基于机器视觉的炉前PCB贴装器件缺陷检测

发布时间：2024-12-22 06:05

　　炉前PCB贴装器件缺陷检测是指在表面贴装技术(Surface Mount Technology,SMT)生产线上使用贴片机对PCB芯片贴装完成后,在进入下一步回流焊前,对即将进行焊接的芯片的检测。其主要目标是判断芯片能否进行回流焊,是表面贴装技术生产线上的重要一步。它是以数字图像处理为主的一项重要的工业技术,近年来对于在炉前PCB贴装器件的检测的发展十分迅猛,各个公司也推出了自家的检测机器。但是对于贴装过程中的产生的不同错误,还有部分内容尚未被解决。对于这些没有解决的问题,本文将在以下的内容中展开研究:首先是对于芯片图片样本的采集。对于不同类型的PCB板,只要出现同一类型的芯片,它们的图像信息应该是相近的。并且在不同的光照下,芯片的图像会产生一定的变化。针对这些相似的样本图像采集需要设计出相应的算法,在现有的图像处理算法中,选出合适的算法对图像进行滤波,提取特征点,得到芯片图像等。其次,对比现阶段不同种类的神经网络,并且找出不同神经网络之间的差别。现阶段的神经网络主要用于图片分类和目标识别,不同种的神经网络对于不同的目的其结果也不相同,本文需要使用图片的分类,所以选择神经网络的标准是分类...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题来源以及研究背景和意义
        1.1.1 课题来源
        1.1.2 课题研究的背景和意义
    1.2 炉前缺陷检测问题概述
        1.2.1 待处理区域的确定
        1.2.2 不同种类神经网络的应用
    1.3 国内外研究现状
        1.3.1 国内研究现状
        1.3.2 国外研究现状
    1.4 本文主要研究内容及各章节安排
第2章 图像预处理的相关算法
    2.1 引言
    2.2 图片的滤波操作
        2.2.1 中值滤波器
        2.2.2 均值滤波器
        2.2.3 高斯滤波器
        2.2.4 双边滤波器
        2.2.5 滤波器的评价
    2.3 图片的阈值处理
        2.3.1 固定二值阈值化
        2.3.2 OTSU算法
    2.4 轮廓跟踪算法
    2.5 模板匹配算法
        2.5.1 基于灰度值的模板匹配算法
        2.5.2 基于组件的模板匹配算法
    2.6 本章小结
第3章 卷积神经网络
    3.1 引言
    3.2 神经网络的发展
    3.3 神经网络的基本结构
        3.3.1 神经元
        3.3.2 多层感知机
    3.4 卷积神经网络
        3.4.1 卷积层
        3.4.2 池化层
        3.4.3 全连接层
        3.4.4 特征面
    3.5 本章小结
第4章 现代神经网络
    4.1 引言
    4.2 ImageNet挑战赛
    4.3 AlexNet
    4.4 ZFNet
    4.5 GoogleNet
    4.6 VGGNet
    4.7 SPPNet
    4.8 ResNet
    4.9 FasterR-CNN
    4.10 SSD
    4.11 MXNET
    4.12 本章小结
第5章 模型训练及实验分析
    5.1 图像的采集
    5.2 图像的预处理
        5.2.1 二值化处理
        5.2.2 Suzuki85轮廓跟踪
        5.2.3 Mark点的定位
    5.3 芯片图像的获得
        5.3.1 SOP16型芯片正样本
        5.3.2 SOP16型芯片负样本
    5.4 神经网络模型的预训练
    5.5 利用模型对芯片检测
    5.6 算法的普适性
        5.6.1 SOT89型芯片检测
        5.6.2 0402 型封装芯片
    5.7 本章小节
结论
参考文献
致谢



本文编号：4019558