测技术及应用[D]. 熊昊.重庆理工大学 2017
[7]基于图像处理技术的AOI系统的研究[D]. 全正相.浙江理工大学 2017
[8]基于机器视觉的焊点缺陷检测算法研究[D]. 陈玉.广东工业大学 2015
[9]空间摄像机高速滤波器的并行结构设计与实现[D]. 马利.西安电子科技大学 2015
[10]基于机器视觉的数控排齿机齿片检测研究[D]. 李传武.江南大学 2014
本文编号：3228078
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3228078.html
