基于机器视觉的PCB表面缺陷检测方法研究与系统实现
发布时间：2021-09-04 10:06
制造业是实体经济的主体,是国家工业化的关键,而印制电路板（Printed Circuit Board,PCB）是电子化、信息化的硬件载体。随着我国创新升级和产业升级的不断推进,PCB自动化质量检测技术已经成为了经济生产环节中至关重要的一环。目前,PCB表面质量的检测仍以人工视检为主,检测速度慢、稳定性差、主观因素高。自动光学检测（Automated Optical Inspection,AOI）作为一种广泛应用于各种工业环境中的技术,可以通过非接触的方式完成检测任务。该项技术以机器视觉技术为核心,能有效应对PCB表面缺陷的自动化检测问题。本文以单层单面PCB裸板为主要检测对象,其表面镀铜或镀镍,光学成像特性复杂。相较于常规PCB板,本系统待检测PCB板的尺寸较大,最高为550mm?600mm,系统处理的数据量大,因此需要在保证检测效果的前提下提高系统实时性。在综合实际需求后,本文最终完成了硬件设备的选型与搭建,包括LED光源、高分辨率工业相机、运动装置等。然后,针对短路、断路、凸起、凹陷这四种缺陷,重点设计并实现了一套以图像处理为核心的软件系统。本文的核心内容在于研究软件部分中的图像预...
【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】：84 页
【学位级别】：硕士
【部分图文】：
PCB板实物样例
电子科技大学硕士学位论文12立区域内导体边缘粗糙、铜刺等缺陷及其组合缺陷，不会使导体间距最小处的减少比例大于30%。如果PCB板不符合上述标准，那么将根据缺陷对导体间距的影响程度进一步被判定为线路凸起或者短路。以下展示的是几种典型PCB表面缺陷的实物样例：(a)(b)(c)(d)(e)(f)图2-2PCB典型缺陷。(a)印制板边缘的缺口；(b)基材表面的麻点；(c)基材表面下的外来夹杂物；(d)导体宽度异常；(e)导体间距异常，凸起；(f)导体间距异常，短路随着表面缺陷的产生机理和特征不同，PCB板表面的缺陷呈现不同的特点。结合若干PCB产品制造商的需求发现，在实际生产中，确认缺陷是否对PCB板的电气特性产生显著影响比确认某个具体缺陷的产生机理更重要。也就是说，缺陷的产生机理并不作为验收PCB板的指标，仅作为改进产品制作工艺的参考。另一方
电子科技大学硕士学位论文26增函数f(x)中即可，该函数满足：0()(1)()(1)()0,1,2,...,1kiifkLckLpXkL====(3-2)其中，L是图像可能的最大灰度级，例如8位灰度图中L的取值为256。这种方法自动的将图像映射到更加均匀的直方图上，能有增大图像的动态范围。以实际拍摄的某张PCB板分图为例，对其做了直方图均衡，并截取了图中线路密集区域的图像进行了展示，结果如图3-1所示：(a)(b)(c)(d)图3-1直方图均衡前后的PCB图像。(a)原始图像；(b)均衡后的结果；(c)均衡前的局部图；(d)均衡后的局部图像为了进一步分析直方图均衡对图像的影响，这里绘制了均衡前后的灰度直方图，其中纵轴表示图像中对应灰度值的像素总数，横轴表示灰度值，如图3-2所示：
【参考文献】：
期刊论文
[1]基于机器视觉的手机壳表面划痕缺陷检测[J]. 王武,叶明,陆永华. 机械制造与自动化. 2019(01)
[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]走向新一代智能制造[J]. 周济,李培根,周艳红,王柏村,臧冀原,孟柳. Engineering. 2018(01)
[4]机器视觉表面缺陷检测综述[J]. 汤勃,孔建益,伍世虔. 中国图象图形学报. 2017(12)
[5]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄. 软件学报. 2017(01)
[6]基于形态学的PCB缺陷快速检测技术[J]. 王栋,解则晓. 计算机科学. 2016(S1)
[7]基于点特征的图像配准方法综述[J]. 肖明,鲍永亮,颜仲新. 兵工学报. 2015(S2)
[8]液晶显示屏背光源模组表面缺陷自动光学检测系统设计[J]. 史艳琼,卢荣胜,张腾达. 传感技术学报. 2015(05)
[9]透视变换模型的Harris图像配准[J]. 郭晓冉,崔少辉. 微电子学与计算机. 2014(04)
[10]PCB自动光学检测中Gerber文件的解析研究[J]. 姚蛟,叶玉堂,张静,谢煜,周恋玲. 计算机工程与设计. 2012(06)
博士论文
[1]PCB光学特性对PCB光电外观检查机性能的影响机理[D]. 谢煜.电子科技大学 2014
[2]PCB表观缺陷的自动光学检测理论与技术[D]. 张静.电子科技大学 2013
硕士论文
[1]基于机器视觉的PCB外观缺陷光学自动检测机关键技术研究[D]. 李延年.广东工业大学 2019
[2]HCI-A3型PCB板缺陷检测系统设计与实现[D]. 鹿亚琴.电子科技大学 2019
[3]基于机器视觉的PCB缺陷自动检测系统的研究[D]. 胡王云.广东工业大学 2019
[4]基于机器视觉的光纤接头缺陷检测方法研究与系统实现[D]. 李昱.电子科技大学 2019
[5]基于机器学习的电路板印刷字符检测识别方法研究[D]. 史昊林.电子科技大学 2019
[6]基于机器视觉的PCB表面缺陷检测[D]. 刘雨.安徽工业大学 2016
[7]AOI（自动光学检查）产品客户需求管理研究[D]. 王勇.西南交通大学 2013
[8]图像锐化的研究[D]. 刘三国.曲阜师范大学 2011
[9]基于计算机视觉的线路板缺陷检测技术研究[D]. 王艳卫.河北工业大学 2007
[10]机器视觉照明光源关键技术研究[D]. 李俊.天津理工大学 2007
本文编号：3383068
【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】：84 页
【学位级别】：硕士
【部分图文】：
PCB板实物样例
电子科技大学硕士学位论文12立区域内导体边缘粗糙、铜刺等缺陷及其组合缺陷，不会使导体间距最小处的减少比例大于30%。如果PCB板不符合上述标准，那么将根据缺陷对导体间距的影响程度进一步被判定为线路凸起或者短路。以下展示的是几种典型PCB表面缺陷的实物样例：(a)(b)(c)(d)(e)(f)图2-2PCB典型缺陷。(a)印制板边缘的缺口；(b)基材表面的麻点；(c)基材表面下的外来夹杂物；(d)导体宽度异常；(e)导体间距异常，凸起；(f)导体间距异常，短路随着表面缺陷的产生机理和特征不同，PCB板表面的缺陷呈现不同的特点。结合若干PCB产品制造商的需求发现，在实际生产中，确认缺陷是否对PCB板的电气特性产生显著影响比确认某个具体缺陷的产生机理更重要。也就是说，缺陷的产生机理并不作为验收PCB板的指标，仅作为改进产品制作工艺的参考。另一方
电子科技大学硕士学位论文26增函数f(x)中即可，该函数满足：0()(1)()(1)()0,1,2,...,1kiifkLckLpXkL====(3-2)其中，L是图像可能的最大灰度级，例如8位灰度图中L的取值为256。这种方法自动的将图像映射到更加均匀的直方图上，能有增大图像的动态范围。以实际拍摄的某张PCB板分图为例，对其做了直方图均衡，并截取了图中线路密集区域的图像进行了展示，结果如图3-1所示：(a)(b)(c)(d)图3-1直方图均衡前后的PCB图像。(a)原始图像；(b)均衡后的结果；(c)均衡前的局部图；(d)均衡后的局部图像为了进一步分析直方图均衡对图像的影响，这里绘制了均衡前后的灰度直方图，其中纵轴表示图像中对应灰度值的像素总数，横轴表示灰度值，如图3-2所示：
【参考文献】：
期刊论文
[1]基于机器视觉的手机壳表面划痕缺陷检测[J]. 王武,叶明,陆永华. 机械制造与自动化. 2019(01)
[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]走向新一代智能制造[J]. 周济,李培根,周艳红,王柏村,臧冀原,孟柳. Engineering. 2018(01)
[4]机器视觉表面缺陷检测综述[J]. 汤勃,孔建益,伍世虔. 中国图象图形学报. 2017(12)
[5]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄. 软件学报. 2017(01)
[6]基于形态学的PCB缺陷快速检测技术[J]. 王栋,解则晓. 计算机科学. 2016(S1)
[7]基于点特征的图像配准方法综述[J]. 肖明,鲍永亮,颜仲新. 兵工学报. 2015(S2)
[8]液晶显示屏背光源模组表面缺陷自动光学检测系统设计[J]. 史艳琼,卢荣胜,张腾达. 传感技术学报. 2015(05)
[9]透视变换模型的Harris图像配准[J]. 郭晓冉,崔少辉. 微电子学与计算机. 2014(04)
[10]PCB自动光学检测中Gerber文件的解析研究[J]. 姚蛟,叶玉堂,张静,谢煜,周恋玲. 计算机工程与设计. 2012(06)
博士论文
[1]PCB光学特性对PCB光电外观检查机性能的影响机理[D]. 谢煜.电子科技大学 2014
[2]PCB表观缺陷的自动光学检测理论与技术[D]. 张静.电子科技大学 2013
硕士论文
[1]基于机器视觉的PCB外观缺陷光学自动检测机关键技术研究[D]. 李延年.广东工业大学 2019
[2]HCI-A3型PCB板缺陷检测系统设计与实现[D]. 鹿亚琴.电子科技大学 2019
[3]基于机器视觉的PCB缺陷自动检测系统的研究[D]. 胡王云.广东工业大学 2019
[4]基于机器视觉的光纤接头缺陷检测方法研究与系统实现[D]. 李昱.电子科技大学 2019
[5]基于机器学习的电路板印刷字符检测识别方法研究[D]. 史昊林.电子科技大学 2019
[6]基于机器视觉的PCB表面缺陷检测[D]. 刘雨.安徽工业大学 2016
[7]AOI（自动光学检查）产品客户需求管理研究[D]. 王勇.西南交通大学 2013
[8]图像锐化的研究[D]. 刘三国.曲阜师范大学 2011
[9]基于计算机视觉的线路板缺陷检测技术研究[D]. 王艳卫.河北工业大学 2007
[10]机器视觉照明光源关键技术研究[D]. 李俊.天津理工大学 2007
本文编号：3383068
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3383068.html
