基于机器视觉的PCB表面缺陷检测

发布时间：2017-10-02 10:19

  本文关键词：基于机器视觉的PCB表面缺陷检测

  更多相关文章： 缺陷检测 改进梯度Hough变换 模板匹配 局部中值滤波

【摘要】：随着印刷电路板(PCB,Printed Circuit Boad)制作行业的发展,关于PCB的缺陷检测需求越来越复杂,常用的人工检测方式既无法与现代化的PCB制作加工速度相匹配,也无法满足PCB生产过程中对于质量监控的要求。因此,基于图像识别的光学检测AOI(Automatic Optical Inspection)技术正在广泛地被应用在各种PCB的缺陷检测中,本文以马鞍山森格电子批量生产的PCB为研究对象,设计了一种PCB表面缺陷检测系统,可以准确,高效地对PCB缺陷进行检测。首先,本文调研了目前PCB缺陷检测系统的研究和应用现状,并在此基础上对相机,镜头,光源进行了选型,搭建了系统的硬件平台;针对PCB图像的噪声情况,研究了局部中值滤波算法,实现了在有效滤除噪声的同时,保留了图像的信息,并通过图像增强和阈值分割有效获取了图像的目标区域。其次,对PCB图像进行识别和检测,针对PCB上的Mark点检测问题,提出了梯度Hough变换和轮廓匹配相结合的改进算法,提高了Mark点检测的准确性;通过区域生长填充算法实现了PCB走线的缺陷区域检测;并应用HALCON软件,完成了字符训练和识别算法,算法有效地识别并返回了字符信息;通过Hu矩和图像金字塔的结合提高了模板匹配过程中的准确性。最后,在上述研究的基础上,开发了缺陷检测系统的综合软件平台,平台应用了分割视图,多线程,单例模式等编程方式,实现了上述算法的整合,通过对软件平台和算法进行的测试,验证了系统的有效性和可靠性,为系统在后续的功能扩展以及现场环境下的缺陷检测奠定了基础。
【关键词】：缺陷检测 改进梯度Hough变换 模板匹配 局部中值滤波
【学位授予单位】：安徽工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN41;TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 研究的背景及意义9
• 1.2 PCB缺陷检测方法9-13
• 1.2.1 常用PCB缺陷检测方法9-11
• 1.2.2 国内外研究现状11-13
• 1.3 本文的研究内容与结构安排13-15
• 第二章 表面缺陷检测系统搭建方案15-23
• 2.1 检测系统总体构成15
• 2.2 检测系统硬件选型15-21
• 2.2.1 光源模块选型15-18
• 2.2.2 相机和镜头选型18-21
• 2.2.3 I/O控制卡选型21
• 2.3 系统软件结构21
• 2.4 本章小结21-23
• 第三章 PCB表面图像预处理23-33
• 3.1 PCB图像噪声处理23-25
• 3.1.1 PCB图像噪声分析23
• 3.1.2 局部中值滤波23-25
• 3.2 PCB图像对比度增强25-28
• 3.2.1 PCB图像灰度分析25-26
• 3.2.2 图像灰度变换26-27
• 3.2.3 直方图均衡化27-28
• 3.3 PCB图像阈值分割28-32
• 3.3.2 最大类间方差法阈值分割28-30
• 3.3.3 最优阈值法阈值分割30
• 3.3.4 局部自适应阈值分割30-32
• 3.4 本章小结32-33
• 第四章 PCB表面缺陷识别和检测33-56
• 4.1 缺陷识别和检测算法33-36
• 4.1.1 模板匹配法33-34
• 4.1.2 Hough变换法34
• 4.1.3 形态学法34-36
• 4.2 PCB图像定位36-44
• 4.2.1 PCB定位原理36
• 4.2.2 PCB表面Mark点检测方法36-38
• 4.2.3 改进梯度Hough变换的圆检测方法38-42
• 4.2.4 实验结果与分析42-44
• 4.3 PCB走线检测44-47
• 4.3.1 PCB走线检测原理44
• 4.3.2 PCB走线检测算法44-46
• 4.3.3 实验结果与分析46-47
• 4.4 字符缺陷检测47-50
• 4.4.1 字符缺陷检测方式47
• 4.4.2 字符缺陷检测算法47-49
• 4.4.3 实验结果与分析49-50
• 4.5 元器件检测50-54
• 4.5.1 元器件检测原理50-51
• 4.5.2 元器件缺陷检测方法51-53
• 4.5.3 实验结果与分析53-54
• 4.6 本章小结54-56
• 第五章 PCB缺陷检测软件系统构建56-66
• 5.1 系统软件设计56-58
• 5.2 系统软件实现58-65
• 5.2.1 图像采集实现58-60
• 5.2.2 数据库模块设定60-61
• 5.2.3 下位机通信模块61
• 5.2.4 图像识别算法模块设计61-64
• 5.2.5 算法测试64-65
• 5.3 本章小结65-66
• 第六章 总结与展望66-68
• 6.1 总结66
• 6.2 展望66-68
• 参考文献68-73
• 在学研究成果73-74
• 致谢74-75
• 附录A 插图清单75-79
• 附录B 表格清单79

【相似文献】

中国期刊全文数据库 前10条

1 郭慧平;王召巴;金永;;火箭发动机包覆层表面缺陷检测系统研究[J];电子测试;2011年02期

2 李u&;谭永龙;杨美英;;水果分级与表面缺陷检测研究[J];计算机工程与设计;2008年15期

3 张学武;吕艳云;丁燕琼;梁瑞宇;;小波统计法的表面缺陷检测方法[J];控制理论与应用;2010年10期

4 刘泽福;王冰峰;康戈文;;基于带钢表面缺陷检测的背景相减的方法[J];福建电脑;2006年05期

5 陈国君;陈鹏;张学军;;基于计算机视觉的轴承表面缺陷检测[J];煤矿机械;2009年02期

6 宗欣;;BASLER的45°顶端检测:一种表面缺陷检测的全面方案[J];记录媒体技术;2004年05期

7 高潮;郭永彩;任可;杨晖;;基于嵌入式系统和图像识别的拉索表面缺陷检测技术[J];光电工程;2008年02期

8 吴晓鹏;林介邦;唐辉;钟园园;罗祥英;;基于机器视觉的铸坯表面缺陷检测系统的研制[J];武钢技术;2010年01期

9 丛家慧;颜云辉;;视觉注意机制在带钢表面缺陷检测中的应用[J];中国机械工程;2011年10期

10 孙瑜,罗飞路,赵东明;利用交变磁场测量法的金属表面缺陷检测[J];兵工自动化;2004年02期

中国重要会议论文全文数据库 前5条

1 韩立强;;基于图像分割技术的汽车发动机缸体表面缺陷检测[A];面向21世纪的科技进步与社会经济发展（下册）[C];1999年

2 郭庆华;田陆;袁英宏;黄郁君;;嵌入式系统在钢板表面缺陷检测中的应用[A];2012第四届先进轧钢精整及钢材包装技术学术研讨会文集[C];2012年

3 郭庆华;田陆;袁英宏;黄郁君;;嵌入式系统在钢板表面缺陷检测中的应用[A];2012年全国轧钢生产技术会论文集（下）[C];2012年

4 张凤全;高娜;于明;赵晓安;张慧娟;;图像处理在物体表面缺陷检测中的应用[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

5 刘乃强;徐科;;形态学梯度在带钢表面缺陷检测中的应用[A];全国炼钢连铸过程自动化技术交流会论文集[C];2006年

中国博士学位论文全文数据库 前6条

1 王世通;精密表面缺陷检测散射成像理论建模及系统分析研究[D];浙江大学;2015年

2 程万胜;钢板表面缺陷检测技术的研究[D];哈尔滨工业大学;2008年

3 王义文;钢球表面缺陷检测关键技术研究及样机研制[D];哈尔滨理工大学;2010年

4 赵立明;基于激光扫描成像与异源CCD融合的连铸热坯表面缺陷检测方法研究[D];重庆大学;2014年

5 丛家慧;引入人类视觉特性的带钢表面缺陷检测与识别方法研究[D];东北大学;2010年

6 王鹏;基于运动视觉技术的钢球表面缺陷检测[D];哈尔滨理工大学;2008年

中国硕士学位论文全文数据库 前10条

1 于跃;基于PMP的钢轨表面缺陷检测研究[D];西南交通大学;2015年

2 汪磊;铝箔复卷机运动仿真分析及表面缺陷检测系统研究[D];浙江大学;2015年

3 付邦瑞;钢坯表面裂纹图像检测[D];电子科技大学;2015年

4 杨林;冷态热轧钢板表面缺陷检测系统技术研究[D];重庆大学;2015年

5 李娇娇;基于改进DAGSVM的钢板表面缺陷检测系统设计与实现[D];重庆大学;2015年

6 王松芳;基于特征分类的低分辨率触摸屏表面缺陷检测[D];北京交通大学;2016年

7 李帮建;基于计算机视觉的表面缺陷检测及应用[D];东南大学;2015年

8 杨建华;多口径发动机包覆层表面缺陷检测方法研究[D];中北大学;2016年

9 张露林;基于GPU的卫生用品表面缺陷检测软件设计[D];浙江大学;2016年

10 朱健;基于机器视觉的连接器表面缺陷检测算法研究[D];南京理工大学;2016年

，

本文编号：959062