基于CCD的高速PCB线宽线距及缺陷检测方法研究
发布时间：2021-07-22 00:48
PCB作为汽车制造,通讯行业,计算机领域等领域的基础,PCB质量的好坏直接影响了各产品的质量,其中PCB的线宽线距影响了成板的良品率。随着线阵CCD的不断发展,为了对PCB板进行快速准确且成本较低的检测,本文针对使用线阵CCD相机对PCB进行快速实时的线宽线距测量和缺陷检测方法进行研究。首先,对CCD的结构和工作原理进行介绍,分析了使用线阵CCD对PCB进行缺陷检测和线宽线距测量的优势,根据线阵CCD的工作特性,对线阵CCD和工作台之间的匹配问题进行剖析,指出线阵CCD成像与速度之间的关系,设计了基于CCD的图像扫描采集系统。其次,分析了传统PCB线宽线距检测所存在的实时性和检测精度的不足,基于此,设计了基于CCD图像快速滤波及自适应拟合的PCB线宽线距测量算法,完成了在线检测。为了提高检测的速度与精度,改进并使用部分快速导向滤波方法,为了提高实时性,将图像增强、二值化处理及拟合直线进行了自适应的优化,为了突出本方法的有效性,将本方法与经过模型训练后的结果进行对比。再次,作为对线宽线距测量的补充检测,使用结构相似算法从图像中对PCB进行缺陷检测,利用线阵CCD完成图像滚动拼接,对拼接后...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
斜率对真实差值的影响
第三章基于CCD图像快速滤波及自适应拟合的PCB线宽线距测算法35方法的好坏。图3-10实际采集拼接图像使用balser-8192gm线阵CCD相机进行扫描采集，如图3-10所示，是本次实验的采集拼接结果示意图，其分辨率大小是3544*8192，从图中可以明显看出有4条沟壑，这4条沟壑就是PCB中的线，每条线之间的宽度就是线宽，他们之间的距离就是线距。在图中存在一些肉眼可观测的干扰，图中存在不规则波浪形条纹和其他噪点，这是由于PCB生产工艺所产生的。并且在图像中间部分有一条细微的黑线，这是由于采集过程中的干扰造成的。在实验中设置每次检测的基本行数为50行，相机使用GigE协议进行连接。同时，为了进行对比实验，所使用的训练集是公开的HED-BSDS训练集（共计28800张图片），复现了RCF模型，学习率为1e-6，使用训练集对该模型训练了26小时，迭代了30次，得到了相对稳定的模型。3.5.2对比实验本章将方法抽象，可以在中途输出边缘检测结果，将特定情况下的边缘检测结果与目前的新方法进行对比，如第一章所介绍的，目前在图像的边缘检测领域，出现了先进的图像边缘检测方法，随着人工智能和机器学习的发展，以神经网络为基础的深度学习网络框架的出现，给了图像边缘提取一个新的思路。其基本原理是使用大量数据集对输出的模型网络进行训练，得出满足需要的参数，然后利用此模型，将待处理的图像数据输入模型，得出输出图像。该模型最初是由vgg16模型演变而来[66]，该模型最初用于图像识别领域，判断图中是否有某一元素，如图3-11所示，输入的图像经过多层的卷积层和池化层，最后输出判定的结果，通过与结果比对来调整参数，但是这不是我们所想要的边缘图像。
电子科技大学硕士学位论文54测，所以当运动平台运动结束，相机采集图像完成后，可输出检测结果。5.1.2上位机设计本文上位机程序及相关的检测算法均是使用python编写的，运动控制部分是使用NI的设备进行控制，调用了相关接口。上位机分三部分组成，第一部分是与控制平台连接和调试等，第二部分是进行快速实时PCB缺陷检测，为整版检测，第三部分是进行线宽线距测量，精检测。图5-2上位机示意图如图5-2所示，是本文的上位机的页面示意图，分从整体分为三部分，第一部分是电机端口调试及电机参数的设定，用于调平运动平台并使得平台在x方向正常运行，第二部分是设置如第三第四章所设计的一些基本参数，用于后续检测，第三部分是检测及结果显示部分，分为PCB缺陷检测及一定范围内PCB线宽线间距的检测结果。5.2实验结果及分析实验部分按照第三章和第四章所述的内容进行验证说明，进行两部分不同的实验，先对PCB的线宽线距进行测量，再对PCB板进行整板检测。
本文编号：3296103
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
斜率对真实差值的影响
第三章基于CCD图像快速滤波及自适应拟合的PCB线宽线距测算法35方法的好坏。图3-10实际采集拼接图像使用balser-8192gm线阵CCD相机进行扫描采集，如图3-10所示，是本次实验的采集拼接结果示意图，其分辨率大小是3544*8192，从图中可以明显看出有4条沟壑，这4条沟壑就是PCB中的线，每条线之间的宽度就是线宽，他们之间的距离就是线距。在图中存在一些肉眼可观测的干扰，图中存在不规则波浪形条纹和其他噪点，这是由于PCB生产工艺所产生的。并且在图像中间部分有一条细微的黑线，这是由于采集过程中的干扰造成的。在实验中设置每次检测的基本行数为50行，相机使用GigE协议进行连接。同时，为了进行对比实验，所使用的训练集是公开的HED-BSDS训练集（共计28800张图片），复现了RCF模型，学习率为1e-6，使用训练集对该模型训练了26小时，迭代了30次，得到了相对稳定的模型。3.5.2对比实验本章将方法抽象，可以在中途输出边缘检测结果，将特定情况下的边缘检测结果与目前的新方法进行对比，如第一章所介绍的，目前在图像的边缘检测领域，出现了先进的图像边缘检测方法，随着人工智能和机器学习的发展，以神经网络为基础的深度学习网络框架的出现，给了图像边缘提取一个新的思路。其基本原理是使用大量数据集对输出的模型网络进行训练，得出满足需要的参数，然后利用此模型，将待处理的图像数据输入模型，得出输出图像。该模型最初是由vgg16模型演变而来[66]，该模型最初用于图像识别领域，判断图中是否有某一元素，如图3-11所示，输入的图像经过多层的卷积层和池化层，最后输出判定的结果，通过与结果比对来调整参数，但是这不是我们所想要的边缘图像。
电子科技大学硕士学位论文54测，所以当运动平台运动结束，相机采集图像完成后，可输出检测结果。5.1.2上位机设计本文上位机程序及相关的检测算法均是使用python编写的，运动控制部分是使用NI的设备进行控制，调用了相关接口。上位机分三部分组成，第一部分是与控制平台连接和调试等，第二部分是进行快速实时PCB缺陷检测，为整版检测，第三部分是进行线宽线距测量，精检测。图5-2上位机示意图如图5-2所示，是本文的上位机的页面示意图，分从整体分为三部分，第一部分是电机端口调试及电机参数的设定，用于调平运动平台并使得平台在x方向正常运行，第二部分是设置如第三第四章所设计的一些基本参数，用于后续检测，第三部分是检测及结果显示部分，分为PCB缺陷检测及一定范围内PCB线宽线间距的检测结果。5.2实验结果及分析实验部分按照第三章和第四章所述的内容进行验证说明，进行两部分不同的实验，先对PCB的线宽线距进行测量，再对PCB板进行整板检测。
本文编号：3296103
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3296103.html
